基于“客戶畫像”的供電服務(wù)情緒指數(shù)構(gòu)建與應(yīng)用研究

楊 雨，李 雁，蔡秋雷，馮歐陽，徐正一

（國網(wǎng)瑞安市供電公司，浙江 瑞安325200）

隨著社會(huì)經(jīng)濟(jì)高速高質(zhì)量發(fā)展，生產(chǎn)企業(yè)、居民客戶對用電的敏感度越來越高，對供電企業(yè)服務(wù)質(zhì)量的要求也越來越高，一旦在供電可靠性或供電服務(wù)質(zhì)量上發(fā)生問題，易引起客戶情緒波動(dòng)甚至引發(fā)輿情。如何有效規(guī)避客戶投訴，消除客戶情緒化事件造成的不良影響，已成為電力企業(yè)亟待解決的問題，因此，需要有效地評估客戶在用電體驗(yàn)方面的滿意度，以便提升供電服務(wù)質(zhì)量。

查閱文獻(xiàn)發(fā)現(xiàn)有關(guān)情緒影響的研究多用于股市金融方面[1-3]，有學(xué)者用VAR模型和Granger因果檢驗(yàn)方法分析了投資者情緒對股市收益的影響，并將投資者情緒指數(shù)作為股市盈虧預(yù)測數(shù)據(jù)[4]。隨著電網(wǎng)規(guī)模的不斷擴(kuò)大，目前大數(shù)據(jù)分析在電力行業(yè)也得到廣泛應(yīng)用[5]，王德文等人利用大數(shù)據(jù)分析原理解決電力用戶側(cè)負(fù)荷分析和處理問題，并進(jìn)行了負(fù)荷預(yù)測實(shí)驗(yàn)[6]。借鑒相關(guān)學(xué)者的理論研究，為有效分析客戶在電力體驗(yàn)方面的滿意度，本文提出利用大數(shù)據(jù)分析原理，建立客戶的多維數(shù)據(jù)構(gòu)建客戶行為的畫像模型，依據(jù)客戶行為的畫像模型，同時(shí)引入sigmoid函數(shù)來預(yù)測客戶的情緒指數(shù)值[7-8]，將每個(gè)電力事件中的情緒化客戶視為一個(gè)對象，對客戶情緒變化進(jìn)行刻畫打分，最終構(gòu)建客戶行為特征的全景視圖，通過對客戶不同維度信息數(shù)據(jù)的挖掘，將情緒化事件轉(zhuǎn)換為數(shù)字化的情緒指數(shù)，精準(zhǔn)篩選高風(fēng)險(xiǎn)客戶，提升優(yōu)質(zhì)服務(wù)水平，實(shí)現(xiàn)更為貼切的個(gè)性化服務(wù)[9-10]。

1 “客戶畫像”的構(gòu)建

以能源互聯(lián)網(wǎng)中的用電信息采集系統(tǒng)、營銷系統(tǒng)、供電服務(wù)指揮系統(tǒng)、99598系統(tǒng)、12345政務(wù)熱線平臺(tái)、氣象數(shù)據(jù)等系統(tǒng)積累的海量客戶信息為基礎(chǔ)。通過停電感知、業(yè)務(wù)辦理、電話咨詢、電量波動(dòng)、12345政務(wù)熱線平臺(tái)、氣象原因6個(gè)方面追溯歷史電力事件，挖掘影響到客戶情緒的事件，分析客戶對供電服務(wù)情緒化的原因，通過客戶畫像數(shù)據(jù)分析方法快速篩選出客戶行為特征指標(biāo)，構(gòu)建客戶情緒指數(shù)預(yù)判指標(biāo)體系，最終得到基于“客戶畫像”的客戶情緒指數(shù)模型。

