CN110766438B - 一种通过人工智能对电网用户的用户行为进行分析的方法 - Google Patents
一种通过人工智能对电网用户的用户行为进行分析的方法 Download PDFInfo
- Publication number
- CN110766438B CN110766438B CN201910777589.9A CN201910777589A CN110766438B CN 110766438 B CN110766438 B CN 110766438B CN 201910777589 A CN201910777589 A CN 201910777589A CN 110766438 B CN110766438 B CN 110766438B
- Authority
- CN
- China
- Prior art keywords
- user
- behavior
- power
- contextualized
- leading
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 16
- 230000006399 behavior Effects 0.000 claims abstract description 100
- 238000012795 verification Methods 0.000 claims abstract description 20
- 238000012937 correction Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims description 16
- 238000013461 design Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 230000008521 reorganization Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种通过人工智能对电网用户的用户行为进行分析的方法,通过构建的用户画像模型和用户行为分析模型,能有效结合电力企业需求。其采用的市场验证的方式,有效形成知识库和模型,通过不断的反馈和修正之后,可以动态发现电网用户的需求点,和提升电网企业的服务质量。
Description
技术领域
本发明涉及供电网的用户行为分析的技术领域,具体为一种通过人工智能对电网用户的用户行为进行分析的方法。
背景技术
在传统情况下,企业了解用户主要通过与领先用户交流合作、问卷调查、市场调研、数据库数据采集等手段获取用户需求,由此构建用户需求分析模型来剖析需求点和变化方向。
电力用户可以指电力使用的消费者,也可以指在电网服务过程中和电网企业产生关联关系的用户。用户的行为是电网企业提升服务质量的必然分析要点。多年来,电网企业已经积累了大量的用户数据,在人工智能大数据的平台下,如何有效利用这些数据构建模型来分析用户数据显得格外的必要。
发明内容
本发明所要解决的技术问题在于,提供一种通过人工智能对电网用户的用户行为进行分析的方法,通过用户画像来构建用户数据模型,从而分析电网用户的用户行为,从而可以动态发现电网用户的需求点,和提升电网企业的服务质量。
为解决上述的技术问题,本发明的一方面提供一种通过人工智能对电网用户的用户行为进行分析的方法,其包括如下步骤:
步骤S10,获得电网用户的历史数据,形成大数据平台;
步骤S11,在大数据平台中,根据每一电网用户的历史数据,对所述用户进行画像,将用户的用户信息进行标签化;
步骤S12,在用户画像模型基础上,对用户行为按不同层面、不同维度进行标签刻画,实现用户行为的标签化降维;
步骤S13,根据电力企业需求,将不同标签组合形成的情境化用户特征,所述情境化用户特征包括领先用户特征与普通用户特征;
步骤S14,基于人工智能大数据平台构建情境化用户特征所对应的用户行为模型,根据需求将用户行为标签重组,提炼各类型用户的情境化行为特征,再分别在真实用户群中进行精准验证;
步骤S15,根据市场验证反馈的结果,完善修改用户行为标签,通过上述过程的迭代完善知识库。
优选地,所述步骤S12进一步包括:
根据水平不同,对用户进行层面划分;
从不同维度构建用户基本属性画像、用户行为特征画像、用户产品特征画像以及用户互动特征画像;其中,所述用户基本属性画像包括:性别、年龄、职业、学历个人基础信息,用户行为特征画像包括:用户电力使用率和使用时间分析,用户产品特征画像包括:系列偏好、功能偏好、外观偏好、体验偏好及工艺偏好,用户互动特征画像包括:热点分析及访问兴趣。
优选地,所述步骤S13进一步包括:
根据电力企业需求,通过针对领先用户的一个或者多抽取指标识别出领先用户,然后对电力服务类型与领先用户类型进行高效匹配,其中,所述抽取指标包括用电量;
