CN111126775A - 一种基于层次分析法的居民客户价值分级模型构建方法 - Google Patents
一种基于层次分析法的居民客户价值分级模型构建方法 Download PDFInfo
- Publication number
- CN111126775A CN111126775A CN201911177989.2A CN201911177989A CN111126775A CN 111126775 A CN111126775 A CN 111126775A CN 201911177989 A CN201911177989 A CN 201911177989A CN 111126775 A CN111126775 A CN 111126775A
- Authority
- CN
- China
- Prior art keywords
- index
- resident
- value
- indexes
- client
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 19
- 238000010276 construction Methods 0.000 title claims description 6
- 238000000034 method Methods 0.000 claims abstract description 81
- 238000011156 evaluation Methods 0.000 claims abstract description 35
- 230000005611 electricity Effects 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 17
- 230000003993 interaction Effects 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 239000010410 layer Substances 0.000 claims description 54
- 239000011159 matrix material Substances 0.000 claims description 50
- 238000003491 array Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 6
- 239000002356 single layer Substances 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 230000019771 cognition Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000013145 classification model Methods 0.000 claims 8
- 238000002360 preparation method Methods 0.000 claims 6
- 238000011160 research Methods 0.000 abstract description 5
- 238000011835 investigation Methods 0.000 abstract description 4
- 238000005065 mining Methods 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 27
- 238000012163 sequencing technique Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000007704 transition Effects 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于层次分析法的居民客户价值分级模型构建方法,属于电力技术领域。现有的评估方案直接套用公式进行信用评估计算,无法根据实际情况进行更深层次的影响因素识别与评估,评估分级方案不够科学、合理。本发明采用AHP层次分析法计算客户综合评级得分,对客户价值进行定性与定量相结合、多目标、层次化的分析;能够对客户价值特征进行充分挖掘,评估分级方案更加科学、合理。本发明结合现阶段客户营销服务导向,基于信息情况、交费情况、用电情况、交互情况、成长情况等客户用电历史数据,通过业务调研、专家访谈、挖掘建模等研究方法,从客户信息情况、交费情况、用电情况、交互情况、成长情况等五个维度,来综合评定客户模型得分。
Description
技术领域
本发明涉及一种基于层次分析法的居民客户价值分级模型构建方法,属于电力技术领域。
背景技术