1.1 數(shù)據(jù)清洗與處理

本文以供電公司2019年數(shù)據(jù)為依據(jù)，將各系統(tǒng)中采集到的基礎(chǔ)數(shù)據(jù)，如居民抄表信息、歷史停電記錄、電話呼入工單數(shù)據(jù)、業(yè)務(wù)辦理數(shù)據(jù)等數(shù)據(jù)，通過數(shù)據(jù)缺失、數(shù)據(jù)冗余、常識性錯(cuò)誤等清洗規(guī)則對異常數(shù)據(jù)通過Python編程進(jìn)行清洗與處理，提取最具概括性字段信息，形成戶號、電量、停電次數(shù)、電話呼入工單、業(yè)務(wù)辦理為代表的關(guān)鍵數(shù)據(jù)字段集，并作為情緒等量化的指標(biāo)事件。

1.2 客戶行為特征集提煉

將系統(tǒng)中清洗與處理完成后的數(shù)據(jù)和電力客戶的行為特征進(jìn)行有機(jī)整合分析判斷，構(gòu)建客戶行為特征集，如圖1所示。該特征集具備較為完整的客戶數(shù)據(jù)信息源，同時(shí)擁有豐富的成長性[11]。

圖1 客戶行為特征集

1.3 客戶標(biāo)簽體系構(gòu)建

客戶行為特征集構(gòu)建完成后，需從用戶信息中抽取出高度精練、能概括用戶某種特征或?qū)傩缘摹皹?biāo)簽”。本文基于直接抽取、統(tǒng)計(jì)抽取、回歸抽取標(biāo)簽規(guī)則，將部分基礎(chǔ)信息的特征集直接轉(zhuǎn)換成客戶標(biāo)簽體系中的基礎(chǔ)客戶標(biāo)簽，如業(yè)務(wù)辦理、停電感知等；通過大數(shù)據(jù)分析挖掘得出客戶行為特征集，再將這些特征通過標(biāo)簽體系中的邏輯運(yùn)算得出客戶標(biāo)簽；依據(jù)應(yīng)用需求回歸建立模型，確立將電量波動(dòng)、電話呼入、業(yè)務(wù)辦理、停電感知特征集加入模型預(yù)算，得出客戶情緒指數(shù)預(yù)測標(biāo)簽。

客戶標(biāo)簽體系建立包括數(shù)據(jù)采集、標(biāo)簽體系建模、標(biāo)簽分類，通過提煉分析客戶行為特征集中的數(shù)據(jù)并對其進(jìn)行再次加工、清洗、運(yùn)算，然后給不同的電力客戶打上相應(yīng)標(biāo)簽，具體可概括為四個(gè)標(biāo)簽：個(gè)人屬性、用戶用電、用戶交費(fèi)、客戶互動(dòng)，并通過標(biāo)簽的全生命周期管理流程及標(biāo)簽組合應(yīng)用形成多維客戶全景視圖[12]，如圖2所示。

圖2 客戶標(biāo)簽體系

1.4 標(biāo)簽周期管理形成

對采集到的數(shù)據(jù)通過Odps抽取后，經(jīng)過數(shù)據(jù)獲取、清洗、處理、制定標(biāo)簽規(guī)則，形成標(biāo)簽生命周期管理方式。根據(jù)規(guī)則從數(shù)據(jù)中提取對應(yīng)客戶進(jìn)行打標(biāo)簽，打完后經(jīng)過評估，評估后再通過模型分析預(yù)判后再進(jìn)行規(guī)則微調(diào)。在應(yīng)用與模型中，通過應(yīng)用收集使用反饋意見，進(jìn)行調(diào)整標(biāo)簽規(guī)則和更新標(biāo)簽，圖3為標(biāo)簽生命周期管理圖[13]。

圖3 標(biāo)簽生命周期管理圖

2 基于“客戶畫像”情緒指數(shù)模型建立

以客戶行為特征為指導(dǎo)，利用豐富的信息資源，建立包括客戶電量波動(dòng)維度、客戶停電感知維度、業(yè)務(wù)辦理體驗(yàn)維度、客戶電話呼入維度的四維特征視圖[14]，如圖4所示。

