刘建飞　黎翔　杨轲　柳晓萌

摘  要：近年来，我国大力推行大数据技术，使得大数据在国家电网中有了较为广泛的应用，能够有效促进国家电网公司的良好发展，为智慧电网、数字电网的建设奠定了坚实的基础。在这样的背景之下，我国电网公司应当紧扣“三型两网，世界一流”的战略目标，采取合理的措施解决电力物联网建设中所存在的问题，有效利用大数据技术，来对营销模式进行更新与优化。本文基于用电侧大数据多维聚类挖掘下的营销新增效果评估体系的特点进行探讨，并对其成效进行分析，以供参考。

关键词：用电侧;大数据多维聚类;营销模式

中图分类号：TP39      文献标识码：A 文章编号：2096-4706（2019）22-0142-03

Abstract：In recent years，China vigorously promotes big data technology，which makes big data widely used in state grid. It can effectively promote the good development of state grid company and lay a solid foundation for the construction of smart grid and digital grid. In this background，China’s power grid companies should stick to the strategic goal of “three-type and two-network，world-class”，take reasonable measures to solve the problems existing in the construction of power internet of things，and effectively use big data technology to update and optimize the marketing model. This paper discusses the characteristics of the new marketing effect evaluation system based on the multidimensional clustering mining of big data on the power side and analyzes its effect for reference.

Keywords：power side;big data multi-dimensional clustering;marketing model

0  引  言

随着我国经济水平的不断提升，对于电力行业的要求也越来越高，这就导致电力行业应当进行有效的改革，将传统营销策略及经营手段中所具备的优点进行保留，并根据时代发展的实际特征转变经营理念，将工作中心由产品转变为客户。一切工作都应当以客户满意为首要宗旨，营销模式及体系也应当围绕这一宗旨进行构建，这样一来，才能够有效提升国家电网公司在市场中所具备的综合竞争力。

1  基于用电侧大数据多维聚类挖掘营销新增效果评估的基本流程

1.1  建立客户标签

通过大数据挖掘理论的实施，来建立完善的客户标签体制，充分结合95598、掌上电力数据、费控系统、营销应用系统，建立了包括客户标签分类、客户基础标签、客户标签库、风险客户标签以及相关数据采集体系的基本数据库，并对数据进行深入的加工、清理与传输，给每一位客户打上独特的标签，并根据标签全生命周期管理流程，对客户的标签进行合理地组合，从而构建出多维度状态下的客户画像[1]。

1.2  构建客户画像

通过对大数据的良好应用，来对用户的日常消费及行为习惯进行精确的分析，将这类关键商业信息进行存储，以此来刻画出客户信息的全貌，通过给客户打上标签的方式，来建立立体化、多视角、多层次的客户画像，让相关管理人员能够充分了解到客户的相关特征，进而获取到客户信用风险、用电习惯、基本信息、行为特征等较为深入的特点[2]。这样一来，相关管理人员既能够根据客户不同的特点，对其进行差异化的服务，针对不同客户实施相应的催费、办电、咨询与缴费等业务，并将电力公司中较为优质的缴费渠道及相关建议推送给需要的客户，以此来让客户获得较为优质的用电服务，从而从根本上提升营销方案设计的有效性及针对性。

1.3  构建客户评分分析模型

用电侧大数据多维聚类挖掘的营销能够对用电信息采集系统、营销业务系统以及95598平台中的相关数据进行深入分析，进而充分了解到客户的用电需求，构建客户评分分析模型，对不同的客户通过分数来进行分类，并采用不同的营销策略来服务不同种类的客户，进而充分迎合客戶的要求，最大化地提高客户的满意程度[3]。

2  基于用电侧大数据多维聚类挖掘营销新增效果评估的作用

2.1  能够对售电量进行多维度分析

第一，从时间维度来说，按照一定的时间节点，对电力公司的售电量情况进行分析，归纳出每小时、每日的最大负荷，并分析出不同时间段不同种类客户群体的用电情况对电力负荷所产生的影响[4]。同时，在节假日进行更为深入地分析，因为节假日的用电负荷与工作日有着较大的差异，需要探寻出现差异的原因，并深入分析其用电负荷的特点，充分掌握在不同时间节点时，客户所需求的电力特点以及发展趋势，从而让电力公司能够对电网的相关生产与管理进行合理的安排，在公司进行决策时提供强有力的参考。

第二，从空间维度来说，根据不同区域来对售电量进行分析，归纳出不同区域、不同行业之间的售电量情况，并将不同地点、不同行业之间的售电量进行对比，充分掌握不同区域、不同行业之中客户所需求的电力特点及发展趋势，从而让电力公司能够对电网的相关生产与管理进行合理安排，为公司进行决策提供强有力的参考。