中国专利(申请公布号CN 106780140 A)公开了一种基于大数据的电力信用评价方法,其通过对客户基础信息、交费行为、用电行为、社会信用信息等大量历史数据进行系统性清洗与分析,运用数理统计方法及通过遗传算法改进的BP神经网络模型挖掘数据中蕴含的行为模式及信用特征,捕捉历史信息和信用表现之间的关系,以信用等级来综合评估信用表现,推进电力客户分类信用管理,支撑开展差异化欠缴催收措施研究工作以形成多元化的催收策略。
但是上述方案直接套用公式进行信用评估计算,无法根据实际情况进行更深层次的影响因素识别与评估,评估分级方案不够科学、合理,不能对客户进行精准区分,进而无法满足不同群体的客户需求,无法实现供电服务精益化转变。
发明内容
针对现有技术的缺陷,本发明的目的在于提供一种采用AHP层次分析法计算客户综合评级得分,对客户价值进行定性与定量相结合、多目标、层次化的分析;能够对客户价值特征进行充分挖掘,评估分级方案更加科学、合理;进而能够为电力企业推进居民户电力管家式服务做支撑,充分体现客户的信用价值、经济价值,并引导客户改善用电行为,提升用户社会信用程度的基于层次分析法的居民客户价值分级模型构建方法。
为实现上述目的,本发明的技术方案为:
一种基于层次分析法的居民客户价值分级模型构建方法;
将居民客户价值分解为多个目标或准则,进而分解为多指标(或准则、约束)的若干层次,通过定性指标方法算出层次单排序(权数)和总排序,用于客户价值分级模型构建;
其具体包括以下步骤:
第一步,根据专家经验,筛选居民客户数据,确定能够用于居民客户评分评级的指标体系;
第二步,以某行政区或某区域的居民客户为目标基础群,收集某一时间段的居民客户相关指标体系数据;所述指标体系包括信息情况、交费情况、用电情况、交互情况、成长情况;
第三步,根据指标体系数据,利用层次分析法构建居民客户评分评级模型,并根据得分分布划分等级区域,输出居民客户评价等级标签。
本发明采用AHP层次分析法计算客户综合评级得分,对客户价值进行定性与定量相结合、多目标、层次化的分析;能够对客户价值特征进行充分挖掘,评估分级方案更加科学、合理。
本发明借鉴标签库平台已有的客户信用评价主题标签,结合现阶段客户营销服务导向,基于信息情况、交费情况、用电情况、交互情况、成长情况等客户用电历史数据,通过业务调研、专家访谈、挖掘建模等研究方法,从客户信息情况、交费情况、用电情况、交互情况、成长情况等五个维度,来综合评定客户模型得分。针对各等级的客户价值开展差异化营销服务策略,满足不同群体的客户需求,建立稳固的客户关系,完成为客户创造价值的企业使命,使供电服务逐步向精益化转变。
进而能够为电力企业推进居民户电力管家式服务做支撑,充分体现客户的信用价值、经济价值,并引导客户改善用电行为,提升用户社会信用程度。
作为优选技术措施:
建立客户价值分级模型,将有关的各个指标因素按照不同属性自上而下地分解成若干层次;当准则过多时(多于9个)应进一步分解出子准则层;对同一层次的一组指标进行两两比较,按其相对重要性,用斯塔相对重要性等级表赋值,并形成两两比较判断矩阵:A=(Xij)n*n。
作为优选技术措施:
将居民客户综合评分得分纳入目标层,作为决策目标;
将信息情况、交费情况、用电情况、交互情况、成长情况纳入准则层;
将各分项指标分别纳入所属的方案层,构成层次分析结构;
构造成对的比较阵,从层次结构模型的第2层开始,对于从属于上一层每个指标的同一层诸指标,用成对比较法构造成对比较阵,直到最下层;
给出信用评价体系中的5个指标(信息质量、交费行为、用电行为)作为准则层的评价尺度,各维度指标作为方案层的评价尺度。
作为优选技术措施:
构造两两比较判断矩阵即正互反矩阵:
对各指标之间进行两两对比之后,然后按9分位比率排定各评价指标的相对优劣顺序,依次构造出评价指标的判断矩阵;针对某一个标准,利用几何平均法(根法)或规范列平均法(和法)计算各备选指标的权重;
对个指标进行权重设计:
如果两个指标的重要性在两个评价等级之间,则取中间的分值,如果指标i相对于指标j有一个评分值,则指标j相对于指标i的评分制为其倒数;根据同一层次的指标两两比较来确定指标的相对重要性,如果认为两个指标的影响重要性相当,则取值为1,前者比后者稍微重要则取值为3,前者比后者稍微不重要,则取值为1/3,同理,如果认为前者比后者比较重要,则取5,十分重要则取7,绝对重要则取9。
作为优选技术措施:
所述几何平均法(根法)的计算步骤为:
a)计算判断矩阵A各行各个指标mi的乘积;
b)计算mi的n次方根;
c)对向量进行归一化处理;
d)该向量即为所求权重向量。
作为优选技术措施:
所述规范列平均法(和法)的计算步骤为:
a)计算判断矩阵A各行各个指标mi的和;
b)将A的各行指标的和进行归一化;
c)该向量即为所求权重向量。
作为优选技术措施:
构造好判断矩阵后,需要根据判断矩阵计算针对某一准则层各指标的相对权重,并进行一致性检验;
虽然在构造判断矩阵A时并不要求判断具有一致性,但判断偏离一致性过大也是不允许的,因此需要对判断矩阵A进行一致性检验;