圖4 客戶標(biāo)簽四維特征視圖

將用戶個(gè)人屬性、用戶用電、用戶交費(fèi)、客戶互動(dòng)標(biāo)簽來計(jì)算客戶電量波動(dòng)維度、客戶停電感知維度、業(yè)務(wù)辦理體驗(yàn)維度、客戶電話呼入維度這四個(gè)維度的權(quán)重，計(jì)算公式設(shè)定為：

其中，PW代表維度權(quán)重；BW代表標(biāo)簽與業(yè)務(wù)關(guān)聯(lián)權(quán)重；WW代表頻度。其含義為：BW標(biāo)簽與業(yè)務(wù)關(guān)聯(lián)權(quán)重，標(biāo)簽項(xiàng)和業(yè)務(wù)是否有關(guān)聯(lián)，無關(guān)聯(lián)則權(quán)重低，相關(guān)維度越高權(quán)重越大。WW頻度，標(biāo)簽出現(xiàn)的頻度，在“用戶畫像”數(shù)據(jù)庫中出現(xiàn)的頻度越高，賦值越大?？蛻羟榫w指數(shù)構(gòu)建公式可定義為：

2.1 客戶電量波動(dòng)維度

通過統(tǒng)計(jì)客戶在2019年內(nèi)的電量波動(dòng)異常情況，獲得本維度在客戶歷史電力事件中的比值，通過下文中的公式（3）轉(zhuǎn)換成電量波動(dòng)異常維度的分值Q，如圖5所示。從圖5可以得到該用戶用電信息，特別是該用戶3月份單月用電量比上個(gè)月超出200%，屬于不正常信息，需要特殊關(guān)注該用戶線路。

圖5 客戶電量環(huán)比

2.2 客戶停電感知維度

統(tǒng)計(jì)客戶在過往2月內(nèi)的停電情況，獲得本維度在客戶歷史電力事件中的比值，通過下文中的公式（4）轉(zhuǎn)換成停電感知維度的分值W，如表1所示。

表1 線路停電信息

2.3 業(yè)務(wù)辦理體驗(yàn)維度

統(tǒng)計(jì)客戶在2019年內(nèi)的業(yè)務(wù)辦理情況，獲得本維度在客戶歷史電力事件中的比值，通過下文中的公式（5）轉(zhuǎn)換成業(yè)務(wù)辦理維度的分值E，如表2所示。

表2 業(yè)務(wù)辦理信息列表

2.4 客戶電話呼入維度

統(tǒng)計(jì)客戶在2019年內(nèi)的電話呼入情況，獲得本維度在客戶歷史電力事件中的比值，通過下文中的公式（6）轉(zhuǎn)換成業(yè)務(wù)辦理維度的分值R，如表3所示。

表3 電話呼入信息

2.5 “客戶畫像”的情緒指數(shù)模型

對客戶行為特征集與四維視圖互補(bǔ)建立形成客戶情緒化特征，如圖6所示，為客戶情緒指數(shù)全景視圖構(gòu)建奠定基礎(chǔ)[15-16]。

圖6 基于“客戶畫像”的情緒指數(shù)

3 基于“客戶畫像”的算法模型

電力客戶數(shù)據(jù)量大，數(shù)據(jù)類型多、信息復(fù)雜，本項(xiàng)目通過在海量的大數(shù)據(jù)中找到對應(yīng)每個(gè)客戶最具代表性的數(shù)據(jù)進(jìn)行分析，依靠數(shù)據(jù)挖掘算法找到相應(yīng)標(biāo)簽[17-18]，具體方式參考上述第2章節(jié)，利用sigmoid函數(shù)將其轉(zhuǎn)化成對應(yīng)的情緒指數(shù)。