企业通过针对普通用户的抽取方法识别普通用户,并不断优化制度设计激励普通用户持续形成大数据。
优选地,所述对电力服务类型与领先用户类型进行高效匹配包括:
将电力服务类型与领先用户进行匹配,得到不同电力服务类型的领先用户占比,或者获得领先用户对电力服务类型占比。
优选地,企业通过针对普通用户的抽取方法识别普通用户具体包括:
将正太分布中大数的部分用户直接定义为普通用户。
优选地,所述步骤S14进一步包括:
基于人工智能大数据平台分别构建领先用户行为模型和普通用户行为模型,所述行为模型包括消费,兴趣,浏览热度和用电行为;并与步骤S13中的构建领先用户和普通用户的模型,进行场景化行为特征分析;
根据需求,找出占比更多的标签,从而实现用户行为标签重组,分别提炼出领先用户的情境化行为特征和普通用户的情境化行为特征;
对所述领先用户的情境化行为特征和普通用户的情境化行为特征分别在真实用户群中进行精准验证,以确认其中的标签的有效性。
优选,所述步骤S15进一步包括:
根据市场验证反馈的结果,修改用户行为标签,从而得到更细跟精准的标签;所述修改包括:完善标签、删除不影响模型的标签或者对标签划分维度进行调优;
将所述修改后有用户行为标签入知识库,形成更高精准度的知识抽取;
电力企业的反馈修正标签对真实市场中的用户行为产生影响,所述影响会改变用户的消费行为和消费数据,从而开展下一轮的大数据;
然后对新一轮用户大数据进行用户行为刻画,从而通过不断迭代变换,完善知识库。
实施本发明的实施例,具有如下的有益效果:
本发明提供的通过人工智能对电网用户的用户行为进行分析的方法,通过构建的用户画像模型和用户行为分析模型,能有效结合电力企业需求。其采用的市场验证的方式,有效形成知识库和模型,通过不断的反馈和修正之后,可以动态发现电网用户的需求点,和提升电网企业的服务质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明提供的一种通过人工智能对电网用户的用户行为进行分析的方法的主流程示意图;
图2为本发明涉及的一种分析框架图;
图3为本发明涉及的另一种更详细的分析框架图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施的限制。
如图1所示,示出了本发明提供的一种通过人工智能对电网用户的用户行为进行分析的方法的主流程示意图,一并结合图2和图3所示,所述方法包括如下步骤:
步骤S10,获得电网用户的历史数据,形成大数据平台;
步骤S11,在大数据平台中,根据每一电网用户的历史数据,对所述用户进行画像,将用户的用户信息进行标签化;可以理解的是,在本步骤中,对用户进行画像就是将用户信息标签化,从而可以通过收集和分析用户的基本特征、社会属性、生活习惯、消费习惯等数据,抽象出一个虚拟用户的特征全貌,从而帮助企业全方位、多层次地了解用户行为特征,把握用户行为方向。
从技术管理角度来看,基于人工智能大数据平台的用户画像构造分为三步,
第一步是搭建用户画像技术架构,如数据整理、平台和应用等;
第二步用户画像数据分类;
第三步用户画像构建,包括精准识别用户、动态跟踪用户行为轨迹、结合静态数据评估用户价值、确定用户标签与权重、不同群体优先级排列等;
其中,用户行为轨迹是用户有形的动作,其决定着营销渠道分布;结合静态数据评估用户价值包括:采用一些数据考量,划分用户的消费度,消费比重等数据。权重主要为标签在某种用户的轻重程度,譬如有些用户特许需要某样产品,例如,高耗电企业特别需要大的电力供应;而计算机用户特别强调电力不能中断;不同群体优先级排列,指一些排列和占比。
步骤S12,在用户画像模型基础上,对用户行为按不同层面、不同维度进行标签刻画,实现用户行为的标签化降维;
在一个具体的例子中,所述步骤S12进一步包括:
根据水平不同,对用户进行层面划分;
从不同维度构建用户基本属性画像、用户行为特征画像、用户产品特征画像以及用户互动特征画像;其中,所述用户基本属性画像包括:性别、年龄、职业、学历个人基础信息,用户行为特征画像包括:用户电力使用率和使用时间分析,用户产品特征画像包括:系列偏好、功能偏好、外观偏好、体验偏好及工艺偏好,用户互动特征画像包括:热点分析及访问兴趣。可以理解的是,此处的不同维度主要是对对产品的系列偏好维度或者功能偏好维度进行考量。
步骤S13,根据电力企业需求,将不同标签组合形成的情境化用户特征,所述情境化用户特征包括领先用户特征与普通用户特征;
在一个具体地的例子中,所述步骤S13进一步包括:
根据电力企业需求,通过针对领先用户的一个或者多抽取指标识别出领先用户,然后对电力服务类型与领先用户类型进行高效匹配,其中,所述抽取指标包括用电量,例如在一个实施例中,可以将用电量提成前20%的用户认为是领先用户;当然,在其他的例子中,也可以设置其他的指标来进行筛选,当满足全部筛选条件或者大部分条件,即可以精准识别为领先用户。