对于每一个成对比较阵计算最大特征根和对应特征向量,利用一致性指标、随机一致性指标和一致性比率做一致性检验;
若检验通过,特征向量即为权向量;若不通过,需重新构造成对比较阵;
出于认识上的差别,矩阵判断可能不具有一致性,可用“随机一致性比值”检查CR=CI/RI,其中CI表示一致性指标,CI=(λmax-n)/(n-1),RI表示平均随机一致性指标;
当CR<=0.10时,层次单排序有效;当CR>=0.10时,说明差别太大,无效;
根据判断矩阵,计算得出各层次权重;
然后通过计算得出各层的一致性比例,准则层判断矩阵的一致性比例CR值为0.0000,方案层交费行为判断矩阵的一致性比例CR值为0.0084,用电行为判断矩阵的一致性比例CR值为0.0834,均小于0.1,因此判断矩阵具有一致性,层次单排序有效。
作为优选技术措施:
在建立判断矩阵时,向各地市相关专业岗位上的专家发放了指标量化表,依赖于专家的先验知识和经历确定各个生命周期准则层和指标层不同因素之间的相对重要程度;
由于不同的专家对于各指标重要性理解情况不同,甚至会出现理解错误或填写错误等情况,需对打分情况进行修正及权重处理后计算出最终判断矩阵,确定各个指标的权重。
作为优选技术措施:
根据评分维度与业务实际细化评分指标体系,进而通过AHP层次分析法得出得分判断矩阵,确定各指标权重,最终参考各指标数据分布情况设计分数区间与具体指标权重得出最终的客户评分;
结合评分评级模型得出的结果和营销业务需求,将居民客户综合评分得分由低到高划分为“微弱”、“平稳”、“充沛”、“强劲”、“超能”五个等级。
作为优选技术措施:
所述居民客户为低压居民,对低压客户分别计算这五个指标对应的信用得分,并根据总得分进行分级;再根据居民客户对应的等级,并通过居民差异化产品的运营,为居民客户提供与其等级标签价值相符的营销服务,逐步引导客户改善其交费行为、用电行为,客户人群分布会向高等级平移,实现模型建立和差异化服务运营的目标。
与现有技术相比,本发明具有以下有益效果:
本发明采用AHP层次分析法计算客户综合评级得分,对客户价值进行定性与定量相结合、多目标、层次化的分析;能够对客户价值特征进行充分挖掘,评估分级方案更加科学、合理。
本发明借鉴标签库平台已有的客户信用评价主题标签,结合现阶段客户营销服务导向,基于信息情况、交费情况、用电情况、交互情况、成长情况等客户用电历史数据,通过业务调研、专家访谈、挖掘建模等研究方法,从客户信息情况、交费情况、用电情况、交互情况、成长情况等五个维度,来综合评定客户模型得分。针对各等级的客户价值开展差异化营销服务策略,满足不同群体的客户需求,建立稳固的客户关系,完成为客户创造价值的企业使命,使供电服务逐步向精益化转变。
进而能够为电力企业推进居民户电力管家式服务做支撑,充分体现客户的信用价值、经济价值,并引导客户改善用电行为,提升用户社会信用程度。
附图说明
图1为本发明指标体系示图;
图2为本发明构建方法流程图;
图3为应用本发明得出的居民客户等级分布示图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
相反,本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步,为了使公众对本发明有更好的了解,在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
如图1-2所示,
一种基于层次分析法的居民客户价值分级模型构建方法;
将居民客户价值分解为多个目标或准则,进而分解为多指标(或准则、约束)的若干层次,通过定性指标方法算出层次单排序(权数)和总排序,用于客户价值分级模型构建;
其具体包括以下步骤:
第一步,根据专家经验,筛选居民客户数据,确定能够用于居民客户评分评级的指标体系;
第二步,以某行政区或某区域的居民客户为目标基础群,收集某一时间段的居民客户相关指标体系数据;所述指标体系包括信息情况、交费情况、用电情况、交互情况、成长情况;
第三步,根据指标体系数据,利用层次分析法构建居民客户评分评级模型,并根据得分分布划分等级区域,输出居民客户评价等级标签。
本发明采用AHP层次分析法计算客户综合评级得分,对客户价值进行定性与定量相结合、多目标、层次化的分析;能够对客户价值特征进行充分挖掘,评估分级方案更加科学、合理。
本发明借鉴标签库平台已有的客户信用评价主题标签,结合现阶段客户营销服务导向,基于信息情况、交费情况、用电情况、交互情况、成长情况等客户用电历史数据,通过业务调研、专家访谈、挖掘建模等研究方法,从客户信息情况、交费情况、用电情况、交互情况、成长情况等五个维度,来综合评定客户模型得分。针对各等级的客户价值开展差异化营销服务策略,满足不同群体的客户需求,建立稳固的客户关系,完成为客户创造价值的企业使命,使供电服务逐步向精益化转变。
进而能够为电力企业推进居民户电力管家式服务做支撑,充分体现客户的信用价值、经济价值,并引导客户改善用电行为,提升用户社会信用程度。
本发明客户价值分级模型的一种具体实施例:
