基于用户画像的售电套餐精细化营销方法

覃浩， 刘振华， 苏立伟， 方霆， 杜礼锋

(1.广东电网有限责任公司， 客户服务中心， 广东， 广州 510000；2.广东电网有限责任公司， 中山供电局， 广东， 中山 528401)

0 引言

针对日益激烈的市场竞争以及用户需求的日益多样化，提供售电套餐精细化营销方案是大势所趋[1-2]。相关专家给出了一些较好的研究成果，例如王占洋等[3]通过组合销售套餐以及自选套餐形成了4种不同的销售策略，对双寡头售电商的需求函数以及收益函数进行分析，根据模型求解获取电力产品以及增值服务的最优定位，同时对不同售电方案的市场占有率进行分析，获取最佳营销策略。曲朝阳等[4]分别计算不同套餐属性的权重值，获取售电套餐综合相似度，结合计算结果给出最佳营销方案。

以上方法当前获得了较为满意的研究结果，但是由于未能考虑售电对象精准划分问题，导致售电套餐精细化营销利润以及客户满意度下降，售电套餐精细化营销策略制定耗时上升。为此，结合用户画像分析，提出一种基于用户画像的售电套餐精细化营销方法，为提升客户满意度以及售电套餐精细化营销利润，降低营销方案制定耗时提供参考。

1 方法

1.1 用户画像分析

在霍尔三维系统结构的启发下，分析电力系统的实际运行情况，从多个维度对系统整体进行解析以及全面概括，形成基于差异化客户细分的立体概念[5-6]。在该体系中，维度之间呈相交关系，同时，各个维度也是独立的，且功能划分具体，以此组建客户细分三维分析模型，具体结构如图1所示。

针对3个维度分别进行以下分析。

图1 用户细分三维分析结构

1) 稳定度

稳定度模型的建立流程如图2所示。

图2 稳定度模型的建立流程图

(1) 当稳定度指标值较大时，需要进行对数变换，同时，根据原始分布将索引映射到值较小的值范围，在整个过程中，只改变指标值的大小，而不改变数据的分布。

(2) 根据样本数据的流失情况[7]，确定各个指标权重以及系数。

(3) 通过逻辑回归预测目标发生的概率。

(4) 模型验证是整个模型组建过程中十分重要的一个环节，同时还能够验证模型的实际运行效果，对采取的策略进行评价。

2) 偏好度模型建立

偏好是微观经济学价值理论中一个十分基础的概念，它是主观且相关的。偏好是潜藏在人类内心深处的一种情况倾向，通过人类对不同的产品偏好做出主观判断。偏好具有十分明显的个体差异，同时也能够呈现出群体特征，整个模型主要包含7个不同的指标，具体如图3所示。

图3 偏好度指标选取

3) 敏感度

敏感度指客户由于自己所关注的领域发生变化而引发的用电需求变化，但是由于市场以及设施存在高度的动态性以及不确定性，促使产品以及服务无法满足全部客户的需求，导致客户体验满意度降低。该模型主要从多个不同方面进行客户敏感度识别，具体过程如图4所示。

图4 敏感度指标选取

由于“用户画像”属于信息层面，因此需要用数据库的语言进行设计，用来存储“用户画像”所需要数据的数据库有很多，本文选择 SQL Server 数据库，能在电力企业内部共享服务器，查询各种数据，还能够为企业降低管理、生产等各方面的成本。应用SQL Server 数据库在制定评价时，需要依据偏好度指标和敏感度指标，而对营销方案进行评价时，各指标中的最优值即为评价标准。C0(j)表示参考数列，其表达式如下：

C0(j)={C0(1),C0(2),…,C0(m)}

(1)

由于指标值存在不同的目的和含义，对应的数量级和量纲都不相同。当营销方案指标属于“偏好度指标和敏感度指标”中的单一指标时，则需要选取各方案中存在的最大值，此时，采取C0(j)作为评价函数；当营销方案指标同时满足“偏好度指标和敏感度指标”时，参考数列构成的曲线与比较数列构成的曲线之间几何形状越相似，两者之间存在的关联度越大，可以用比较数列Ci(j)表示每个方案的所有指标值：

Ci(j)={Ci(1),Ci(2)F(2),…,Ci(m)}

(2)

式中，j=1,2,…,m表示的是指标在每个方案中的数量，i=1,2,…,n表示的是方案的总数。当评价指标的关联系数集中为一个值，表明关联度最大，此时，采取Ci(j)作为评价函数。

1.2 基于用户画像的售电套餐精细化营销

消费者用电是供电企业生存和发展的基础，其中用电客户是供电企业电费收入的主要来源和良好效益。在分析供电公司实际情况的基础上，结合用户肖像细分结果，细化了用电客户销售包装营销方案。营销体系的具体模型如图5所示。

图5 基于用户画像的售电套餐精细化营销体系模型

图5中，将运营初始信息数据转化为决策支持数据，为电力企业营销决策服务，即将客户价值进行多维聚类分析并对客户进行筛选分类和识别，通过用户画像将客户进行精细划分，从客户细分变量分布特征表示结果能够获取不同用户的具体需求指标，分别制定差异化的售电套餐精细化营销方案，针对不同的用户，精细化营销工作，并对客户的信息动态化管理，为获取精细化营销策略提供依据。

2 仿真实验

为了验证所提基于用户画像的售电套餐精细化营销方法的有效性，在Windows 7、3.4 GHz处理器、4 GB随机存取存储器(RAM)和MATLAB 2012a下进行仿真实验测试。

为了验证客户对营销方案的满意程度，基于仿真软件MATLAB 2012a进行仿真实验，仿真计算机系统为Windows 7、处理器为Intel i5-7500、内存为16 GB、处理器频率为2.93 GHz。在Tonosphere样本数据集中进行实验样本的选取，共选取8个实验样本。分析Tonosphere样本数据集中的用电客户画像，可以构建出用电客户的画像细分因素分别为稳定度——入网时长，流失速度；偏好度——停电时长，用户服务；敏感度——电费单价。根据从样本集中分析出的用户画像，采用本文方法和文献[3]方法、文献[4]方法对8个样本构建营销方案，并通过以下公式对比客户满意度结果：

(3)

式中，D表示用电客户满意度，取值范围为[0,1]，F表示采用营销方案前的用电负荷，F′表示采用营销方案后的用电负荷。具体实验对比结果如表1所示。

表1 不同方法的客户满意度对比结果

分析表1中的实验数据可知：所提方法的客户满意度在3种方法中最高；文献[3]方法的客户满意度次之；文献[4]方法的客户满意度最低。

测试对比3种不同方法的售电套餐精细化营销利润，根据市价计算8个样本售电营销方案的平均利润值。具体实验对比结果如图6所示。

图6 不同方法的售电套餐精细化营销利润对比结果

分析图6中的实验数据可知，所提方法得到的售电套餐精细化营销利润在3种方法中为最高，这是因为所提方法通过多维聚类技术以及用户画像分析进行客户筛选、识别以及分类，有效匹配不同的售电套餐精细化营销方案，实现售电套餐精细化营销，提高营销利润。

为了更加全面验证所提方法的有效性，将8个样本的售电套餐精细化营销策略的总制定耗时作为测试指标。具体的实验对比结果如表2所示。

表2 所提方法的售电套餐精细化营销策略制定耗时对比

分析表2中的实验数据可知，随着测试样本的增加，所提方法的售电套餐精细化营销策略制定耗时也会随之增加。但是在3种方法中，所提方法的售电套餐精细化营销策略制定耗时为最低，这是因为所提方法在实际操作的过程中，对售电对象进行精准划分，促使整个方法的客户满意度增加，售电套餐精细化营销利润上升，售电套餐精细化营销策略制定耗时下降。

3 总结

设计并提出一种基于用户画像的售电套餐精细化营销方法，在该方法的应用下，其客户满意度以及售电套餐精细化营销利润上升，售电套餐精细化营销策略制定耗时下降。