在此步骤中,所述对电力服务类型与领先用户类型进行高效匹配包括:将电力服务类型与领先用户进行匹配,得到不同电力服务类型的领先用户占比,或者获得领先用户对电力服务类型占比。从而可以准确地了解到,忠实的用户选择的类型和各类型中忠实用户的占比,这些内容可用于普通用户进行推荐或者调优使得消费得到提高,同时也提升了用户体验。
同时,在一些例子中,企业通过针对普通用户的抽取方法识别普通用户,并不断优化制度设计激励普通用户持续形成大数据。在一些例子中,可以将大概率的用户定义为普通用户,例如,将正太分布中大数的部分用户直接定义为普通用户。找出了普通用户,就可以对优化荐消费制度、广告投放,通过制度设计和激励普通用消费,以利于电力企业提取更全面的电力消费方向和频率。
步骤S14,基于人工智能大数据平台构建情境化用户特征所对应的用户行为模型,根据需求将用户行为标签重组,提炼各类型用户的情境化行为特征,再分别在真实用户群中进行精准验证;
在一个例子中,所述步骤S14进一步包括:
基于人工智能大数据平台分别构建领先用户行为模型和普通用户行为模型,所述行为模型包括消费,兴趣,浏览热度和用电行为;并与步骤S13中的构建领先用户和普通用户的模型,进行场景化行为特征分析;
根据需求,找出占比更多的标签,从而实现用户行为标签重组,分别提炼出领先用户的情境化行为特征和普通用户的情境化行为特征;此处的标签重组可以是:在符合某种需求的条件下,有那些行为标签占比更多,发现这些标签。其中,领先用户的情境化行为特征和普通用户的情境化行为特征可以是诸如天气热的情况下,两种用户都表现出什么行为,耗电量及耗电时间曲线等内容;
对所述领先用户的情境化行为特征和普通用户的情境化行为特征分别在真实用户群中进行精准验证,以确认其中的标签的有效性。具体地,有了以上的特征和模型,抽取部分用户,进行对比验证。也就是在确定真实用户是否也有这样的情况,从而可以避免模型因为采用数学方法提炼出来的结果偏离实际情况,加以验证,以舍取分辨出那些模型和标签有效。
步骤S15,根据市场验证反馈的结果,完善修改用户行为标签,通过上述过程的迭代完善知识库。
在一个例子中,所述步骤S15进一步包括:
根据市场验证反馈的结果,修改用户行为标签,从而得到更细跟精准的标签;所述修改包括:完善标签、删除不影响模型的标签或者对标签划分维度进行调优;
将所述修改后有用户行为标签入知识库,形成更高精准度的知识抽取,具体地,为用户画像的目的就是为了发现忠实用户的消费情况和符合的服务模型,有了这些了解和市场投放试验后,保存入知识库,以后会修正消费政策和广告策略;
电力企业的反馈修正标签对真实市场中的用户行为产生影响,所述影响会改变用户的消费行为和消费数据,从而开展下一轮的大数据;
然后对新一轮用户大数据进行用户行为刻画,从而通过不断迭代变换,完善知识库。
具体地,如图2所示,在本发明中,通过将市场中的用户特征按不同层面、不同维度赋予不同的标签体系,再通过需求将不同标签组合形成的情境化用户特征,构成用户画像分析的基本逻辑。基于大数据的用户画像分析,就是按用户标签化降维、按需求进行标签重组、按特征筛选标签、投放市场验证、根据反馈大数据修正标签,及迭代完善知识库的步骤来完成的。
如图3所示,在本发明中,基于大数据平台的用户行为分析,首先需要构建用户画像模型。在用户画像模型基础上,对用户行为按不同层面、不同维度进行标签刻画,即用户行为的标签化降维;其次,根据电力企业需求,通过针对领先用户的抽取方法识别出领先用户,企业利用大数据对领先用户进行精准识别,其后对电力服务类型与领先用户类型进行高效匹配。同时,企业通过针对普通用户的抽取方法刻画普通用户,并不断优化制度设计激励普通用户持续形成大数据,以利于电力企业提取更全面的电力消费方向和频率;再次,基于大数据平台分别构建领先用户行为模型和普通用户行为模型,根据需求将用户行为标签重组,分别提炼出领先用户和普通用户的情境化行为特征,再分别在真实用户群中进行精准验证;最后,反馈市场验证的结果,完善修改用户行为标签,将发现成果纳入知识库,形成更高精准度的知识抽取,电力企业的反馈修正标签又会对真实市场中的用户行为产生影响,促使其迭代形成新一轮的用户大数据。
实施本发明的实施例,具有如下的有益效果:
本发明提供的通过人工智能对电网用户的用户行为进行分析的方法,通过构建的用户画像模型和用户行为分析模型,能有效结合电力企业需求。其采用的市场验证的方式,有效形成知识库和模型,通过不断的反馈和修正之后,可以动态发现电网用户的需求点,和提升电网企业的服务质量。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种通过人工智能对电网用户的用户行为进行分析的方法,其特征在于,包括如下步骤:
步骤S10,获得电网用户的历史数据,形成大数据平台;
步骤S11,在大数据平台中,根据每一电网用户的历史数据,对所述用户进行画像,将用户的用户信息进行标签化;