3.1 客戶電量波動(dòng)模型

模型通采集客戶2019年內(nèi)的月電量，計(jì)算相鄰兩個(gè)月的電量環(huán)比情況，判斷電量波動(dòng)是否大于100%，公式如下：

其中：

Q：表示客戶在電量波動(dòng)維度的分值；

A1:表示電量波動(dòng)異常1次占據(jù)本維度的比值，

A:表示電量波動(dòng)維度影響客戶情緒百分占比，

an：第n個(gè)客戶中，過往1年內(nèi)電量波動(dòng)異常發(fā)生事件的次數(shù)。

0次：Q=100*A；

1次：Q=100*A-A1*100*A；

2次：Q=100*A-A2*100*A；

3次：Q=100*A-A3*100*A；

＞3次：Q=0，

當(dāng)Q=0時(shí)，客戶的屬性欄直接標(biāo)紅。

同理，根據(jù)客戶電量波動(dòng)模型，以此類推可以得到W、E、R三個(gè)維度的分值計(jì)算公式，分別如式（4）、（5）、（6）所示：

其中，B、C、D表示各自維度占客戶情緒百分占比；B1、C1、D1表示各種維度發(fā)生事件1次占據(jù)本維度的比值；bn、cn、dn表示各維度第n個(gè)客戶中，過往1年內(nèi)電量波動(dòng)異常發(fā)生事件的次數(shù)。

3.2 邏輯回歸模型

由于模型需要得到一個(gè)概率值，故引入邏輯回歸模型[19-20]。該模型是一個(gè)分類預(yù)測模型，在實(shí)際生產(chǎn)環(huán)境中經(jīng)常使用。可以在分類情況下經(jīng)過學(xué)習(xí)得到一組權(quán)值w，當(dāng)有測試樣本輸入時(shí)，這組權(quán)值與測試數(shù)據(jù)按照加權(quán)得到：

其中，x1、x2、…xn就是每個(gè)測試樣本的n個(gè)特征值，按照sigmoid函數(shù)的形式求出g（h），如公式（8）所示，從而判斷每個(gè)測試樣本所屬的類別。

根據(jù)四個(gè)維度客戶行為特征集選取80%作為訓(xùn)練集進(jìn)行模型訓(xùn)練，求得不同樣本空間的收斂值[21]，如圖7所示。根據(jù)收斂度最高的模型，最后得到一組初始化參數(shù)。

圖7 不同樣本空間收斂值圖

其中：

最后，根據(jù)得到的參數(shù)對測試集進(jìn)行預(yù)測，準(zhǔn)確率在99.2765%。

3.3 客戶情緒指數(shù)構(gòu)建

通過四個(gè)維度的分?jǐn)?shù)值Q、W、E、R來預(yù)測客戶在四個(gè)維度對于電力服務(wù)的滿意度，分?jǐn)?shù)值越低，滿意度越低。

客戶情緒指數(shù)通過四個(gè)維度的事件發(fā)生次數(shù)，代入式（2），來求得客戶情緒指數(shù)的預(yù)測值，分?jǐn)?shù)值越低，滿意度越低。

通過對情緒指數(shù)的分段，將客戶畫像為紅色（重點(diǎn)關(guān)懷客戶）、黃色（保持關(guān)注客戶）、綠色（優(yōu)質(zhì)客戶）等三類層級。

4 具體實(shí)施及應(yīng)用成效

4.1 具體實(shí)施

本文選取汀田片區(qū)部分客戶，分析該片區(qū)客戶在四個(gè)維度中的分值及綜合值，如表4所示。然后對其進(jìn)行客戶畫像，并在情緒指數(shù)模型中預(yù)測出客戶相應(yīng)的情緒指數(shù)，如圖8所示，為單個(gè)客戶情緒指數(shù)四維圖。將得到的情緒指數(shù)劃分成不同層級的客戶群體，通過在不同維度的得分，為不同客戶制定相應(yīng)的管控措施，實(shí)現(xiàn)客戶情緒的精準(zhǔn)把控。