建立客户价值分级模型,将有关的各个指标因素按照不同属性自上而下地分解成若干层次;当准则过多时(多于9个)应进一步分解出子准则层;对同一层次的一组指标进行两两比较,按其相对重要性,用斯塔相对重要性等级表赋值,并形成两两比较判断矩阵:A=(Xij)n*n。
将居民客户综合评分得分纳入目标层,作为决策目标;
将信息情况、交费情况、用电情况、交互情况、成长情况纳入准则层;
将各分项指标分别纳入所属的方案层,构成层次分析结构;
构造成对的比较阵,从层次结构模型的第2层开始,对于从属于上一层每个指标的同一层诸指标,用成对比较法构造成对比较阵,直到最下层;
给出信用评价体系中的5个指标(信息质量、交费行为、用电行为)作为准则层的评价尺度,各维度指标作为方案层的评价尺度。
本发明构造正互反矩阵的一种具体实施例:
构造两两比较判断矩阵即正互反矩阵:
对各指标之间进行两两对比之后,然后按9分位比率排定各评价指标的相对优劣顺序,依次构造出评价指标的判断矩阵;针对某一个标准,利用几何平均法(根法)或规范列平均法(和法)计算各备选指标的权重;
对个指标进行权重设计:
如果两个指标的重要性在两个评价等级之间,则取中间的分值,如果指标i相对于指标j有一个评分值,则指标j相对于指标i的评分制为其倒数;根据同一层次的指标两两比较来确定指标的相对重要性,如果认为两个指标的影响重要性相当,则取值为1,前者比后者稍微重要则取值为3,前者比后者稍微不重要,则取值为1/3,同理,如果认为前者比后者比较重要,则取5,十分重要则取7,绝对重要则取9,如表1所示。
表1 AHP层次分析法评价尺度表
本发明计算指标权重的一种具体实施例:
所述几何平均法(根法)的计算步骤为:
a)计算判断矩阵A各行各个指标mi的乘积;
b)计算mi的n次方根;
c)对向量进行归一化处理;
d)该向量即为所求权重向量。
本发明计算指标权重的另一种具体实施例:
所述规范列平均法(和法)的计算步骤为:
a)计算判断矩阵A各行各个指标mi的和;
b)将A的各行指标的和进行归一化;
c)该向量即为所求权重向量。
本发明进行一致性检验具体实施例:
构造好判断矩阵后,需要根据判断矩阵计算针对某一准则层各指标的相对权重,并进行一致性检验;
虽然在构造判断矩阵A时并不要求判断具有一致性,但判断偏离一致性过大也是不允许的,因此需要对判断矩阵A进行一致性检验;
对于每一个成对比较阵计算最大特征根和对应特征向量,利用一致性指标、随机一致性指标和一致性比率做一致性检验;
若检验通过,特征向量即为权向量;若不通过,需重新构造成对比较阵;
出于认识上的差别,矩阵判断可能不具有一致性,可用“随机一致性比值”检查(CR=CURI,其中CI表示一致性指标,CI=(λmax-n)/(n-1),RI表示平均随机一致性指标;
当CR<=0.10时,层次单排序有效;当CR>=0.10时,说明差别太大,无效;
根据判断矩阵,计算得出各层次权重;
然后通过计算得出各层的一致性比例,准则层判断矩阵的一致性比例CR值为0.0000,方案层交费行为判断矩阵的一致性比例CR值为0.0084,用电行为判断矩阵的一致性比例CR值为0.0834,均小于0.1,因此判断矩阵具有一致性,层次单排序有效。
本发明筛选指标的一种具体实施例:
在建立判断矩阵时,向各地市相关专业岗位上的专家发放了指标量化表,依赖于专家的先验知识和经历确定各个生命周期准则层和指标层不同因素之间的相对重要程度;
由于不同的专家对于各指标重要性理解情况不同,甚至会出现理解错误或填写错误等情况,需对打分情况进行修正及权重处理后计算出最终判断矩阵,确定各个指标的权重。
本发明居民客户等级划分的一种具体实施例:
根据评分维度与业务实际细化评分指标体系,进而通过AHP层次分析法得出得分判断矩阵,确定各指标权重,最终参考各指标数据分布情况设计分数区间与具体指标权重得出最终的客户评分;
结合评分评级模型得出的结果和营销业务需求,将居民客户综合评分得分由低到高划分为“微弱”、“平稳”、“充沛”、“强劲”、“超能”五个等级,如表2所示。
表2 客户综合等级标签评分表
所述居民客户为低压居民,对低压客户分别计算这五个指标对应的信用得分,并根据总得分进行分级;再根据居民客户对应的等级,并通过居民差异化产品的运营,为居民客户提供与其等级标签价值相符的营销服务,逐步引导客户改善其交费行为、用电行为,客户人群分布会向高等级平移,实现模型建立和差异化服务运营的目标。
本发明运用数理统计方法及数据挖掘技术,通过对客户基础信息、交费行为、用电行为、交互行为等大量历史数据进行系统性清洗与分析,挖掘数据中蕴含的行为模式、信用特征及价值体现,捕捉历史信息和客户价值表现之间的关系,以一个信用评分来综合评估客户历史行为上的信用表现,在一定程度上可以作为未来信用表现的预测,来达成推广新型服务渠道、转变客户用电行为、引导客户主动参与营销活动、增加客户自有电子渠道使用粘性等目的。
如图3所示,应用本发明的构建方法得出的低压居民客户价值分级模型
