CN112184035A - 一种客户特征要素统计***及方法 - Google Patents
一种客户特征要素统计***及方法 Download PDFInfo
- Publication number
- CN112184035A CN112184035A CN202011065239.9A CN202011065239A CN112184035A CN 112184035 A CN112184035 A CN 112184035A CN 202011065239 A CN202011065239 A CN 202011065239A CN 112184035 A CN112184035 A CN 112184035A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- service
- payment
- operation log
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 22
- 230000005611 electricity Effects 0.000 claims abstract description 67
- 238000011156 evaluation Methods 0.000 claims abstract description 37
- 238000007405 data analysis Methods 0.000 claims abstract description 30
- 238000013480 data collection Methods 0.000 claims description 15
- 238000012512 characterization method Methods 0.000 claims 1
- 238000007619 statistical method Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 12
- 238000007477 logistic regression Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000017105 transposition Effects 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Emergency Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种客户特征要素统计***及方法,包括,数据采集模块,用以采集多个用户的缴费数据、用电数据及操作日志数据,并将所述多个用户的缴费数据、用电数据及操作日志数据输出给数据分析模块;数据分析模块,用以根据所述用户的业务的需求或评价,通过预设规则对所述用户的缴费数据、用电数据及操作日志数据对所述用户进行等级划分,根据等级划分结果对用户风险等级进行评估,获得评估结果;用户特征要素生成模块,用以获取所述数据分析模块输出的评估结果,并根据评估结果对用户特征进行标记,根据标记结果得到用户特征要素。本发明对客户要素进行数据分析,提出相应的服务策略,并根据客户的行为习惯进行服务策略优先级定位并显示服务策略。
Description
技术领域
本发明涉及电力***技术领域,特别是涉及一种客户特征要素统计***及方法。
背景技术
随着我国经济社会的快速发展,电力企业作为国家经济的支柱企业也发生了巨大变化。在新形势下的市场竞争中,电力服务工作直接影响着企业的经济效益和长期发展,人们在提高电力需求的同时,对电力企业的服务质量也提出了新的要求。
互联网客户服务平台是电力企业的窗口部门,直接接触客户;互联网客户服务平台的服务工作时电力服务的基础,良好的用户体验有利于电力企业其他工作的展开,并且能够提升用户的使用减少线下服务办理人员的压力。因此,如何充分利用各类电力客户数据,洞察客户需求并制定精准营销和提供差异化服务,成为供电企业提升客户体验、扩展市场份额的关键。而客户特征要素是实现客户隐性特征显性化,辅助深入洞察客户需求的有效技术手段。搭建基于标签库的电力客户特征要素是加深客户认识,快速获取客户基本信息、用电偏好、信用风险、行为特性等精细特征的有效手段,可以解决电费风险防控,客户信用管理等业务,服务环节中的痛点难点,有效提升营销工作和客户服务水平。
目前,已有部分行业对客户特征要素进行了探索,有通过移动运营商的客户历史数据,构建一级标签进行客户特征要素,构建二级标签提炼客户需求,构建三级标签开展应用,对营销业务受理量、收入提升产生显著效果。在银行方面,通过将传统交易***的结构化业务数据、商务网站、社交工具等非结构化数据进行统一管理,构建金融体系客户标签,支撑差异化的产品和服务,以抢占市场。
发明内容
本发明的目的在于,提出一种客户特征要素统计***及方法,统计汇总得到客户特征要素数据,向客户提供精准的差异化服务。
本发明的一方面,提供一种客户特征要素统计***,包括:
数据采集模块,用以采集多个用户的缴费数据、用电数据及操作日志数据,并将所述多个用户的缴费数据、用电数据及操作日志数据输出给数据分析模块;
数据分析模块,用以根据所述用户的业务的需求或评价,通过预设规则对所述用户的缴费数据、用电数据及操作日志数据对所述用户进行等级划分,根据等级划分结果对用户风险等级进行评估,获得评估结果;所述评估结果包括高风险用户或低风险用户;
用户特征要素生成模块,用以获取所述数据分析模块输出的评估结果,并根据评估结果对用户特征进行标记,根据标记结果得到用户特征要素;所述标记结果至少包括电费风险标签、信用等级标签、用电规律标签及服务偏好标签。
优选的,还包括:
用户服务识别模块,用以获取用户特征要素,并根据所述用户特征要素为用户提供服务策略优先级定位,按优先级顺序向用户的智能终端显示服务策略;以及向服务提供终端显示用户历史业务办理情况、用户的反馈情况,提醒所述服务提供终端向用户提供服务时注意的事项。
优选的,所述数据采集模块采集的用户缴费数据至少包括缴费额度数据、缴费时间数据、缴费频率数据、违约金额数据、违约时间数据;所述数据采集模块采集的用户用电数据至少包括用电电量负荷数据、峰谷时段数据、功率因数数据;所述数据采集模块采集的用户操作日志数据至少包括用户在用电服务***上办理业务的操作记录数据。
优选的,所述数据分析模块根据所述用户的缴费数据或用电数据或操作日志数据分别与预设标准进行比较,对所述用户进行等级划分;当所述用户的缴费数据或用电数据或操作日志数据大于相应的预设标准时,将该用户划分为高等级用户;当所述用户的缴费数据或用电数据或操作日志数据小于相应的预设标准时,将该用户划分为低等级用户。
优选的,所述用户特征要素生成模块根据所述缴费数据标记用户的欠费风险标签;还根据用电数据标记用户的各类用电标签;以及根据操作日志数据标记用户的服务偏好标签。
本发明还提供一种客户特征要素统计方法,依靠所述的客户特征要素统计***进行实现,包括以下步骤:
步骤S1,数据采集模块采集多个用户的缴费数据、用电数据及操作日志数据,并将采集的数据输出给数据分析模块;
步骤S2,数据分析模块获取用户的业务需求或评价,通过预设规则对所述用户的缴费数据、用电数据及操作日志数据进行等级划分,根据等级划分结果对用户风险等级进行评估,获得评估结果;所述评估结果包括高风险用户或低风险用户;
步骤S3,用户特征要素生成模块获取所述数据分析模块输出的评估结果,并根据评估结果对用户特征进行标记,根据标记结果得到用户特征要素;所述标记结果至少包括电费风险标签、信用等级标签、用电规律标签及服务偏好标签;
步骤S4,用户服务识别模块获取所述用户特征要素,并根据所述用户特征要素为用户提供服务策略优先级定位,按优先级顺序向用户的智能终端显示服务策略;以及向服务提供终端显示用户历史业务办理情况、用户的反馈情况,提醒所述服务提供终端向用户提供服务时注意的事项。
优选的,所述步骤S1包括:所述数据采集模块采集的用户缴费数据至少包括缴费额度数据、缴费时间数据、缴费频率数据、违约金额数据、违约时间数据;所述数据采集模块采集的用户用电数据至少包括用电电量负荷数据、峰谷时段数据、功率因数数据;所述数据采集模块采集的用户操作日志数据至少包括用户在用电服务***上办理业务的操作记录数据。
优选的,所述步骤S2包括:所述数据分析模块根据所述用户的缴费数据或用电数据或操作日志数据分别与预设标准进行比较,对所述用户进行等级划分;当所述用户的缴费数据或用电数据或操作日志数据大于相应的预设标准时,将该用户划分为高等级用户;当所述用户的缴费数据或用电数据或操作日志数据小于相应的预设标准时,将该用户划分为低等级用户;
优选的,所述步骤S3包括:所述用户特征要素生成模块根据所述缴费数据标记用户的欠费风险标签;还根据用电数据标记用户的各类用电标签;以及根据操作日志数据标记用户的服务偏好标签。
综上,实施本发明的实施例,具有如下的有益效果:
本发明提供的客户特征要素统计***及方法,对客户要素进行数据分析,提出相应的服务策略,并根据客户的行为习惯进行服务策略优先级定位,在为客户服务时按优先级顺序显示服务策略,服务过程对策略完成度进行跟踪,标记已完成策略,并将除恶与办理的相关业务进行关联,使业务办理更加快捷。
显示客户历史业务办理情况、电费信息提醒后客户的反馈情况,重点展示客户的投诉意见信息,提醒其服务过程中应注意的事项,避免产生二次投诉、提高服务满意度。
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为本发明实施例中一种客户特征要素统计***的结构示意图。
图2为本发明实施例中一种客户特征要素统计方法的主流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
如图1所示,为本发明提供的一种客户特征要素统计***的一个实施例的示意图。在该实施例中,包括:
数据采集模块,用以采集多个用户的缴费数据、用电数据及操作日志数据,并将所述多个用户的缴费数据、用电数据及操作日志数据输出给数据分析模块;可以理解的,该模块是底层数据的采集与处理,是***的基础部分,主要是用户缴费数据,用户用电数据及用户操作日志三部分的数据。
具体实施例中,所述数据采集模块采集的用户缴费数据至少包括缴费额度数据、缴费时间数据、缴费频率数据、违约金额数据、违约时间数据;利用该数据来刻画用户的风险和等级标签;所述数据采集模块采集的用户用电数据至少包括用电电量负荷数据、峰谷时段数据、功率因数数据;利用该数据来刻画用户的各种用电标签;所述数据采集模块采集的用户操作日志数据至少包括用户在用电服务***上办理业务的操作记录数据,比如咨询、查询、投诉、建议等数据,利用该数据来刻画用户服务偏好标签。
数据分析模块,用以根据所述用户的业务的需求或评价,通过预设规则对所述用户的缴费数据、用电数据及操作日志数据对所述用户进行等级划分,根据等级划分结果对用户风险等级进行评估,获得评估结果;所述评估结果包括高风险用户或低风险用户;可以理解的,该模块是对数据的加工与处理,利用业务规则及机器学习算法模型,为上层的用户画像提供服务,是***的核心部分。
具体实施例中,所述数据分析模块根据所述用户的缴费数据或用电数据或操作日志数据分别与预设标准进行比较,对所述用户进行等级划分;当所述用户的缴费数据或用电数据或操作日志数据大于相应的预设标准时,将该用户划分为高等级用户;当所述用户的缴费数据或用电数据或操作日志数据小于相应的预设标准时,将该用户划分为低等级用户;可以理解的,利用业务逻辑规则模型,也就是业务专家根据业务的需求或评价体系,通过用户的基础数据来为用户打上标签,如根据用户的用电量和消费量的指标大小,基于一定的规则和标准给用户打上客户大小等级的标签。
再具体的,根据以下公式分别评估所述用户为高成本等级的概率θ:
p(y=1|x;θ)=θ(x)
其中,x为特征变量,即特征转化结果参数值;g为逻辑函数;p(y=1|x;θ)代表当输入值x分类的类别为1时,即当x分类的类别为高成本等级;T表示矩阵转置。
根据以下公式所述用户为高成本等级的概率θ进行优化:
其中,l(θ)为θ的优化结果,即评估结果,m为特征变量总数,xi为第i个特征变量,yi为第i个特征变量所对应的成本等级类别。
可以理解的,利用逻辑回归将用户服务成本等级划分为高成本和低成本两个等级。逻辑回归是机器学习中常见的分类模型,其用于二分类问题,它将特征空间映射为0到1的概率。模型假设特征变量x与成本等级类别y服从伯努利分布,通过构造预测函数hθ(x):其中,x代表输入变量(特征变量),g代表逻辑函数(sigmod函数),其公式为:
那么,对于输入x分类结果为类别1为p(y=1|x;θ)=hθ(x),最后,通过极大似然估计可得到逻辑回归模型的代价函数l(θ):对l(θ)使用梯度下降法即可完成hθ(x)函数中参数θ的优化,从而可简单快速的训练出一个拟合性强,且适用于大规模数据的逻辑回归模型,这一点也正适用于拥有大量样本的电网用户数据。
因此,通过收集用户用电的相关特征数据,如用户欠费记录,缴费记录及负债记录等属性,通过数据预处理及特征转换,送给逻辑回归模型训练,完成用户欠费风险等级的划分。
用户特征要素生成模块,用以获取所述数据分析模块输出的评估结果,并根据评估结果对用户特征进行标记,根据标记结果得到用户特征要素;所述标记结果至少包括电费风险标签、信用等级标签、用电规律标签及服务偏好标签;可以理解的,是对用户标签的刻画,利用模型算法层的服务建立用户标签体系库,是***的关键部分。
具体实施中,所述用户特征要素生成模块根据所述缴费数据标记用户的欠费风险标签;还根据用电数据标记用户的各类用电标签;以及根据操作日志数据标记用户的服务偏好标签;可以理解的,标签的建立体现为根据用户的各种数据,利用训练好的机器学习模型给用户打上相应的标签,如一个简单例子,利用用户的缴费记录,欠费记录,用电记录和公司信誉状况等数据,利用某种分类算法如决策树,生成每个用户的电力信用等级,相应的打上高信用,低信用标签。
用户服务识别模块,用以获取用户特征要素,并根据所述用户特征要素为用户提供服务策略优先级定位,按优先级顺序向用户的智能终端显示服务策略;以及向服务提供终端显示用户历史业务办理情况、用户的反馈情况,提醒所述服务提供终端向用户提供服务时注意的事项;可以理解的,主要为用户关联或推荐不同的用电业务场景。
具体实施例中,一是提出相应的服务策略,并根据客户的行为习惯进行服务策略优先级定位,在为客户服务时按优先级顺序显示服务策略,服务过程对策略完成度进行跟踪,标记已完成策略,并将除恶与办理的相关业务进行关联,使业务办理更加快捷;二是提供客户要素,服务人员显示客户历史业务办理情况、电费信息提醒后客户的反馈情况,重点展示客户的投诉意见信息,提醒其服务过程中应注意的事项,避免产生二次投诉、提高服务满意度。
如图2所示,本发明的实施例还提供一种客户特征要素统计方法,依靠所述的客户特征要素统计***进行实现,包括以下步骤:
步骤S1,数据采集模块采集多个用户的缴费数据、用电数据及操作日志数据,并将采集的数据输出给数据分析模块;
具体实施例中,所述数据采集模块采集的用户缴费数据至少包括缴费额度数据、缴费时间数据、缴费频率数据、违约金额数据、违约时间数据;所述数据采集模块采集的用户用电数据至少包括用电电量负荷数据、峰谷时段数据、功率因数数据;所述数据采集模块采集的用户操作日志数据至少包括用户在用电服务***上办理业务的操作记录数据。
步骤S2,数据分析模块获取用户的业务需求或评价,通过预设规则对所述用户的缴费数据、用电数据及操作日志数据进行等级划分,根据等级划分结果对用户风险等级进行评估,获得评估结果;所述评估结果包括高风险用户或低风险用户;
具体实施例中,所述数据分析模块根据所述用户的缴费数据或用电数据或操作日志数据分别与预设标准进行比较,对所述用户进行等级划分;当所述用户的缴费数据或用电数据或操作日志数据大于相应的预设标准时,将该用户划分为高等级用户;当所述用户的缴费数据或用电数据或操作日志数据小于相应的预设标准时,将该用户划分为低等级用户;
再具体的,根据以下公式分别评估所述用户为高成本等级的概率θ:
p(y=1|x;θ)=θ(x)
其中,x为特征变量,即特征转化结果参数值;g为逻辑函数;p(y=1|x;θ)代表当输入值x分类的类别为1时,即当x分类的类别为高成本等级;T表示矩阵转置。
根据以下公式所述用户为高成本等级的概率θ进行优化:
其中,l(θ)为θ的优化结果,即评估结果,m为特征变量总数,xi为第i个特征变量,yi为第i个特征变量所对应的成本等级类别。
可以理解的,利用逻辑回归将用户服务成本等级划分为高成本和低成本两个等级。逻辑回归是机器学习中常见的分类模型,其用于二分类问题,它将特征空间映射为0到1的概率。模型假设特征变量x与成本等级类别y服从伯努利分布,通过构造预测函数hθ(x):其中,x代表输入变量(特征变量),g代表逻辑函数(sigmod函数),其公式为:
那么,对于输入x分类结果为类别1为p(y=1|x;θ)=hθ(x),最后,通过极大似然估计可得到逻辑回归模型的代价函数l(θ):对l(θ)使用梯度下降法即可完成hθ(x)函数中参数θ的优化,从而可简单快速的训练出一个拟合性强,且适用于大规模数据的逻辑回归模型,这一点也正适用于拥有大量样本的电网用户数据。
步骤S3,用户特征要素生成模块获取所述数据分析模块输出的评估结果,并根据评估结果对用户特征进行标记,根据标记结果得到用户特征要素;所述标记结果至少包括电费风险标签、信用等级标签、用电规律标签及服务偏好标签;
具体实施例中,所述用户特征要素生成模块根据所述缴费数据标记用户的欠费风险标签;还根据用电数据标记用户的各类用电标签;以及根据操作日志数据标记用户的服务偏好标签。
步骤S4,用户服务识别模块获取所述用户特征要素,并根据所述用户特征要素为用户提供服务策略优先级定位,按优先级顺序向用户的智能终端显示服务策略;以及向服务提供终端显示用户历史业务办理情况、用户的反馈情况,提醒所述服务提供终端向用户提供服务时注意的事项。综上,实施本发明的实施例,具有如下的有益效果:
本发明提供的客户特征要素统计***及方法,对客户要素进行数据分析,提出相应的服务策略,并根据客户的行为习惯进行服务策略优先级定位,在为客户服务时按优先级顺序显示服务策略,服务过程对策略完成度进行跟踪,标记已完成策略,并将除恶与办理的相关业务进行关联,使业务办理更加快捷。
显示客户历史业务办理情况、电费信息提醒后客户的反馈情况,重点展示客户的投诉意见信息,提醒其服务过程中应注意的事项,避免产生二次投诉、提高服务满意度。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (9)
1.一种客户特征要素统计***,其特征在于,包括:
数据采集模块,用以采集多个用户的缴费数据、用电数据及操作日志数据,并将所述多个用户的缴费数据、用电数据及操作日志数据输出给数据分析模块;
数据分析模块,用以根据所述用户的业务的需求或评价,通过预设规则对所述用户的缴费数据、用电数据及操作日志数据对所述用户进行等级划分,根据等级划分结果对用户风险等级进行评估,获得评估结果;所述评估结果包括高风险用户或低风险用户;
用户特征要素生成模块,用以获取所述数据分析模块输出的评估结果,并根据评估结果对用户特征进行标记,根据标记结果得到用户特征要素;所述标记结果至少包括电费风险标签、信用等级标签、用电规律标签及服务偏好标签。
2.如权利要求1所述的***,其特征在于,还包括:
用户服务识别模块,用以获取用户特征要素,并根据所述用户特征要素为用户提供服务策略优先级定位,按优先级顺序向用户的智能终端显示服务策略;以及向服务提供终端显示用户历史业务办理情况、用户的反馈情况,提醒所述服务提供终端向用户提供服务时注意的事项。
3.如权利要求2所述的***,其特征在于,所述数据采集模块采集的用户缴费数据至少包括缴费额度数据、缴费时间数据、缴费频率数据、违约金额数据、违约时间数据;所述数据采集模块采集的用户用电数据至少包括用电电量负荷数据、峰谷时段数据、功率因数数据;所述数据采集模块采集的用户操作日志数据至少包括用户在用电服务***上办理业务的操作记录数据。
4.如权利要求3所述的***,其特征在于,所述数据分析模块根据所述用户的缴费数据或用电数据或操作日志数据分别与预设标准进行比较,对所述用户进行等级划分;当所述用户的缴费数据或用电数据或操作日志数据大于相应的预设标准时,将该用户划分为高等级用户;当所述用户的缴费数据或用电数据或操作日志数据小于相应的预设标准时,将该用户划分为低等级用户。
5.如权利要求4所述的方法,其特征在于,所述用户特征要素生成模块根据所述缴费数据标记用户的欠费风险标签;还根据用电数据标记用户的各类用电标签;以及根据操作日志数据标记用户的服务偏好标签。
6.一种客户特征要素统计方法,依靠如权利要求1-5任一所述的***进行实现,其特征在于,包括以下步骤:
步骤S1,数据采集模块采集多个用户的缴费数据、用电数据及操作日志数据,并将采集的数据输出给数据分析模块;
步骤S2,数据分析模块获取用户的业务需求或评价,通过预设规则对所述用户的缴费数据、用电数据及操作日志数据进行等级划分,根据等级划分结果对用户风险等级进行评估,获得评估结果;所述评估结果包括高风险用户或低风险用户;
步骤S3,用户特征要素生成模块获取所述数据分析模块输出的评估结果,并根据评估结果对用户特征进行标记,根据标记结果得到用户特征要素;所述标记结果至少包括电费风险标签、信用等级标签、用电规律标签及服务偏好标签;
步骤S4,用户服务识别模块获取所述用户特征要素,并根据所述用户特征要素为用户提供服务策略优先级定位,按优先级顺序向用户的智能终端显示服务策略;以及向服务提供终端显示用户历史业务办理情况、用户的反馈情况,提醒所述服务提供终端向用户提供服务时注意的事项。
7.如权利要求6所述的方法,其特征在于,所述步骤S1包括:
所述数据采集模块采集的用户缴费数据至少包括缴费额度数据、缴费时间数据、缴费频率数据、违约金额数据、违约时间数据;所述数据采集模块采集的用户用电数据至少包括用电电量负荷数据、峰谷时段数据、功率因数数据;所述数据采集模块采集的用户操作日志数据至少包括用户在用电服务***上办理业务的操作记录数据。
8.如权利要求7所述的方法,其特征在于,所述步骤S2包括:
所述数据分析模块根据所述用户的缴费数据或用电数据或操作日志数据分别与预设标准进行比较,对所述用户进行等级划分;当所述用户的缴费数据或用电数据或操作日志数据大于相应的预设标准时,将该用户划分为高等级用户;当所述用户的缴费数据或用电数据或操作日志数据小于相应的预设标准时,将该用户划分为低等级用户。
9.如权利要求8所述的方法,其特征在于,所述步骤S3包括:
所述用户特征要素生成模块根据所述缴费数据标记用户的欠费风险标签;还根据用电数据标记用户的各类用电标签;以及根据操作日志数据标记用户的服务偏好标签。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011065239.9A CN112184035A (zh) | 2020-09-30 | 2020-09-30 | 一种客户特征要素统计***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011065239.9A CN112184035A (zh) | 2020-09-30 | 2020-09-30 | 一种客户特征要素统计***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112184035A true CN112184035A (zh) | 2021-01-05 |
Family
ID=73947447
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011065239.9A Pending CN112184035A (zh) | 2020-09-30 | 2020-09-30 | 一种客户特征要素统计***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112184035A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393315A (zh) * | 2021-05-01 | 2021-09-14 | 吉林省融创金服信息科技有限公司 | 一种基于电力供应链数据的贷款客户推荐方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201662844U (zh) * | 2009-12-07 | 2010-12-01 | 刘建国 | 电力缴费终端 |
CN103530806A (zh) * | 2013-09-04 | 2014-01-22 | 深圳供电局有限公司 | 一种用电客户信用与电费回收风险预警预测方法及*** |
CN104063756A (zh) * | 2014-05-23 | 2014-09-24 | 国网辽宁省电力有限公司本溪供电公司 | 远程用电信息控制*** |
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 |
CN106355518A (zh) * | 2016-11-29 | 2017-01-25 | 国网山东省电力公司电力科学研究院 | 一种电费缴纳客户筛选方法及*** |
CN106920110A (zh) * | 2017-02-23 | 2017-07-04 | 国网安徽省电力公司合肥供电公司 | 一种电力客户信用和欠费风险的评价方法 |
-
2020
- 2020-09-30 CN CN202011065239.9A patent/CN112184035A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201662844U (zh) * | 2009-12-07 | 2010-12-01 | 刘建国 | 电力缴费终端 |
CN103530806A (zh) * | 2013-09-04 | 2014-01-22 | 深圳供电局有限公司 | 一种用电客户信用与电费回收风险预警预测方法及*** |
CN104063756A (zh) * | 2014-05-23 | 2014-09-24 | 国网辽宁省电力有限公司本溪供电公司 | 远程用电信息控制*** |
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 |
CN106355518A (zh) * | 2016-11-29 | 2017-01-25 | 国网山东省电力公司电力科学研究院 | 一种电费缴纳客户筛选方法及*** |
CN106920110A (zh) * | 2017-02-23 | 2017-07-04 | 国网安徽省电力公司合肥供电公司 | 一种电力客户信用和欠费风险的评价方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393315A (zh) * | 2021-05-01 | 2021-09-14 | 吉林省融创金服信息科技有限公司 | 一种基于电力供应链数据的贷款客户推荐方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109918511B (zh) | 一种基于bfs和lpa的知识图谱反欺诈特征提取方法 | |
CN107424070A (zh) | 一种基于机器学习的贷款用户信用评级方法及*** | |
CN112184484B (zh) | 一种电力用户差异化服务方法及*** | |
Wang et al. | An integrated data analytics process to optimize data governance of non-profit organization | |
CN114266492A (zh) | 一种基于数据挖掘的企业融资基金匹配方法 | |
CN112184489A (zh) | 一种电力用户分群管理***及方法 | |
CN113469730A (zh) | 一种非合同场景下的基于RF-LightGBM融合模型的客户复购预测方法及装置 | |
CN115860694A (zh) | 一种基于即时消息技术的业扩流程管控方法及*** | |
CN112184035A (zh) | 一种客户特征要素统计***及方法 | |
CN114445134A (zh) | 一种大数据营销方法、装置及介质 | |
CN115982646B (zh) | 一种基于云平台的多源测试数据的管理方法及*** | |
CN111709791A (zh) | 一种基于改进特征词权重算法的供电营销服务方法 | |
CN115687788A (zh) | 一种智能化商机推荐方法和*** | |
CN114004513B (zh) | 一种需求预测方法、***及存储介质 | |
Ling et al. | Notice of Retraction: CRM Customer Value Based on Data Mining | |
Feng | Research of customer relationship management solutions based on data mining | |
He et al. | Internet User Behavior Analysis Based on Big Data | |
Ozay et al. | State of the Art and Themes of the Research on Artificial intelligence (AI) Integrated Customer Relationship Management (CRM): Bibliometric Analysis and Topic Modelling | |
CN117408531B (zh) | 一种大数据智能匹配的客户信息管理方法及*** | |
Zhang et al. | Research on the application of auto spare parts sales forecast in the age of big data | |
Tavakolirad et al. | Key Performance Indicators Analysis Using Machine Learning Techniques | |
Niu | Sports Training Strategies Based on Data Mining Technology | |
Li et al. | LSTM Deep Neural Network Based Power Data Credit Tagging Technology | |
Yan et al. | Research on the application of data mining technology in insurance informatization | |
Fu et al. | A risk prediction method for electric power customers' demands by text mining technology |
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 |