通过多维度对售电量情况进行分析，能够得到相应的结果，依据这一结果，就能够分析出客户群体的行为趋势，进而在动态电价、优质供电、宣传促销、电能产品等方面的服务与销售中采取合理的营销策略。由此可见，既有的营销方式能够产生一定的引导效应，针对不同客户采取个性营销或重点营销，能够有效扩大电力公司的供电服务客户群体规模，在市场中树立良好的公司形象，有利于电力公司的良性发展。

2.2  能够进行良好的决策辅助

该营销模式主要采取了用电信息采集系统、95598客服系统以及营销业务应用系统，并加入了政策决策数据、人文信息数据、气象地理数据以及行业经济数据。在此基础上构建了电力营销政策效果評估模型以及客户用电特征模式，能够对客户进行聚类分析，并通过电力营销政策效果评估模型来有效评估潜在的客户群体，进而分析出应当采取何种营销策略[5]。诸如个性化营销、对关键客户采取重点营销等，同时也能够准确地提供电价策略、电能替代策略等营销服务策略执行效果与决策辅助。

在使用该营销模式时，会深度挖掘客户在用电侧所存在的多维信息，诸如电价水平、能耗水平、负荷率、用电量、电费回收率、电源等级等，并将客户用电特征进行分类，构建聚类模型并进行归纳总结，将这类数据上传至相应的数据库，并分析出其中的规律特点。

同时，对电力客户进行分群管理，对客户的用电需求进行较为精准的定位，并根据客户的需求来建立差异化的电力服务模式，有着较为重大的意义。第一，能够让电网客户服务具备更强的针对性质，对客户的用电需求及特点进行更为深入的分析，让客户享受到“量身定制”的优质服务，最大化地提高客户对于电力公司的满意程度。第二，能够让电力公司的相关资源配置得到改进与完善，通过既有的服务资源分配，让这类资源能够充分发挥其作用，从而完成服务资源的整合，集中优势来对客户的需求进行引导，进而在电力市场中占得先机，在竞争较为激烈的市场之中获得自身公司的专有客户群体资源，从而提升电力公司在市场中的影响力，为后续的可持续发展奠定良好的基础。第三，能够有效推进电力公司既定的战略方针及目标的实现，让电力公司逐步完成对客户的全面服务，在客户群体之中赢得良好的口碑。

3  基于用电侧大数据多维聚类挖掘营销效果评估的实际应用

本电力公司针对客户所存在价值评估这一问题，应用了该评估模式来进行分析。当前在电力市场中始终存在着一个2/8原则，即电力公司中80%的利润都是由20%的高价值客户所提供，故而对用电客户的价值进行评估就显得至关重要。采用此模式对客户价值进行评估的流程主要是提取数据-选择建模方式-数据建模-模型评估-模型刻画，具体如表1所示。

通过对模型结果进行分析，能够看出该市中高价值贡献群具有最高的客户价值，月均贡献数额达到了电力公司当月累计利润的70%。这类群体用电增长较为平缓，且在电费缴纳方面基本未出现逾期的现象，客户群体主要从事高新产业，集中于经济较为发达的区域。这样一来，该市电力公司明确了有价值的客户群体，就会采取差异化服务措施，针对高价值贡献人群提供更为优质的服务，以此来促进电力公司的经济收益稳步提升。

4  结  论

综上所述，当前电力行业已经由传统的垄断行业转变为百花齐放的竞争行业，在这样的市场环境之下，传统的电力营销模式及营销策略已经无法跟上时代的步伐，亟待做出改革。应当将工作中心由产品转变至客户，围绕客户满意度来开展相关电力工作。因此，对新型营销模式所产生的效果进行评估就显得至关重要，通过基于用电侧大数据多维聚类挖掘的营销新增效果评估项目，能够较为准确地对客户进行聚类分析，从而不断地完善营销模式，有效促进国家电网公司的良性发展。

参考文献：

[1] 陆云.智能电网监控运行大数据应用模型构建方法 [J].通讯世界，2019，26（7）：222-223.

[2] 吴俊洋.大数据时代下的新型电网规划体系分析 [J].建材与装饰，2018（48）：223-224.

[3] 周凯，马智远，许中.基于大数据技术的智能电网态势感知分析 [J].电器与能效管理技术，2018（21）：70-76.

[4] 何永波.智能电网大数据处理技术现状与挑战 [J].科学大众（科学教育），2018（11）：196.

作者简介：刘建飞（1964.07-），男，汉族，河南宝丰人，本科，工程师，研究方向：客户消费行为。