本发明以浙江省全部低压居民“一户一表”用户为目标群,以2016年9月-2017年8月为数据观察周期构建低压居民客户价值分级模型。
从模型上,可以得出:目前居民客户人数分布集中在“平稳”、“充沛”等级,通过居民差异化产品的运营,为居民客户提供与其等级标签价值相符的营销服务,逐步引导客户改善其交费行为、用电行为,客户人群分布会向高等级平移,实现模型建立和差异化服务运营的目标。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于层次分析法的居民客户价值分级模型构建方法;
其特征在于,将居民客户价值分解为多个目标或准则,进而分解为多指标的若干层次,通过定性指标方法算出层次单排序和总排序,用于客户价值分级模型构建;
其具体包括以下步骤:
第一步,根据专家经验,筛选居民客户数据,确定能够用于居民客户评分评级的指标体系;
第二步,以某行政区或某区域的居民客户为目标基础群,收集某一时间段的居民客户相关指标体系数据;所述指标体系包括信息情况、交费情况、用电情况、交互情况、成长情况;
第三步,根据指标体系数据,利用层次分析法构建居民客户评分评级模型,并根据得分分布划分等级区域,输出居民客户评价等级标签。
2.如权利要求1所述的一种基于层次分析法的居民客户价值分级模型构建方法,
其特征在于,
建立客户价值分级模型,将有关的各个指标因素按照不同属性自上而下地分解成若干层次;当准则过多时应进一步分解出子准则层;对同一层次的一组指标进行两两比较,按其相对重要性,用斯塔相对重要性等级表赋值,并形成两两比较判断矩阵。
3.如权利要求2所述的一种基于层次分析法的居民客户价值分级模型构建方法,
其特征在于,
将居民客户综合评分得分纳入目标层,作为决策目标;
将信息情况、交费情况、用电情况、交互情况、成长情况纳入准则层;
将各分项指标分别纳入所属的方案层,构成层次分析结构;
构造成对的比较阵,从层次结构模型的第2层开始,对于从属于上一层每个指标的同一层诸指标,用成对比较法构造成对比较阵,直到最下层;
给出信用评价体系中的5个指标作为准则层的评价尺度,各维度指标作为方案层的评价尺度。
4.如权利要求3所述的一种基于层次分析法的居民客户价值分级模型构建方法,
其特征在于,
构造两两比较判断矩阵即正互反矩阵:
对各指标之间进行两两对比之后,然后按9分位比率排定各评价指标的相对优劣顺序,依次构造出评价指标的判断矩阵;针对某一个标准,利用几何平均法或规范列平均法计算各备选指标的权重;
对个指标进行权重设计:
如果两个指标的重要性在两个评价等级之间,则取中间的分值,如果指标i相对于指标j有一个评分值,则指标j相对于指标i的评分制为其倒数;根据同一层次的指标两两比较来确定指标的相对重要性,如果认为两个指标的影响重要性相当,则取值为1,前者比后者稍微重要则取值为3,前者比后者稍微不重要,则取值为1/3,同理,如果认为前者比后者比较重要,则取5,十分重要则取7,绝对重要则取9。
5.如权利要求4所述的一种基于层次分析法的居民客户价值分级模型构建方法,
其特征在于,
所述几何平均法的计算步骤为:
a)计算判断矩阵A各行各个指标mi的乘积;
b)计算mi的n次方根;
c)对向量进行归一化处理;
d)该向量即为所求权重向量。
6.如权利要求4所述的一种基于层次分析法的居民客户价值分级模型构建方法,
其特征在于,
所述规范列平均法的计算步骤为:
a)计算判断矩阵A各行各个指标mi的和;
b)将A的各行指标的和进行归一化;
c)该向量即为所求权重向量。
7.如权利要求5或6所述的一种基于层次分析法的居民客户价值分级模型构建方法,
其特征在于,
构造好判断矩阵后,需要根据判断矩阵计算针对某一准则层各指标的相对权重,并进行一致性检验;
虽然在构造判断矩阵A时并不要求判断具有一致性,但判断偏离一致性过大也是不允许的,因此需要对判断矩阵A进行一致性检验;
对于每一个成对比较阵计算最大特征根和对应特征向量,利用一致性指标、随机一致性指标和一致性比率做一致性检验;
若检验通过,特征向量即为权向量;若不通过,需重新构造成对比较阵;
出于认识上的差别,矩阵判断可能不具有一致性,可用“随机一致性比值”检查CR=CI/RI,其中CI表示一致性指标,RI表示平均随机一致性指标;
当CR<=0.10时,层次单排序有效;当CR>=0.10时,说明差别太大,无效。
8.如权利要求7所述的一种基于层次分析法的居民客户价值分级模型构建方法,其特征在于,
在建立判断矩阵时,向各地市相关专业岗位上的专家发放了指标量化表,依赖于专家的先验知识和经历确定各个生命周期准则层和指标层不同因素之间的相对重要程度;
由于不同的专家对于各指标重要性理解情况不同,甚至会出现理解错误或填写错误等情况,需对打分情况进行修正及权重处理后计算出最终判断矩阵,确定各个指标的权重。
9.如权利要求8所述的一种基于层次分析法的居民客户价值分级模型构建方法,其特征在于,
根据评分维度与业务实际细化评分指标体系,进而通过AHP层次分析法得出得分判断矩阵,确定各指标权重,最终参考各指标数据分布情况设计分数区间与具体指标权重得出最终的客户评分;
结合评分评级模型得出的结果和营销业务需求,将居民客户综合评分得分由低到高划分为“微弱”、“平稳”、“充沛”、“强劲”、“超能”五个等级。
10.如权利要求9所述的一种基于层次分析法的居民客户价值分级模型构建方法,其特征在于,
所述居民客户为低压居民,对低压客户分别计算这五个指标对应的信用得分,并根据总得分进行分级;再根据居民客户对应的等级,并通过居民差异化产品的运营,为居民客户提供与其等级标签价值相符的营销服务,逐步引导客户改善其交费行为、用电行为,客户人群分布会向高等级平移,实现模型建立和差异化服务运营的目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911177989.2A CN111126775A (zh) | 2019-11-26 | 2019-11-26 | 一种基于层次分析法的居民客户价值分级模型构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911177989.2A CN111126775A (zh) | 2019-11-26 | 2019-11-26 | 一种基于层次分析法的居民客户价值分级模型构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111126775A true CN111126775A (zh) | 2020-05-08 |
Family
ID=70496773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911177989.2A Pending CN111126775A (zh) | 2019-11-26 | 2019-11-26 | 一种基于层次分析法的居民客户价值分级模型构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111126775A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111695797A (zh) * | 2020-06-02 | 2020-09-22 | 北京北大软件工程股份有限公司 | 许可职权履责效果评估模型的构建方法、装置及系统 |
CN111754091A (zh) * | 2020-06-08 | 2020-10-09 | 深圳供电局有限公司 | 一种电力用户需求侧调控系统 |
CN111950916A (zh) * | 2020-08-18 | 2020-11-17 | 广东电网有限责任公司广州供电局 | 一种优质供电服务的有效性评估方法和相关装置 |
CN111986026A (zh) * | 2020-09-07 | 2020-11-24 | 中国银行股份有限公司 | 基于层次分析法的个人信贷业务风险评估方法及装置 |
CN112100915A (zh) * | 2020-09-10 | 2020-12-18 | 贵州电网有限责任公司 | 一种基于层次分析及群体决策算法的器件失效率评估方法 |
CN112215451A (zh) * | 2020-07-21 | 2021-01-12 | 中国人民公安大学 | 一种基于民航旅客分级分类的差异化安检方法及系统 |
CN112465624A (zh) * | 2020-11-02 | 2021-03-09 | 中国测绘科学研究院 | 一种基于社交媒体状态的个人信用评价方法 |
CN112579721A (zh) * | 2020-12-22 | 2021-03-30 | 北京市腾河智慧能源科技有限公司 | 构建人群分布图的方法及系统、终端设备、存储介质 |
CN113191828A (zh) * | 2021-06-01 | 2021-07-30 | 国家电网有限公司大数据中心 | 一种用户用电价值等级标签构建方法、装置、设备及介质 |
CN113450004A (zh) * | 2021-07-02 | 2021-09-28 | 国网北京市电力公司 | 电力信用报告生成方法、装置、电子设备及可读存储介质 |
CN113610383A (zh) * | 2021-08-02 | 2021-11-05 | 中山大学 | 大气复合污染观测数据的质量及共享效果评价方法与系统 |
CN113793001A (zh) * | 2021-09-01 | 2021-12-14 | 国家电网有限公司客户服务中心 | 基于国网app应用的优质客户竞争策略分析方法 |
CN113793061A (zh) * | 2021-09-27 | 2021-12-14 | 武汉众邦银行股份有限公司 | 融合层次分析法和rfm的商业银行客户评级方法及装置 |
CN113886372A (zh) * | 2021-09-08 | 2022-01-04 | 天元大数据信用管理有限公司 | 一种基于改进层次分析法的用户画像构建方法 |
CN114820168A (zh) * | 2022-04-27 | 2022-07-29 | 东南大学 | 城市轨道交通乘客安全信用评估方法 |
-
2019
- 2019-11-26 CN CN201911177989.2A patent/CN111126775A/zh active Pending
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111695797A (zh) * | 2020-06-02 | 2020-09-22 | 北京北大软件工程股份有限公司 | 许可职权履责效果评估模型的构建方法、装置及系统 |
CN111695797B (zh) * | 2020-06-02 | 2023-08-04 | 北京北大软件工程股份有限公司 | 许可职权履责效果评估模型的构建方法、装置及系统 |
CN111754091A (zh) * | 2020-06-08 | 2020-10-09 | 深圳供电局有限公司 | 一种电力用户需求侧调控系统 |
CN112215451A (zh) * | 2020-07-21 | 2021-01-12 | 中国人民公安大学 | 一种基于民航旅客分级分类的差异化安检方法及系统 |
CN111950916A (zh) * | 2020-08-18 | 2020-11-17 | 广东电网有限责任公司广州供电局 | 一种优质供电服务的有效性评估方法和相关装置 |
CN111986026A (zh) * | 2020-09-07 | 2020-11-24 | 中国银行股份有限公司 | 基于层次分析法的个人信贷业务风险评估方法及装置 |
CN112100915B (zh) * | 2020-09-10 | 2022-08-30 | 贵州电网有限责任公司 | 一种基于层次分析及群体决策算法的器件失效率评估方法 |
CN112100915A (zh) * | 2020-09-10 | 2020-12-18 | 贵州电网有限责任公司 | 一种基于层次分析及群体决策算法的器件失效率评估方法 |
CN112465624A (zh) * | 2020-11-02 | 2021-03-09 | 中国测绘科学研究院 | 一种基于社交媒体状态的个人信用评价方法 |
CN112579721A (zh) * | 2020-12-22 | 2021-03-30 | 北京市腾河智慧能源科技有限公司 | 构建人群分布图的方法及系统、终端设备、存储介质 |
CN112579721B (zh) * | 2020-12-22 | 2023-10-27 | 北京市腾河智慧能源科技有限公司 | 构建人群分布图的方法及系统、终端设备、存储介质 |
CN113191828A (zh) * | 2021-06-01 | 2021-07-30 | 国家电网有限公司大数据中心 | 一种用户用电价值等级标签构建方法、装置、设备及介质 |
CN113191828B (zh) * | 2021-06-01 | 2023-08-25 | 国家电网有限公司大数据中心 | 一种用户用电价值等级标签构建方法、装置、设备及介质 |
CN113450004A (zh) * | 2021-07-02 | 2021-09-28 | 国网北京市电力公司 | 电力信用报告生成方法、装置、电子设备及可读存储介质 |
CN113610383A (zh) * | 2021-08-02 | 2021-11-05 | 中山大学 | 大气复合污染观测数据的质量及共享效果评价方法与系统 |
CN113793001A (zh) * | 2021-09-01 | 2021-12-14 | 国家电网有限公司客户服务中心 | 基于国网app应用的优质客户竞争策略分析方法 |
CN113793001B (zh) * | 2021-09-01 | 2024-03-29 | 国家电网有限公司客户服务中心 | 基于国网app应用的优质客户竞争策略分析方法 |
CN113886372A (zh) * | 2021-09-08 | 2022-01-04 | 天元大数据信用管理有限公司 | 一种基于改进层次分析法的用户画像构建方法 |
CN113793061A (zh) * | 2021-09-27 | 2021-12-14 | 武汉众邦银行股份有限公司 | 融合层次分析法和rfm的商业银行客户评级方法及装置 |
CN114820168A (zh) * | 2022-04-27 | 2022-07-29 | 东南大学 | 城市轨道交通乘客安全信用评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111126775A (zh) | 一种基于层次分析法的居民客户价值分级模型构建方法 | |
Zhou et al. | Analysis of risk priorities for renewable energy investment projects using a hybrid IT2 hesitant fuzzy decision-making approach with alpha cuts | |
CN110555782B (zh) | 一种基于大数据的科学用电模型构建系统及方法 | |
CN105512768A (zh) | 大数据环境下用户用电关联因素辨识及用电量预测方法 | |
Wei et al. | Forecasting the daily natural gas consumption with an accurate white-box model | |
CN113344449B (zh) | 一种预测月尺度工业需水量的方法 | |
CN107609771A (zh) | 一种供应商价值评价方法 | |
CN111695718A (zh) | 一种考虑投资需求与规划目标的电网发展辅助决策方法 | |
Paul et al. | Portfolio selection as a multicriteria group decision making in Pythagorean fuzzy environment with GRA and FAHP framework | |
Kaurova et al. | Cross-country comparison of statistical indicators | |
CN111062581A (zh) | 一种基于ahp层次的企业客户高压增值服务体系构建方法 | |
CN110533249B (zh) | 一种基于集成长短期记忆网络的冶金企业能耗预测方法 | |
CN110796296A (zh) | 多目标投资优化模型的构建方法、装置和计算设备 | |
CN114219225A (zh) | 基于多源数据的电网投资效益评估系统及评估方法 | |
CN113129188A (zh) | 一种基于人工智能大数据的省级教育教学评估系统 | |
CN110807543A (zh) | 一种基于群决策智能搜索的投资组合优化方法和装置 | |
CN114004530B (zh) | 基于排序支撑向量机的企业电力信用分建模方法及系统 | |
CN113327047B (zh) | 基于模糊综合模型的电力营销服务渠道决策方法及系统 | |
CN115689338A (zh) | 一种基于多指标的配电网技术成熟度评价方法及系统 | |
CN112785022B (zh) | 一种挖掘电能替代潜力的方法及系统 | |
Xing et al. | Research on the credit evaluation model of electricity selling company based on GA-SVM | |
CN112070336A (zh) | 一种基于层次分析法的制造业信息量化分析方法及装置 | |
CN112488438A (zh) | 一种结合信用信息的工业企业综合效益评价方法及系统 | |
Wang et al. | Research on Credit Decision Issues of the Small and Medium-Sized Enterprises Based on TOPSIS and Hierarchical Cluster Analysis | |
Kong et al. | User group portrait method of integrated energy system based on multi-source big data |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210122 Address after: 311100 Building 5, 138 Yunlian Road, Yuhang District, Hangzhou City, Zhejiang Province Applicant after: Marketing service center of State Grid Zhejiang Electric Power Co.,Ltd. Address before: The eight district of Hangzhou city in Zhejiang province 310014 Huadian Zhaohui under No. 1 Lane Applicant before: STATE GRID ZHEJIANG ELECTRIC POWER COMPANY LIMITED ELECTRIC POWER Research Institute |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200508 |
|
RJ01 | Rejection of invention patent application after publication |