CN115345753A - 一种基于互联网渠道的电力客户消息精准推送方法 - Google Patents
一种基于互联网渠道的电力客户消息精准推送方法 Download PDFInfo
- Publication number
- CN115345753A CN115345753A CN202210785362.0A CN202210785362A CN115345753A CN 115345753 A CN115345753 A CN 115345753A CN 202210785362 A CN202210785362 A CN 202210785362A CN 115345753 A CN115345753 A CN 115345753A
- Authority
- CN
- China
- Prior art keywords
- data
- client
- message
- service
- internet channel
- 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 abstract description 61
- 230000000694 effects Effects 0.000 claims abstract description 14
- 230000010354 integration Effects 0.000 claims abstract description 4
- 230000006399 behavior Effects 0.000 claims description 28
- 238000007726 management method Methods 0.000 claims description 27
- 238000013499 data model Methods 0.000 claims description 19
- 230000005611 electricity Effects 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 238000013524 data verification Methods 0.000 claims description 5
- 230000002068 genetic effect Effects 0.000 claims description 5
- 230000008520 organization Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 210000000349 chromosome Anatomy 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 230000010076 replication Effects 0.000 claims description 2
- 238000004088 simulation Methods 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 21
- 238000011161 development Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000009897 systematic effect Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000010276 construction Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012550 audit Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000052343 Dares Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0224—Discounts or incentives, e.g. coupons or rebates based on user history
-
- 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)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Computational Linguistics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于互联网渠道的电力客户消息精准推送方法,本发明结合现有的互联网技术发展及线上消息应用趋势,将消息推送与网公司现有互联网渠道结合,形成的客户画像与对应的消息推送模式,按需制定灵活可配置的消息模板,实现多元化消息推送。大幅度降低企业经营成本,提升线上服务水平,完善现代供电服务体系。消息推送管理及监督体系,重新梳理了客户消息推送流程,增加反馈环节,以便对互联网渠道客户消息推送工作成效做出考核。加强内部资源整合,高度凝练数据信息,促进业务服务变革。本发明提出的基于互联网渠道的电力客户消息推送新模式具有更优的及时性、定制性、灵活性、应用性和监控性,更加系统化、多元化。
