CN112184484A - 一种电力用户差异化服务方法及系统 - Google Patents
一种电力用户差异化服务方法及系统 Download PDFInfo
- Publication number
- CN112184484A CN112184484A CN202011059565.9A CN202011059565A CN112184484A CN 112184484 A CN112184484 A CN 112184484A CN 202011059565 A CN202011059565 A CN 202011059565A CN 112184484 A CN112184484 A CN 112184484A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- users
- preset
- category
- 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.)
- Granted
Links
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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种电力用户差异化服务方法及系统,包括,数据处理模块,用以根据第一预设规则处理用户的数据并对电力用户进行等级划分及风险等级进行评估,获得第一评估结果;还用以将所述多个用户按照预设类别进行分类;并对每个类别内的多个用户进行等级划分,对用户进行评估,获取第二评估结果;用户特征要素生成模块,用以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;用户服务识别模块,用以根据所述用户特征要素匹配预设的服务策略,生成服务策略匹配结果;将所述第二评估结果与所述服务策略匹配结果按第三预设规则进行关联。本发明通过构建用户标签化与系统的某些标签相关联,通过用户标签,实现差异化服务策略的输出。
Description
技术领域
本发明涉及电力系统自动化技术领域,特别是涉及一种电力用户差异化服务方法及系统。
背景技术
随着经济的不断发展,社会生产力的不断进步,电力企业的不断扩大,当前用电客户规模也在不断增加。另一方面,随着电力服务互联网化进程的不断推进,电子服务渠道的不断增加,云计算和大数据技术不断发展和应用,传统的用电客户管理以及营销工作的开展,已经不能很好地满足众多不同类型用电客户日益多样化的需求、日常的用户管理及营销工作亟需优化,而基于用电客户属性进行标签化的管理可以很好的契合电力企业的管理及营销需要。在电力企业服务中,可以根据用电客户的合作数据、社会属性特征、电力属性特征等数据定义一些关键词,这种类型的关键词通常被称为用户标签。基于用电客户数据建立结构化的自然标签、运营标签等标签库,对用电客户进行深度挖掘与分析,可用于电力企业的日常运营、风险管控、售电营销,可以针对不同的电子服务渠道进行差异化运营,更好的体现“以客户为中心”的服务理念,提升客户服务工作水平。
目前,在用电差异化服务方面进行一般推荐通过协同过滤和内容推荐来进行个性化服务,协同过滤推荐系统需要用户的评分数据作为知识源,向用户进行推荐,而不需要输入并维护其他的附加信息。基于内容的推荐系统主要应用的知识源包括类别和体裁信息,还有从文档中提取的关键词。但是日常生活中,纯粹的协同过滤和内容推荐系统会由于评分数据很少而效果不好,而且时间因素也在其中占据了影响力。比如一个用户非常喜欢一种物品,但是随着时间的推移,用户的喜好慢慢发生变化,如果是基于协同过滤和内容进行推荐的话,以前的数据就会对结果进行较大的干扰,造成推荐效果不理想。
发明内容
本发明的目的在于,提出一种电力用户差异化服务方法及系统,解决现有方法不能针对某个用户进行个性化的变动,服务的效率低,数据管理的落后,服务推荐效果不理想的技术问题。
本发明的一方面,提供一种电力用户差异化服务系统,包括:
数据采集模块,用以采集多个电力用户的用电数据、社会数据及操作日志数据,并将所述多个电力用户的用电数据、社会数据及操作日志数据输出给数据分析模块;
数据处理模块,用以根据第一预设规则处理所述用户的用电数据、社会数据及操作日志数据并对电力用户进行等级划分,根据第一等级划分结果对用户风险等级进行评估,获得第一评估结果;所述第一评估结果包括高风险用户或低风险用户;
还用以按照第二预设规则分别对多个用户的社会数据、用电数据及用户操作日志数据进行数据分析,将所述多个用户按照预设类别进行分类;并根据第三预设规则对每个类别内的多个用户进行等级划分,获取与所述类别对应的第二等级划分结果,并根据所述第二等级划分结果按照预设的标记规则对用户进行评估,获取第二评估结果;其中,所述第二评估结果至少包括活跃用户、停电敏感用户、高价值用户及欠费高风险用户;所述预设类别包括高价值用户类别、停电敏感用户类别及活跃用户类别;
用户特征要素生成模块,用以获取所述数据处理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;
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匹配预设的服务策略,生成服务策略匹配结果;并获取所述数据处理模块输出的第二评估结果,将所述第二评估结果与所述服务策略匹配结果按第三预设规则进行关联,将关联结果向电力用户的智能终端进行显示;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社会数据至少包括用户自身的信息数据;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系统上办理业务的操作记录数据。
优选的,所述数据处理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,所述数据处理模块获取多个用户的用电数据和缴费数据,根据预设标准调取电量参数和缴费参数,将所述用电量参数或所述缴费参数作为正向计数值;以及根据预设标准调取欠费参数,将所述欠费参数作为负向计数值;根据所述正向计数值和所述负向计数值计算价值判定指标,并将所述价值判定指标大于第一预设判定阈值的用户列为高价值用户类别;
获取多个用户的操作日志数据,调取投诉频率p、投诉前的停电时长h,并计算用户的停电敏感指标;将所述停电敏感指标大于第二预设判定阈值的用户列为停电敏感用户类别;
获取多个用户的操作日志数据,调取交互操作数据;并根据预设的交互操作项分值计算用户的交互操作总分值,将所述交互操作总分值大于第三预设判定阈值的用户列为的活跃用户类别;
其中,根据多个第四预设规则区分所述高价值用户类别内的用户,将所述用户按价值判定指标由高到低依次排序;还根据多个预设判定值区分所述停电敏感用户类别内的用户,将所述用户依次区分为潜在高敏感用户、潜在次高敏感用户、潜在普通用户、潜在低敏感用户;以及根据多个第五预设规则区分所述活跃用户类别内的用户,将所述用户按交互操作总分值由高到低依次排序。
优选的,所述数据处理模块获取所述用户类别数据,当识别到任一用户被归为多个类别项时,调取该用户的所有类别项数据并根据预设的筛选规则选择出现次数最多的类别项作为所述用户的最终类别。
本发明还提供一种电力用户差异化服务方法,依靠如所述的电力用户差异化服务系统进行实现,包括以下步骤:
步骤S1,采集多个电力用户的用电数据、社会数据及操作日志数据;
步骤S2,根据第一预设规则处理所述用户的用电数据、社会数据及操作日志数据并对电力用户进行等级划分,根据第一等级划分结果对用户风险等级进行评估,获得第一评估结果;所述第一评估结果包括高风险用户或低风险用户;
按照第二预设规则分别对多个用户的社会数据、用电数据及用户操作日志数据进行数据分析,将所述多个用户按照预设类别进行分类;并根据第三预设规则对每个类别内的多个用户进行等级划分,获取与所述类别对应的第二等级划分结果,并根据所述第二等级划分结果按照预设的标记规则对用户进行评估,获取第二评估结果;其中,所述第二评估结果至少包括活跃用户、停电敏感用户、高价值用户及欠费高风险用户;所述预设类别包括高价值用户类别、停电敏感用户类别及活跃用户类别;
步骤S3,获取所述评估结果,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,获取用户特征要素,并根据所述用户特征要素匹配预设的服务策略,生成服务策略匹配结果;并获取所述第二评估结果,将所述第二评估结果与所述服务策略匹配结果按第三预设规则进行关联,将关联结果向电力用户的智能终端进行显示;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S2包括: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S2包括:获取多个用户的用电数据和缴费数据,根据预设标准调取电量参数和缴费参数,将所述用电量参数或所述缴费参数作为正向计数值;以及根据预设标准调取欠费参数,将所述欠费参数作为负向计数值;根据所述正向计数值和所述负向计数值计算价值判定指标,并将所述价值判定指标大于第一预设判定阈值的用户列为高价值用户类别;获取多个用户的操作日志数据,调取投诉频率p、投诉前的停电时长h,并计算用户的停电敏感指标;将所述停电敏感指标大于第二预设判定阈值的用户列为停电敏感用户类别;获取多个用户的操作日志数据,调取交互操作数据;并根据预设的交互操作项分值计算用户的交互操作总分值,将所述交互操作总分值大于第三预设判定阈值的用户列为的活跃用户类别;
根据多个第四预设规则区分所述高价值用户类别内的用户,将所述用户按价值判定指标由高到低依次排序;还根据多个预设判定值区分所述停电敏感用户类别内的用户,将所述用户依次区分为潜在高敏感用户、潜在次高敏感用户、潜在普通用户、潜在低敏感用户;以及根据多个第五预设规则区分所述活跃用户类别内的用户,将所述用户按交互操作总分值由高到低依次排序。
优选的,所述步骤S2包括:获取所述用户类别数据,当识别到任一用户被归为多个类别项时,调取该用户的所有类别项数据并根据预设的筛选规则选择出现次数最多的类别项作为所述用户的最终类别。
综上,实施本发明的实施例,具有如下的有益效果:
本发明提供的电力用户差异化服务方法及系统,通过构建用户标签化,形成用户的知识网络,让用户与系统的某些标签相关联,然后形成实时性的用户推荐,通过用户标签,形成知识库,实现差异化服务策略的输出,甚至实现“千人千面”服务推荐;不需要评分数据就可以进行推荐,推荐结果不依赖单个用户评分,依赖用户需求同产品信息之间的相似度形式,或者是根据明确的推荐规则。
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电力用户差异化服务系统的结构示意图。
图2为本发明实施例中一种电力用户差异化服务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,为本发明提供的一种电力用户差异化服务系统的一个实施例的示意图。在该实施例中,包括:
数据采集模块,用以采集多个电力用户的用电数据、社会数据及操作日志数据,并将所述多个电力用户的用电数据、社会数据及操作日志数据输出给数据分析模块;。
具体实施例中,采集的用户社会数据至少包括用户自身的信息数据;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;采集的用户操作日志数据至少包括用户在用电服务系统上办理业务的操作记录数据;可以理解的,用户业务数据是指用户在用电方面的数据如缴费记录,用电记录及欠费记录等,利用该数据来刻画用户的各种动态属性标签;用户社会数据是指用户自身的各种信息,如企业类型,公司财务状况以及用电需求等,利用该数据来刻画用户的各种静态属性标签;用户操作日志,即用户在用电服务系统上办理业务的操作记录,利用该数据来刻画用户的消费或者业务需求类的属性标签,同时利用大量用户的此类数据,利用推荐算法来达到差异化的用电服务。
数据处理模块,用以根据第一预设规则处理所述用户的用电数据、社会数据及操作日志数据并对电力用户进行等级划分,根据第一等级划分结果对用户风险等级进行评估,获得第一评估结果;所述第一评估结果包括高风险用户或低风险用户;可以理解的,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;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。
具体实施中,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。
该实施例中,数据处理模块还用以按照第二预设规则分别对多个用户的社会数据、用电数据及用户操作日志数据进行数据分析,将所述多个用户按照预设类别进行分类;并根据第三预设规则对每个类别内的多个用户进行等级划分,获取与所述类别对应的第二等级划分结果,并根据所述第二等级划分结果按照预设的标记规则对用户进行评估,获取第二评估结果;其中,所述第二评估结果至少包括活跃用户、停电敏感用户、高价值用户及欠费高风险用户;所述预设类别包括高价值用户类别、停电敏感用户类别及活跃用户类别;可以理解的,用于对数据的加工与处理,利用统计分析及机器学习算法模型,为客服分群提供服务。
具体实施例中,获取多个用户的用电数据和缴费数据,根据预设标准调取电量参数和缴费参数,将所述用电量参数或所述缴费参数作为正向计数值;以及根据预设标准调取欠费参数,将所述欠费参数作为负向计数值;根据所述正向计数值和所述负向计数值计算价值判定指标,并将所述价值判定指标大于第一预设判定阈值的用户列为高价值用户类别;可以理解的,以月均用电量、月均增长量、双月均增长量、总缴费金额、月均缴费金额、总欠费金额、总欠费次数等指标来衡量用户的价值指标;具体的,将用电量类的指标和缴费的指标作为正向计数,将欠费类的指标作为负向计数,将正向负向的相加得到的分数指标作为最终的价值指标,分数越大的则代表用户的价值越高。
获取多个用户的操作日志数据,调取投诉频率p、投诉前的停电时长h,并计算用户的停电敏感指标;将所述停电敏感指标大于第二预设判定阈值的用户列为停电敏感用户类别;可以理解的,通过计算用户的投诉频率p,投诉前的停电时长h,计算p/h的值作为用户的通电敏感指标,p/h越大代表用户对停电越敏感。
获取多个用户的操作日志数据,调取交互操作数据;并根据预设的交互操作项分值计算用户的交互操作总分值,将所述交互操作总分值大于第三预设判定阈值的用户列为的活跃用户类别;可以理解的,通过收集用户在服务系统上的交互行为,如抽奖,缴费以及查阅通知,并规定每种操作的交互分数,将此类的活跃行为按分数进行累分,计分越多则代表用户越活跃。可以理解的,通过预先定义的若干个阈值,来将用户划分为潜在高敏感客户群、潜在次高敏感客户群、潜在普通客户群、潜在低敏感客户群。以及用以根据多个规则区分所述活跃用户类别内的用户,将所述用户按交互操作总分值由高到低依次排序。
其中,根据多个第四预设规则区分所述高价值用户类别内的用户,将所述用户按价值判定指标由高到低依次排序;还根据多个预设判定值区分所述停电敏感用户类别内的用户,将所述用户依次区分为潜在高敏感用户、潜在次高敏感用户、潜在普通用户、潜在低敏感用户;以及根据多个第五预设规则区分所述活跃用户类别内的用户,将所述用户按交互操作总分值由高到低依次排序。可以理解的,利用KNN算法训练识别用户的最终类型,以欠费高风险用户为例说明算法模型阶段的一般流程:利用KNN算法将用户欠费风险等级划分为高风险和低风险两个等级;计算待标记样本与数据集中所有样本的距离,取距离最近的K个样本,投票即选择出现次数最多的类别作为待标记样本的类别;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,完成用户欠费风险等级的划分,从而识别欠费高风险用户。
用户特征要素生成模块,用以获取所述数据处理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,是系统的关键部分。
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匹配预设的服务策略,生成服务策略匹配结果;并获取所述数据处理模块输出的第二评估结果,将所述第二评估结果与所述服务策略匹配结果按第三预设规则进行关联,将关联结果向电力用户的智能终端进行显示;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。
如图2所示,本发明实施例还提供一种电力用户差异化服务方法,依靠所述的电力用户差异化服务系统进行实现,包括以下步骤:
步骤S1,采集多个电力用户的用电数据、社会数据及操作日志数据;
具体实施例中,采集的用户社会数据至少包括用户自身的信息数据;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;采集的用户操作日志数据至少包括用户在用电服务系统上办理业务的操作记录数据。
步骤S2,根据第一预设规则处理所述用户的用电数据、社会数据及操作日志数据并对电力用户进行等级划分,根据第一等级划分结果对用户风险等级进行评估,获得第一评估结果;所述第一评估结果包括高风险用户或低风险用户;
按照第二预设规则分别对多个用户的社会数据、用电数据及用户操作日志数据进行数据分析,将所述多个用户按照预设类别进行分类;并根据第三预设规则对每个类别内的多个用户进行等级划分,获取与所述类别对应的第二等级划分结果,并根据所述第二等级划分结果按照预设的标记规则对用户进行评估,获取第二评估结果;其中,所述第二评估结果至少包括活跃用户、停电敏感用户、高价值用户及欠费高风险用户;所述预设类别包括高价值用户类别、停电敏感用户类别及活跃用户类别;
具体实施例中,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。
具体的,获取多个用户的用电数据和缴费数据,根据预设标准调取电量参数和缴费参数,将所述用电量参数或所述缴费参数作为正向计数值;以及根据预设标准调取欠费参数,将所述欠费参数作为负向计数值;根据所述正向计数值和所述负向计数值计算价值判定指标,并将所述价值判定指标大于第一预设判定阈值的用户列为高价值用户类别;获取多个用户的操作日志数据,调取投诉频率p、投诉前的停电时长h,并计算用户的停电敏感指标;将所述停电敏感指标大于第二预设判定阈值的用户列为停电敏感用户类别;获取多个用户的操作日志数据,调取交互操作数据;并根据预设的交互操作项分值计算用户的交互操作总分值,将所述交互操作总分值大于第三预设判定阈值的用户列为活跃用户类别;
根据多个第四预设规则区分所述高价值用户类别内的用户,将所述用户按价值判定指标由高到低依次排序;还根据多个预设判定值区分所述停电敏感用户类别内的用户,将所述用户依次区分为潜在高敏感用户、潜在次高敏感用户、潜在普通用户、潜在低敏感用户;以及根据多个第五预设规则区分所述活跃用户类别内的用户,将所述用户按交互操作总分值由高到低依次排序。
再具体的,获取所述用户类别数据,当识别到任一用户被归为多个类别项时,调取该用户的所有类别项数据并根据预设的筛选规则选择出现次数最多的类别项作为所述用户的最终类别。
步骤S3,获取所述评估结果,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,获取用户特征要素,并根据所述用户特征要素匹配预设的服务策略,生成服务策略匹配结果;并获取所述第二评估结果,将所述第二评估结果与所述服务策略匹配结果按第三预设规则进行关联,将关联结果向电力用户的智能终端进行显示;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:
本发明提供的电力用户差异化服务方法及系统,通过构建用户标签化,形成用户的知识网络,让用户与系统的某些标签相关联,然后形成实时性的用户推荐,通过用户标签,形成知识库,实现差异化服务策略的输出,甚至实现“千人千面”服务推荐;不需要评分数据就可以进行推荐,推荐结果不依赖单个用户评分,依赖用户需求同产品信息之间的相似度形式,或者是根据明确的推荐规则。
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)
1.一种电力用户差异化服务系统,其特征在于,包括:
数据采集模块,用以采集多个电力用户的用电数据、社会数据及操作日志数据,并将所述多个电力用户的用电数据、社会数据及操作日志数据输出给数据分析模块;
数据处理模块,用以根据第一预设规则处理所述用户的用电数据、社会数据及操作日志数据并对电力用户进行等级划分,根据第一等级划分结果对用户风险等级进行评估,获得第一评估结果;所述第一评估结果包括高风险用户或低风险用户;
还用以按照第二预设规则分别对多个用户的社会数据、用电数据及用户操作日志数据进行数据分析,将所述多个用户按照预设类别进行分类;并根据第三预设规则对每个类别内的多个用户进行等级划分,获取与所述类别对应的第二等级划分结果,以及根据所述第二等级划分结果按照预设的标记规则对用户进行评估,获取第二评估结果;其中,所述第二评估结果至少包括活跃用户、停电敏感用户、高价值用户及欠费高风险用户;所述预设类别包括高价值用户类别、停电敏感用户类别及活跃用户类别;
用户特征要素生成模块,用以获取所述数据处理模块输出的评估结果,根据评估结果对用户特征进行标记,并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;
用户服务识别模块,用以获取用户特征要素,根据所述用户特征要素匹配预设的服务策略,生成服务策略匹配结果;并获取所述数据处理模块输出的第二评估结果,将所述第二评估结果与所述服务策略匹配结果按第三预设规则进行关联,将关联结果向电力用户的智能终端进行显示;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。
2.如权利要求1所述的系统,其特征在于,所述数据采集模块采集的用户社会数据至少包括用户自身的信息数据;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系统上办理业务的操作记录数据。
3.如权利要求2所述的系统,其特征在于,所述数据处理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。
4.如权利要求2所述的系统,其特征在于,所述数据处理模块获取多个用户的用电数据和缴费数据,根据预设标准调取电量参数和缴费参数,将所述用电量参数或所述缴费参数作为正向计数值;以及根据预设标准调取欠费参数,将所述欠费参数作为负向计数值;根据所述正向计数值和所述负向计数值计算价值判定指标,并将所述价值判定指标大于第一预设判定阈值的用户列为高价值用户类别;
获取多个用户的操作日志数据,调取投诉频率p、投诉前的停电时长h,并计算用户的停电敏感指标;将所述停电敏感指标大于第二预设判定阈值的用户列为停电敏感用户类别;
获取多个用户的操作日志数据,调取交互操作数据;并根据预设的交互操作项分值计算用户的交互操作总分值,将所述交互操作总分值大于第三预设判定阈值的用户列为活跃用户类别;
其中,根据多个第四预设规则区分所述高价值用户类别内的用户,将所述用户按价值判定指标由高到低依次排序;还根据多个预设判定值区分所述停电敏感用户类别内的用户,将所述用户依次区分为潜在高敏感用户、潜在次高敏感用户、潜在普通用户、潜在低敏感用户;以及根据多个第五预设规则区分所述活跃用户类别内的用户,将所述用户按交互操作总分值由高到低依次排序。
5.如权利要求4所述的系统,其特征在于,所述数据处理模块获取所述用户类别数据,当识别到任一用户被归为多个类别项时,调取该用户的所有类别项数据并根据预设的筛选规则选择出现次数最多的类别项作为所述用户的最终类别。
6.一种电力用户差异化服务方法,依靠如权利要求1-5任一所述的系统进行实现,其特征在于,包括以下步骤:
步骤S1,采集多个电力用户的用电数据、社会数据及操作日志数据;
步骤S2,根据第一预设规则处理所述用户的用电数据、社会数据及操作日志数据并对电力用户进行等级划分,根据第一等级划分结果对用户风险等级进行评估,获得第一评估结果;所述第一评估结果包括高风险用户或低风险用户;
按照第二预设规则分别对多个用户的社会数据、用电数据及用户操作日志数据进行数据分析,将所述多个用户按照预设类别进行分类;并根据第三预设规则对每个类别内的多个用户进行等级划分,获取与所述类别对应的第二等级划分结果,并根据所述第二等级划分结果按照预设的标记规则对用户进行评估,获取第二评估结果;其中,所述第二评估结果至少包括活跃用户、停电敏感用户、高价值用户及欠费高风险用户;所述预设类别包括高价值用户类别、停电敏感用户类别及活跃用户类别;
步骤S3,获取所述评估结果,根据评估结果对用户特征进行标记,并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,获取用户特征要素,根据所述用户特征要素匹配预设的服务策略,生成服务策略匹配结果;并获取所述第二评估结果,将所述第二评估结果与所述服务策略匹配结果按第三预设规则进行关联,将关联结果向电力用户的智能终端进行显示;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S2包括:
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。
8.如权利要求7所述的方法,其特征在于,所述步骤S2包括:
获取多个用户的用电数据和缴费数据,根据预设标准调取电量参数和缴费参数,将所述用电量参数或所述缴费参数作为正向计数值;以及根据预设标准调取欠费参数,将所述欠费参数作为负向计数值;根据所述正向计数值和所述负向计数值计算价值判定指标,并将所述价值判定指标大于第一预设判定阈值的用户列为高价值用户类别;获取多个用户的操作日志数据,调取投诉频率p、投诉前的停电时长h,并计算用户的停电敏感指标;将所述停电敏感指标大于第二预设判定阈值的用户列为停电敏感用户类别;获取多个用户的操作日志数据,调取交互操作数据;并根据预设的交互操作项分值计算用户的交互操作总分值,将所述交互操作总分值大于第三预设判定阈值的用户列为活跃用户类别;
根据多个第四预设规则区分所述高价值用户类别内的用户,将所述用户按价值判定指标由高到低依次排序;还根据多个预设判定值区分所述停电敏感用户类别内的用户,将所述用户依次区分为潜在高敏感用户、潜在次高敏感用户、潜在普通用户、潜在低敏感用户;以及根据多个第五预设规则区分所述活跃用户类别内的用户,将所述用户按交互操作总分值由高到低依次排序。
9.如权利要求8所述的方法,其特征在于,所述步骤S2包括:
获取所述用户类别数据,当识别到任一用户被归为多个类别项时,调取该用户的所有类别项数据并根据预设的筛选规则选择出现次数最多的类别项作为所述用户的最终类别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011059565.9A CN112184484B (zh) | 2020-09-30 | 2020-09-30 | 一种电力用户差异化服务方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011059565.9A CN112184484B (zh) | 2020-09-30 | 2020-09-30 | 一种电力用户差异化服务方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112184484A true CN112184484A (zh) | 2021-01-05 |
CN112184484B CN112184484B (zh) | 2023-07-28 |
Family
ID=73946877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011059565.9A Active CN112184484B (zh) | 2020-09-30 | 2020-09-30 | 一种电力用户差异化服务方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112184484B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113822356A (zh) * | 2021-09-22 | 2021-12-21 | 广东电网有限责任公司 | 一种用电用户的分类方法、装置、电子设备及存储介质 |
CN114372835A (zh) * | 2022-03-22 | 2022-04-19 | 佰聆数据股份有限公司 | 综合能源服务潜力客户识别方法、系统及计算机设备 |
CN115730748A (zh) * | 2022-12-30 | 2023-03-03 | 广西电网有限责任公司 | 基于knn算法的电力客户行为预测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108399553A (zh) * | 2018-03-02 | 2018-08-14 | 江苏电力信息技术有限公司 | 一种考虑地理和线路从属关系的用户特征标签设定方法 |
CN108665184A (zh) * | 2018-05-21 | 2018-10-16 | 国网陕西省电力公司咸阳供电公司 | 一种基于大数据征信的电力客户信誉评估方法 |
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系统 |
CN109949004A (zh) * | 2019-03-01 | 2019-06-28 | 长沙理工大学 | 一种客户快速故障定位和聚类算法的用电客户画像新方法 |
-
2020
- 2020-09-30 CN CN202011059565.9A patent/CN112184484B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108399553A (zh) * | 2018-03-02 | 2018-08-14 | 江苏电力信息技术有限公司 | 一种考虑地理和线路从属关系的用户特征标签设定方法 |
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系统 |
CN108665184A (zh) * | 2018-05-21 | 2018-10-16 | 国网陕西省电力公司咸阳供电公司 | 一种基于大数据征信的电力客户信誉评估方法 |
CN109949004A (zh) * | 2019-03-01 | 2019-06-28 | 长沙理工大学 | 一种客户快速故障定位和聚类算法的用电客户画像新方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113822356A (zh) * | 2021-09-22 | 2021-12-21 | 广东电网有限责任公司 | 一种用电用户的分类方法、装置、电子设备及存储介质 |
CN114372835A (zh) * | 2022-03-22 | 2022-04-19 | 佰聆数据股份有限公司 | 综合能源服务潜力客户识别方法、系统及计算机设备 |
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、系统及计算机设备 |
CN115730748A (zh) * | 2022-12-30 | 2023-03-03 | 广西电网有限责任公司 | 基于knn算法的电力客户行为预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112184484B (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112184484B (zh) | 一种电力用户差异化服务方法及系统 | |
CN109063945B (zh) | 一种基于价值评估体系的售电公司360度客户画像构建方法 | |
CN108876034B (zh) | 一种改进的Lasso+RBF神经网络组合预测方法 | |
CN107066616A (zh) | 用于账号处理的方法、装置及电子设备 | |
CN113590698B (zh) | 基于人工智能技术的数据资产分类建模与分级保护方法 | |
Halibas et al. | Determining the intervening effects of exploratory data analysis and feature engineering in telecoms customer churn modelling | |
CN112184489A (zh) | 一种电力用户分群管理系统及方法 | |
CN115203311B (zh) | 一种基于数据大脑的行业数据分析挖掘方法及系统 | |
Tamilselvi et al. | An overview of data mining techniques and applications | |
CN108304990B (zh) | 一种停电敏感预判方法和系统 | |
CN116431931A (zh) | 实时增量数据统计分析方法 | |
Zheng et al. | Anomalous telecom customer behavior detection and clustering analysis based on ISP’s operating data | |
Ali et al. | Fake accounts detection on social media using stack ensemble system | |
CN116823321B (zh) | 一种电商用经济管理数据分析方法及系统 | |
Piramuthu | On learning to predict web traffic | |
Dong et al. | Integrated Machine Learning Approaches for E-commerce Customer Behavior Prediction | |
CN113343077A (zh) | 一种融合用户兴趣时序波动的个性化推荐方法及系统 | |
CN115907937A (zh) | 基于神经网络的供应链金融风险监控方法及系统 | |
CN112184035A (zh) | 一种客户特征要素统计系统及方法 | |
CN111626331B (zh) | 一种自动化行业分类装置及其工作方法 | |
Roelands et al. | Classifying businesses by economic activity using web-based text mining | |
CN112632405B (zh) | 一种推荐方法、装置、设备及存储介质 | |
Strathern et al. | Advanced statistical analysis of large-scale web-based data | |
CN117151870B (zh) | 一种基于客群画像行为分析方法及系统 | |
Hansen | Machine Learning for Economics and Policy |
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 |