步骤S12,在用户画像模型基础上,对用户行为按不同层面、不同维度进行标签刻画,实现用户行为的标签化降维;
步骤S13,根据电力企业需求,根据不同标签组合形成情境化用户特征,所述情境化用户特征包括领先用户特征与普通用户特征;
步骤S14,基于人工智能大数据平台构建情境化用户特征所对应的用户行为模型,根据需求将用户行为标签重组,提炼各类型用户的情境化行为特征,再分别在真实用户群中进行精准验证;
步骤S15,根据市场验证反馈的结果,完善修改用户行为标签,通过上述步骤S11至S14的迭代完善知识库;
所述步骤S14进一步包括:
基于人工智能大数据平台分别构建领先用户行为模型和普通用户行为模型;并结合步骤S13中的领先用户和普通用户的特征,进行场景化行为特征分析;
根据需求找出占比更多的标签,从而实现用户行为标签重组,分别提炼出领先用户的情境化行为特征和普通用户的情境化行为特征;
对所述领先用户的情境化行为特征和普通用户的情境化行为特征分别在真实用户群中进行精准验证,以确认其中的标签的有效性;
其中,所述步骤S15进一步包括:
根据市场验证反馈的结果,修改用户行为标签,从而得到更细更精准的标签;所述修改包括:完善标签、删除不影响模型的标签或者对标签划分维度进行调优;
将修改后的用户行为标签加入知识库,形成更高精准度的知识抽取;
电力企业的反馈修正标签对真实市场中的用户行为产生影响,所述影响会改变用户的消费行为和消费数据,从而开展下一轮的大数据;
然后对新一轮用户大数据进行用户行为刻画,从而通过不断迭代变换,完善知识库。
2.如权利要求1所述的方法,其特征在于,所述步骤S12进一步包括:
根据消费水平不同,对用户进行层面划分;
从不同维度构建用户基本属性画像、用户行为特征画像、用户产品特征画像以及用户互动特征画像;其中,所述用户基本属性画像包括:性别、年龄、职业、学历个人基础信息,用户行为特征画像包括:用户电力使用率和使用时间分析,用户产品特征画像包括:系列偏好、功能偏好、外观偏好、体验偏好及工艺偏好,用户互动特征画像包括:热点分析及访问兴趣。
3.如权利要求1所述的方法,其特征在于,所述步骤S13进一步包括:
根据电力企业需求,通过针对领先用户的一个或者多个抽取指标识别出领先用户,然后对电力服务类型与领先用户类型进行匹配,其中,所述抽取指标包括用电量;
企业通过针对普通用户的抽取方法识别普通用户,并不断优化制度设计激励普通用户持续形成大数据。
4.如权利要求3所述的方法,其特征在于,所述对电力服务类型与领先用户类型进行匹配包括:
将电力服务类型与领先用户进行匹配,得到不同电力服务类型的领先用户占比,或者获得领先用户对应的各电力服务类型占比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910777589.9A CN110766438B (zh) | 2019-08-22 | 2019-08-22 | 一种通过人工智能对电网用户的用户行为进行分析的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910777589.9A CN110766438B (zh) | 2019-08-22 | 2019-08-22 | 一种通过人工智能对电网用户的用户行为进行分析的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110766438A CN110766438A (zh) | 2020-02-07 |
CN110766438B true CN110766438B (zh) | 2023-12-26 |
Family
ID=69329655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910777589.9A Active CN110766438B (zh) | 2019-08-22 | 2019-08-22 | 一种通过人工智能对电网用户的用户行为进行分析的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110766438B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111523794B (zh) * | 2020-04-21 | 2020-11-24 | 国网四川省电力公司电力科学研究院 | 基于污染排放企业用电特性的环保管控措施响应研判方法 |
CN113450022B (zh) * | 2021-07-20 | 2023-04-18 | 山东普赛通信科技股份有限公司 | 一种基于生活***衡方法与*** |
CN114372835B (zh) * | 2022-03-22 | 2022-06-24 | 佰聆数据股份有限公司 | 综合能源服务潜力客户识别方法、***及计算机设备 |