圖8 單個(gè)客戶情緒指數(shù)四維圖

表4 客戶情緒指數(shù)匯總表

4.2 應(yīng)用成效

基于“客戶畫像”的電力客戶行為特征為電力行業(yè)在大數(shù)據(jù)環(huán)境中供電服務(wù)情緒指數(shù)的建立提供了基礎(chǔ)。通過構(gòu)建一個(gè)情緒指數(shù)模型，分析從內(nèi)外網(wǎng)系統(tǒng)中獲取的數(shù)據(jù)，從用戶感知角度出發(fā)，利用“客戶畫像”數(shù)據(jù)分析工具挖掘客戶行為特征建立全景視圖模型，對供電服務(wù)做一個(gè)數(shù)字化評價(jià)，用紅、黃、綠三種不同顏色反映客戶情緒值，實(shí)現(xiàn)客戶情緒指數(shù)的構(gòu)建。

目前，課題已在瑞安公司3個(gè)片區(qū)14.8萬客戶中完成供電服務(wù)感受的數(shù)字化評估，實(shí)現(xiàn)了客戶分類精準(zhǔn)化服務(wù)。針對紅色客戶，公司建立“一戶一檔”，安排專人持續(xù)關(guān)注用戶用電感受；針對黃色客戶，公司及時(shí)收集用戶需求信息，著力加強(qiáng)與用戶的溝通交流；針對綠色客戶，公司繼續(xù)保持優(yōu)質(zhì)服務(wù)，給予客戶更好更貼心的服務(wù)體驗(yàn)。

5 結(jié)論

利用情緒指數(shù)作為客觀評估各地供電服務(wù)水平的一個(gè)指標(biāo)，預(yù)警潛在的情緒風(fēng)險(xiǎn)，以打造客戶需求為導(dǎo)向的智慧互動(dòng)、高質(zhì)量的供電服務(wù)新模式，通過“客戶畫像”數(shù)據(jù)庫中的客戶行為特征將客戶精準(zhǔn)分類，達(dá)到對客戶全面、準(zhǔn)確的認(rèn)知，正確把握客戶心理、掌握客戶期望，進(jìn)行差異化關(guān)懷，做好供電服務(wù)，優(yōu)化營商環(huán)境，讓大家用上省心電，實(shí)現(xiàn)企業(yè)服務(wù)更優(yōu)化、客戶體驗(yàn)更舒心。

由于情緒是一種外在表現(xiàn)，且具有很強(qiáng)的主觀性、隨機(jī)性。而99598意見工單、故障工單、投訴工單、12345政務(wù)熱線等等，都代表用戶對供電服務(wù)的不滿。因此，本文構(gòu)建供電服務(wù)情緒指數(shù)，量化對供電服務(wù)的感知，利用該模型來訓(xùn)練數(shù)據(jù)庫中的不同數(shù)據(jù)，得出供電服務(wù)情緒指數(shù)。經(jīng)驗(yàn)證，投訴用戶經(jīng)模型評估，大多得分極低，模型有效性得到初步驗(yàn)證。

目前，本文僅僅是將客戶的感受作數(shù)字化評估，把客戶分類。未來可按時(shí)間、地域拓展至更多維度進(jìn)行評估，用更多的客戶行為數(shù)據(jù)進(jìn)行學(xué)習(xí)和訓(xùn)練，進(jìn)一步完善數(shù)據(jù)庫模型。同時(shí)情緒指數(shù)可以用于判斷公眾對供電企業(yè)的滿意度，輔助政府進(jìn)行行風(fēng)評價(jià)，客觀評估各地電力企業(yè)的供電服務(wù)水平，建立競爭性的電力市場聚焦民生服務(wù)，一切以客戶為中心，以最大程度滿足客戶需求為首要目的，打造有溫度的數(shù)字社會(huì)。