Description
技术领域
本发明涉及电力客户营销的技术领域,尤其涉及一种基于互联网渠道的电力客户消息精准推送方法。
背景技术
近年来,随着电力营销业务的蓬勃发展,为推动提高工作质量与效率、提升电力营销业务应用水平、推进现代供电服务体系建设,要求落实“互联网+电力服务”工作模式,进一步提升线上服务水平。
当前,为有效改善线下通知模式成本高、效率低,短信费用支出庞大,无法实现短信通知,无法实现客服消息定制化发送,只能单向信息传递,并无法对客户点击量进行分析判断从而开展下一步服务引导和增值服务的现状,急需一种基于互联网渠道的电力客户消息推送新模式、新方法。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,本发明提出的基于互联网渠道的电力客户消息推送新模式具有更优的及时性、定制性、灵活性、应用性和监控性,更加系统化、多元化。
为解决上述技术问题,本发明提供如下技术方案,包括:获取用户系统基础数据、在电力相关互联网平台行为数据以及用电习惯数据;完成对数据的采集后,对多源异构数据进行融合,采用电力领域的数据模型标准构建设备公共信息模型,针对新业务的分析需求,在结合公共信息模型基础上对原有模型进行改动;根据客户的不同类型和客户标签,建立客户行为与客户标签对应客户画像,在获得客户的标签信息以及客户行为数据后,采用GA—BP神经网络客户画像构建;明确每类指标和各业务场景的定义,通过横纵指标、点面结合的指标多维综合评价体系,对用电客户进行精准管理和精准营销。
作为本发明所述的基于互联网渠道的电力客户消息精准推送方法的一种优选方案,其中:包括:获取具体的数据包括:
基础业务数据、公共数据、运营数据、日志数据以及第三方数据;客户的基本信息与操作行为渠道,感知客户的操作行为数据,获取消息推送阅读量和客户的操作行为数据量;用电客户的电费数据、缴费数据、服务数据以及终端采集数据。
作为本发明所述的基于互联网渠道的电力客户消息精准推送方法的一种优选方案,其中:针对新业务根据营销业务需求和营销数据模型,梳理并分析电力数据模型中的类、属性以及关联关系;若电力数据模型中某个类能够满足业务需求,则直接使用此类、属性以及关系;
若电力数据模型中的某个类能够部分满足业务需求,则选择此类,同时设计创建一个新类并继承所选择的类,然后根据实际业务需求在所建新类中添加属性,最后根据继承类的关联关系以及实际业务关系决定是否添加新的关联关系。
作为本发明所述的基于互联网渠道的电力客户消息精准推送方法的一种优选方案,其中:若模型中没有完全符合或部分符合业务需求的类时,创建一个新类,新创建的类要继承其他类或直接继承基类,然后向新类中添加新属性,根据业务需求与其他类进行关联;若涉及到新业务,按照电力数据模型中抽象业务类,并继承数据模型标准中的类,然后添加属性。
作为本发明所述的基于互联网渠道的电力客户消息精准推送方法的一种优选方案,其中:包括:针对现有各业务系统的数据的存储与管理,采用新型数据仓库的组织管理方式,进行抽取、清理,并有效集成,按照主题进行组织,在进入仓库之前的进行数据校验;数据校验时,若验证正确的数据,进入加载处理(增量/全量)环节;若校验不通过的数据,进入到脏数据区,脏数据人工介入处理;生成数据质量报告。
作为本发明所述的基于互联网渠道的电力客户消息精准推送方法的一种优选方案,其中:根据客户的不同类型和客户标签,建立客户行为与客户标签对应客户画像,在获得客户的标签信息以及客户行为数据后,采用GA—BP神经网络进行客户画像的构建。
作为本发明所述的基于互联网渠道的电力客户消息精准推送方法的一种优选方案,其中:包括:GA—BP神经网络进行待优化问题的遗传表示,确定网络拓扑结构,GA算法对网络进行权值阈值编码,得到初始种群;BP网络训练获得均方误差作为适应度值,选择适应度高的染色体进行负责,交叉变异计算适应度,进行误差是否满足条件的判定,若否,则重新进行染色体复制;若是,则优化初始权值和阈值,使用测试样本测试网络,计算期望输出及实际误差;判定误差是否满足目标要求,若是则进行仿真、分类;若否,则重新选择适应度。
作为本发明所述的基于互联网渠道的电力客户消息精准推送方法的一种优选方案,其中:以客户获取信息后的操作为主要参考基准,建立效果检验指标,收集、筛选、统计、分析指标数据,得到消息推送服务效果反馈;利用互联网技术手段实现互联网渠道的客户消息推送闭环管理,形成互联网渠道客户消息推送指标评价体系,以便对互联网渠道客户消息推送工作成效做出考核。
作为本发明所述的基于互联网渠道的电力客户消息精准推送方法的一种优选方案,其中:建立服务消息推送标准,建立“智能+人工”识别机制和“监管-反馈”在线互动机制。
本发明的有益效果:本发明结合现有的互联网技术发展及线上消息应用趋势,将消息推送与网公司现有互联网渠道结合,形成的客户画像与对应的消息推送模式,按需制定灵活可配置的消息模板,实现多元化消息推送。形成互联网渠道推送消息,大幅度降低企业经营成本,提升线上服务水平,完善现代供电服务体系。变革用户获取信息方式,支持客户获取更多服务咨询,与客服人员进行线上沟通,实现个性化服务。完善的客户消息推送管理及监督体系,重新梳理了客户消息推送流程,增加反馈环节,以便对互联网渠道客户消息推送工作成效做出考核。加强内部资源整合,高度凝练数据信息,促进业务服务变革。本发明提出的基于互联网渠道的电力客户消息推送新模式具有更优的及时性、定制性、灵活性、应用性和监控性,更加系统化、多元化。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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,还可以根据这些附图获得其它的附图。其中:
图1为本发明实施例所述的基于互联网渠道的电力客户消息精准推送方法的流程示意图。
图2为本发明实施例所述的基于互联网渠道的电力客户消息精准推送方法的模型修改逻辑框图。
图3为本发明实施例所述的基于互联网渠道的电力客户消息精准推送方法的数据处理流程示意图。
图4为本发明实施例所述的基于互联网渠道的电力客户消息精准推送方法的客户画像分类维度示意图。
图5为本发明实施例所述的基于互联网渠道的电力客户消息精准推送方法的GA-BP神经网络的客户画像构建流程示意图。
图6为本发明实施例所述的基于互联网渠道的电力客户消息精准推送方法的系统框架示意图。
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,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
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,但是本发明还可以采用其他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推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1,为本发明的第一个实施例,该实施例提供了一种基于互联网渠道的电力客户消息精准推送方法,包括:
围绕服务消息可订阅、消息阅读量可分析、客户可通过互联网渠道获取更多电子服务信息的三大目标,通过互联网渠道的客户消息推送体系研究,形成多源数据获取、异构数据融合、客户画像建立、消息精准推送及反馈四个步骤,搭建互联网渠道的客户消息推送与决策模型,促进业务服务变革。优化现有的互联网渠道客户消息推送策略,并提出互联网渠道客户消息推送的管理规范建议。
S1:获取用户系统基础数据、在电力相关互联网平台行为数据以及用电习惯数据。
分析的前提是数据获取,本技术通过获取系统基础数据、用户在电力相关互联网平台行为数据、用户用电习惯数据。具体如下:
(1)基础业务数据(电费敏感客户数据等)、公共数据、运营数据、日志数据以及第三方数据。
(2)客户的基本信息与操作行为渠道,感知客户的操作行为数据,获取消息推送阅读量和客户的操作行为数据量。
(3)用电客户的电费数据、缴费数据、服务数据以及终端采集数据。
S2:完成对数据的采集后,对多源异构数据进行融合,采用电力领域的数据模型标准构建设备公共信息模型,针对新业务的分析需求,在结合公共信息模型基础上对原有模型进行改动。
数据来源于不同的业务系统、采集终端,完成对数据的采集后,需要多源异构数据进行融合。
(1)数据模型的构建及扩展
随着智能电网的发展,信息模型融合已成为推动电网异构系统兼容、互动和优化的关键技术之一,为了更好的实现信息交互,国际电工委员会定义了公共信息模型(CommonInformation Model,CIM),来规范异构系统间信息交互的公共语义及语法,同时也定义了其他标准,对电力系统资源进行描述。
其中IEC61970-301/61968-11是世界电力领域公认的数据模型标准。,可以实现各系统数据模型和交互接口的标准化、规范化以及国际化,有助于推动数据采录、维护以及建模工作的开展。
对于新业务的分析需求,需要在结合IEC CIM的基础上对原有模型进行改动。
(a)根据营销业务需求和营销数据模型,梳理并分析IEC 61970-301和IEC 61968-11 CIM模型中的类、属性以及关联关系,如果IEC 61970-301和IEC 61968-11 CIM中某个类能够满足业务需求,则直接使用此类、属性以及关系。
(b)如果IEC 61970-301和IEC 61968-11 CIM中的某个类能够部分满足业务需求,则选择此类,同时设计创建一个新类并继承所选择的类,然后根据实际业务需求在所建新类中添加属性,最后根据继承类的关联关系以及实际业务关系决定是否添加新的关联关系。
(c)如果IEC 61970-301和IEC 61968-11 CIM中没有完全符合或部分符合业务需求的类时,创建一个新类,新创建的类要继承其他类或直接继承基类Identified Object,然后向新类中添加新属性,根据业务需求与其他类进行关联。
(d)如果涉及到新业务,按照IEC 61970-301和IEC 61968-11 CIM抽象业务类,并继承IEC CIM标准中的类,然后添加属性。
(2)数据的处理
数据的存储与管理是整个数据仓库系统的核心。数据仓库的组织管理方式决定了它有别于传统数据库,同时也决定了其对外部数据的表现形式。要决定采用什么产品和技术来建立数据仓库的核心,则需要从数据仓库的技术特点着手分析。针对现有各业务系统的数据,进行抽取、清理,并有效集成,按照主题进行组织。
从数据源卸载出来的数据,进入仓库之前的第一个步骤就需要进行数据校验。
数据校验的前提是在元数据中建立一套合适的数据标准。而其中,最重要的是确定每个字段的取值范围。基于这个数据标准,同步建立一套程序用于检查将要进入仓库的数据的有效性。这套程序不但在运行阶段每日检查,在数据分析阶段也会用来做数据质量的检查。
数据的取值范围一般包括如下几种:是否可空;数值的取值范围:整数/小数点,取值起止范围等;取值的枚举范围;另外,还需要考虑数据是否有重复,乱码之类,对于从一些老旧系统导出的数据出现这个问题的可能性较大。数据校验是最容易通过元数据驱动实现的模块。一般情况都应该利用元数据开发一套通用程序来处理。
数据校验的输出有以下三个:验证正确的数据,进入加载处理(增量/全量)环节;校验不通过的数据,进入到脏数据区,一般情况脏数据都需要人工介入处理;生成数据质量报告,包含每个表、字段的空值率,有效率等。
S3:根据客户的不同类型和客户标签,建立客户行为与客户标签对应客户画像,在获得客户的标签信息以及客户行为数据后,采用GA—BP神经网络客户画像构建。
根据客户的不同类型(客户标签),建立客户行为与客户标签对应客户画像。基本的客户画像构建维度如图4所示。
关于客户画像的建立,根据年龄、地域用户行为,若想推动一个电费优惠活动,其要采集的主要信息是用户行为,即用户用电量:用户月使用量是50度或者30度,以及相对应的缴费行为,比如是交50用50,还是提前交或者欠费,和年电费使用量,根据以上信息若可以确定用户画像是中等收入以下的用户,则可以推送便宜优惠活动政策。
若新服务活动是针对企业和大客户,则分类指标就相应的进行改变。可以将用户画像简单定义为:价格敏感;价格中型;价格不敏感。也可以针对相应情况进行细化。
GA—BP神经网络的主要作用是进行筛查多余画像,将用户信息进行聚类,然后再进行分类。在获得客户的标签信息以及客户行为数据后,GA—BP神经网络客户画像构建的基本思路和原理如下:
BP神经网络虽然在故障分类识别的应用中卓有成效,但是当输入的样本数量较多,输入输出之间的函数关系较为复杂时,BP神经网络固有的缺陷就会显现,网络会出现局部最优,收敛缓慢,甚至是不收敛,最终不能达到分类的速度和准确度要求,造成分类失败的后果。GA能够实现全局搜索,可有效应对BP网络易出现局部最值的不利状况。一般情况下,网络的初始权值和阈值随机产生,未进行预设,容易造成BP网络振荡出现不收敛问题,GA获得全局最优解的能力正好弥补这一缺点,求解出最优的初始权值和阈值。
GA受生物进化理论的启发,适用于全局问题,无可微、连续等要求,在GA中,待优化问题的个体所在的群体正朝着更好的种群进化,每个个体都具备交叉和变异等产生多样性的进化属性,个体通常表示为0和1的形式。
进化具有随机性,这意味着选择操作无需人为设定,交叉和变异也不以人的意志为转移,但是进化所产生的结果将受到适应度的制约,进化产生的新的个体有着不同的适应度,适应度通常用以决定优化问题中目标函数的值。进化的目的就是通过改变个体原有的基因组成,发现更加优质的个体,将其组成新的种群,正如生物进化一样,算法中个体的改变将一直进行下去,周而复始,新的一代和父代完成接力,不断取代其父代,不断实现种群优化。当生成最大数量的个体数目或者达到满意的适应水平时,算法终止。
GA通常需要完成两项任务:其一是待优化问题的遗传表示;其二是找寻合适的适应度函数来评价迭代过程。适应度函数的确定主要有两种方式。其一,适应度函数直接成为待优化问题的目标函数。
结合GA,旨在防止BP网络训练过程中发生局部最优,训练中止,无法满足解决实际问题的性能要求。GA高效获得全局最优解的优势正好填补了BP网络的性能洼地,解决BP网络训练过程中出现的问题。
一般情况下,网络的初始状态值不预设,由系统随机产生,容易造成BP网络振荡甚至出现局部收敛或者不收敛,GA高效获得全局最优解的优势正好填补了BP网络的性能洼地,解决了初始权值阈值不确定性带来的问题。
S4:明确每类指标和各业务场景的定义,通过横纵指标、点面结合的指标多维综合评价体系,对用电客户进行精准管理和精准营销。
以客户获取信息后的操作为主要参考基准,建立效果检验指标,收集、筛选、统计、分析指标数据,得到消息推送服务效果反馈,利用互联网技术手段实现互联网渠道的客户消息推送闭环管理,形成互联网渠道客户消息推送指标评价体系,以便对互联网渠道客户消息推送工作成效做出考核。
该体系包含四个部分:
(1)建立服务消息推送标准。从消息对象、内容类型等维度出发,梳理互联网渠道消息推送的类型。细分互联网渠道客户消息类型后,运营管理者全方位了解推送状态,准确定位折损原因,根据内容设置时长,在内容时效性与触达率两者之间做平衡,以达效果最大化。
(2)建立“智能+人工”识别机制。系统统根据数据来源、触发条件、决策模型、下发策略等要素,自动识别发送,并对该类推送消息进行统计分析,进入监管。人工辅助识别,系统根据已配置的触发条件以外的消息推送预判,并发送相关推送信息给运营管理人员,由运营管理人员决定是否推送。
(3)“监管-反馈”在线互动机制,发挥质量把控和压力释放双重作用。建立科学有效的“监管---反馈”互动机制,推动消息推送管理者敢管、愿管、会管,促使消息发送接受监管逐渐成为常态。
(4)健全节点控制和全程留痕机制,确保互联网渠道客户消息推送的监管落地落实。围绕推送用户的全生命周期,针对“可下发状态-成功下发-触达-展示”的过程进行系统化梳理,输出推送各个阶段的流程管理节点控制。
实施例2
参照图2,为本发明的第二个实施例,对本方法中采用的技术效果加以验证说明,如图6,本发明具体实施例的具体内容如下所示:
1)示范应用目标
提升互联网渠道消息推送监控管理的统筹能力,精益细化管理粒度,准确进行业务流程把控与指导提升。
2)示范应用业务需要
适用范围应满足云南省、地市(州)、区县、所等层级管理需求,符合管理、普通人员等角色的消息推送使用要求,适应不同消息通知的场景需要。
3)示范应用系统
系统分为展示层–服务管控–分析层–数据汇聚层。
·展示层
包含企业战略指标实践汇报、各管理层级运营监控全景监视,直观地展示各个层级渠道客户消息推送指标监控概况,立体式掌控全省各层级客户消息推送指标监控整体情况。
·监控层
包含消息推送流程监控、指标评价监控、消息下发管控;按推送流程分类,消息内容管理、消息推送服务、消息推送策略、消息推送触达;从消息内容管理分为消息模板规范(停电通知、催费通知、消息通知)和渠道资讯管理;推送策略包括推送对象、推送时间、推送频次、推送触发条件;消息触达包括消息群组、发送审核、消息互动、发送模式、发送策略。
消息推送服务管控还包含应用功能模块,各个管理层级直观了解消息推送整体概况、消息推送指标排名、消息推送明细。落实监控平台指标网、省、地(市、州)、区(县)、所多层级全覆盖,做到指标明确到管控对象,指标监控延伸至供电所。
·分析层
统计消息推送的基本信息,形成趋势分析报表;指标分析,实现消息推送过程中的关键指标管理,助力消息推送决策模型优化。
·汇聚层
整合云南电网营销系统、南网电网客户服务平台、95598热线服务、营业厅等渠道所有客户的接触点,获取现有业务系统及渠道用户侧埋点的数据,以保证互联网渠道客户消息推送体系收集更全面的客户信息;该层基本为数据底层。
4)示范应用的优化
·消息推送指标监控
将数据转换成图形或图像集中展示在信息界面,实现可视化展示消息推送服务监控指标,逐步取替传统人工进行表格数据统计,更直观体现数据比对与趋势发展,为对话、探索、交流提供便利,使用不同颜色标记指标所对应的完成度与异常状态,完成消息推送服务的核心监控指标展示。
·异常监控预警
设置异常情况预警(自定义预警阈值),异常监控划分异常级别,把指标监控中的异常信息发送消息或发起异常监控处理事件至相关负责人,负责人可审核、整改异常信息,并反馈。
消息推送指标结果通过人工智能分类并预判,系统自动推送发送消息或发起异常监控处理流程至相关负责人。相关负责人对异常信息进行审核、整改,并反馈,系统内部记录各流程关键点的执行时间,提供给后续分析统计。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种基于互联网渠道的电力客户消息精准推送方法,其特征在于,包括:
获取用户系统基础数据、在电力相关互联网平台行为数据以及用电习惯数据;
完成对数据的采集后,对多源异构数据进行融合,采用电力领域的数据模型标准构建设备公共信息模型,针对新业务的分析需求,在结合公共信息模型基础上对原有模型进行改动;
根据客户的不同类型和客户标签,建立客户行为与客户标签对应客户画像,在获得客户的标签信息以及客户行为数据后,采用GA—BP神经网络客户画像构建;
明确每类指标和各业务场景的定义,通过横纵指标、点面结合的指标多维综合评价体系,对用电客户进行精准管理和精准营销。
2.如权利要求1所述的基于互联网渠道的电力客户消息精准推送方法,其特征在于,获取具体的数据包括:
基础业务数据、公共数据、运营数据、日志数据以及第三方数据;客户的基本信息与操作行为渠道,感知客户的操作行为数据,获取消息推送阅读量和客户的操作行为数据量;用电客户的电费数据、缴费数据、服务数据以及终端采集数据。
3.如权利要求2所述的基于互联网渠道的电力客户消息精准推送方法,其特征在于,包括:
针对新业务根据营销业务需求和营销数据模型,梳理并分析电力数据模型中的类、属性以及关联关系;若电力数据模型中某个类能够满足业务需求,则直接使用此类、属性以及关系;
若电力数据模型中的某个类能够部分满足业务需求,则选择此类,同时设计创建一个新类并继承所选择的类,然后根据实际业务需求在所建新类中添加属性,最后根据继承类的关联关系以及实际业务关系决定是否添加新的关联关系。
4.如权利要求3所述的基于互联网渠道的电力客户消息精准推送方法,其特征在于,包括:
若模型中没有完全符合或部分符合业务需求的类时,创建一个新类,新创建的类要继承其他类或直接继承基类,然后向新类中添加新属性,根据业务需求与其他类进行关联;
若涉及到新业务,按照电力数据模型中抽象业务类,并继承数据模型标准中的类,然后添加属性。
5.如权利要求4所述的基于互联网渠道的电力客户消息精准推送方法,其特征在于,包括:
针对现有各业务系统的数据的存储与管理,采用新型数据仓库的组织管理方式,进行抽取、清理,并有效集成,按照主题进行组织,在进入仓库之前的进行数据校验;
数据校验时,若验证正确的数据,进入加载处理(增量/全量)环节;若校验不通过的数据,进入到脏数据区,脏数据人工介入处理;生成数据质量报告。
6.如权利要求5所述的基于互联网渠道的电力客户消息精准推送方法,其特征在于,包括:
根据客户的不同类型和客户标签,建立客户行为与客户标签对应客户画像,在获得客户的标签信息以及客户行为数据后,采用GA—BP神经网络进行客户画像的构建。
7.如权利要求6所述的基于互联网渠道的电力客户消息精准推送方法,其特征在于,包括:
GA—BP神经网络进行待优化问题的遗传表示,确定网络拓扑结构,GA算法对网络进行权值阈值编码,得到初始种群;
BP网络训练获得均方误差作为适应度值,选择适应度高的染色体进行负责,交叉变异计算适应度,进行误差是否满足条件的判定,
若否,则重新进行染色体复制;若是,则优化初始权值和阈值,使用测试样本测试网络,计算期望输出及实际误差;
判定误差是否满足目标要求,若是则进行仿真、分类;若否,则重新选择适应度。
8.如权利要求7所述的基于互联网渠道的电力客户消息精准推送方法,其特征在于,包括:以客户获取信息后的操作为主要参考基准,建立效果检验指标,收集、筛选、统计、分析指标数据,得到消息推送服务效果反馈;
利用互联网技术手段实现互联网渠道的客户消息推送闭环管理,形成互联网渠道客户消息推送指标评价体系,以便对互联网渠道客户消息推送工作成效做出考核。
9.如权利要求8所述的基于互联网渠道的电力客户消息精准推送方法,其特征在于,包括:建立服务消息推送标准,建立“智能+人工”识别机制和“监管-反馈”在线互动机制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210785362.0A CN115345753A (zh) | 2022-07-04 | 2022-07-04 | 一种基于互联网渠道的电力客户消息精准推送方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210785362.0A CN115345753A (zh) | 2022-07-04 | 2022-07-04 | 一种基于互联网渠道的电力客户消息精准推送方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115345753A true CN115345753A (zh) | 2022-11-15 |
Family
ID=83947589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210785362.0A Pending CN115345753A (zh) | 2022-07-04 | 2022-07-04 | 一种基于互联网渠道的电力客户消息精准推送方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115345753A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116862592A (zh) * | 2023-07-31 | 2023-10-10 | 广州有机云计算有限责任公司 | 一种基于用户行为的sop私域营销信息自动推送方法 |
-
2022
- 2022-07-04 CN CN202210785362.0A patent/CN115345753A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116862592A (zh) * | 2023-07-31 | 2023-10-10 | 广州有机云计算有限责任公司 | 一种基于用户行为的sop私域营销信息自动推送方法 |
CN116862592B (zh) * | 2023-07-31 | 2024-03-29 | 广州有机云计算有限责任公司 | 一种基于用户行为的sop私域营销信息自动推送方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109447364B (zh) | 基于标签的电力客户投诉预测方法 | |
CN111552700B (zh) | 一种用于对电力系统项目进行动态审计的智慧审计系统 | |
Tian et al. | Hybrid single-valued neutrosophic MCGDM with QFD for market segment evaluation and selection | |
CN105868373B (zh) | 电力业务信息系统关键数据处理方法及装置 | |
CN113872813B (zh) | 一种载波通信设备全生命周期管理方法及系统 | |
CN116011827B (zh) | 一种用于重点小区的停电监测分析与预警系统及方法 | |
CN115345753A (zh) | 一种基于互联网渠道的电力客户消息精准推送方法 | |
CN115470195A (zh) | 一种融合维度模型的指标数据自动化计算方法及装置 | |
CN115964272A (zh) | 交易数据自动化测试方法、装置、设备及可读存储介质 | |
CN115330404A (zh) | 用于电力营销稽查的系统及方法 | |
CN112395370B (zh) | 一种数据处理方法、装置、设备和存储介质 | |
CN117236665B (zh) | 物资生产调度优化方法及系统 | |
WO2019140553A1 (zh) | 配电系统的健康指数确定方法及装置、计算机存储介质 | |
CN117390015A (zh) | 电池护照的存储方法、设备及存储介质 | |
CN115879826A (zh) | 一种基于大数据的精细化工工艺质检方法、系统及介质 | |
CN115328900A (zh) | 一种时段性智能电表数据采集及分析系统 | |
Zhao et al. | Data-driven approach to identify obsolete functions of products for design improvements | |
CN113469559A (zh) | 一种基于数据质量检查的质量位设计与展示方法及系统 | |
Li et al. | Research on digital transformation maturity evaluation of automotive enterprises: Based on EWM, AHP, DEMATEL, etc. method | |
CN115438036B (zh) | 电网统一指标库数据冗余处理系统及方法 | |
CN112215494B (zh) | 一种居民用电的房屋租赁识别方法及系统 | |
CN111858291B (zh) | 计费系统迁移测试中数据异常的根因确定方法、设备及系统 | |
Zhu et al. | Research on methods for discovering and selecting cloud infrastructure services based on feature modeling | |
Leite | Prediction Analysis of Forced Shutdowns in Brazilian Type I Hydropower Plants | |
Qian et al. | Enhancing power utilization analysis: detecting aberrant patterns of electricity consumption |
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 |