CN115169508B (zh) * | 2022-09-09 | 2022-11-29 | 北京云成金融信息服务有限公司 | 基于供应链平台的数据分析及管理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296445A (zh) * | 2016-08-01 | 2017-01-04 | 国网浙江省电力公司 | 一种电力客户标签构建方法 |
CN108764663A (zh) * | 2018-05-15 | 2018-11-06 | 广东电网有限责任公司信息中心 | 一种电力客户画像生成管理的方法及*** |
CN109992982A (zh) * | 2019-04-11 | 2019-07-09 | 北京信息科技大学 | 大数据访问授权方法、装置和大数据平台 |
-
2019
- 2019-08-22 CN CN201910777589.9A patent/CN110766438B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296445A (zh) * | 2016-08-01 | 2017-01-04 | 国网浙江省电力公司 | 一种电力客户标签构建方法 |
CN108764663A (zh) * | 2018-05-15 | 2018-11-06 | 广东电网有限责任公司信息中心 | 一种电力客户画像生成管理的方法及*** |
CN109992982A (zh) * | 2019-04-11 | 2019-07-09 | 北京信息科技大学 | 大数据访问授权方法、装置和大数据平台 |
Also Published As
Publication number | Publication date |
---|---|
CN110766438A (zh) | 2020-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766438B (zh) | 一种通过人工智能对电网用户的用户行为进行分析的方法 | |
CN106651424B (zh) | 基于大数据技术的电力用户画像建立与分析方法 | |
CN102811371B (zh) | 智能电视应用程序推荐的方法、***及装置 | |
CN102708130B (zh) | 计算用户微细分以用于要约匹配的可扩展引擎 | |
CN108804567A (zh) | 提高智能客服应答率的方法、设备、存储介质及装置 | |
CN108401459B (zh) | 能源消费者的预测性细分 | |
CN110377804A (zh) | 培训课程数据的推送方法、装置、***及存储介质 | |
CN103150696A (zh) | 选择目标增值业务潜在客户的方法及装置 | |
CN107633257B (zh) | 数据质量评估方法及装置、计算机可读存储介质、终端 | |
CN105812175B (zh) | 一种资源管理方法及资源管理设备 | |
CN112633962A (zh) | 业务推荐方法、装置、计算机设备和存储介质 | |
CN113435627A (zh) | 基于工单轨迹信息的电力客户投诉预测方法及装置 | |
CN107977855B (zh) | 一种管理用户信息的方法及装置 | |
CN111143689A (zh) | 根据用户需求和用户画像构建推荐引擎的方法 | |
Tseng et al. | An integrated model for analyzing the development of the 4G telecommunications market in Taiwan | |
CN114119111A (zh) | 基于大数据的电力交易用户管理方法、装置、设备及介质 | |
CN109978575A (zh) | 一种挖掘用户流量经营场景的方法及装置 | |
CN115130811A (zh) | 电力用户画像的建立方法、装置及电子设备 | |
CN112308749B (zh) | 培养计划的生成装置、方法、电子设备及可读存储介质 | |
CN117217710A (zh) | 一种虚拟商品与快捷服务的智能化管理方法及*** | |
CN116091157A (zh) | 资源推送方法及装置、存储介质、计算机设备 | |
CN111143688B (zh) | 一种基于移动新闻客户端的评估方法及其*** | |
CN111523034A (zh) | 一种应用程序的处理方法、装置、设备及介质 | |
JP7518244B1 (ja) | 予測装置、予測方法、及びプログラム | |
CN117391405B (zh) | 用于客户与业务人员的智能匹配的方法、***和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |