于輝+廖小紅

摘要：客戶服務(wù)能力已經(jīng)成為電力企業(yè)工作的一個(gè)十分重要的部分，如何提高電力企業(yè)的客戶服務(wù)能力是擺在電力企業(yè)面前的一個(gè)問題。差異化的客戶服務(wù)是電力企業(yè)提升客戶服務(wù)能力的一個(gè)重要的手段?？蛻艏?xì)分是差異化客戶服務(wù)的基礎(chǔ)，本文的主要工作是對(duì)客戶細(xì)分的主要方法進(jìn)行綜述，為電力企業(yè)客戶細(xì)分相關(guān)工作者提供一些啟示。

關(guān)鍵詞：客戶服務(wù)能力 客戶細(xì)分 電力企業(yè) 方法

隨著我國改革開放的不斷深入，我國的經(jīng)濟(jì)發(fā)展步入了一個(gè)新的時(shí)期。電力企業(yè)作為經(jīng)濟(jì)發(fā)展的保障性行業(yè)也迎來了新的發(fā)展契機(jī)。在新的時(shí)期中，電力企業(yè)不僅要注重供電可靠性，同時(shí)也要注重客戶服務(wù)能力的提升?？蛻舴?wù)能力已經(jīng)成為電力企業(yè)工作的一個(gè)十分重要的部分，如何提高電力企業(yè)的客戶服務(wù)能力是擺在電力企業(yè)面前的一個(gè)問題。差異化的客戶服務(wù)是電力企業(yè)提升客戶服務(wù)能力的一個(gè)重要的手段?？蛻艏?xì)分是差異化客戶服務(wù)的基礎(chǔ)，本文的主要工作是對(duì)客戶細(xì)分的主要方法進(jìn)行綜述，為電力企業(yè)客戶細(xì)分相關(guān)工作者提供一些啟示。

1 心理細(xì)分

心理細(xì)分所建立的基礎(chǔ)是對(duì)客戶有充分的了解，通過對(duì)客戶的充分了解可以找到更優(yōu)的客戶服務(wù)手段。心理細(xì)分主要分為兩類，分別是基于客戶價(jià)值的客戶細(xì)分和基于客戶生命周期的客戶細(xì)分?；诳蛻魞r(jià)值的客戶細(xì)分方法所依據(jù)的主要信息是客戶的價(jià)值信息，客戶價(jià)值是企業(yè)從客戶那里獲得的利潤的總現(xiàn)值。基于客戶價(jià)值的客戶細(xì)分方法包括兩種主要方法，分別是利潤分類法和客戶價(jià)值細(xì)分理論?；诳蛻羯芷诘目蛻艏?xì)分方法所依據(jù)的信息是客戶生命周期，客戶生命周期是指客戶關(guān)系的水平隨時(shí)間變化的發(fā)展軌跡，它描述了客戶關(guān)系從一種狀態(tài)或一個(gè)階段向另一種狀態(tài)或另一階段運(yùn)動(dòng)的總體特征?；诳蛻羯芷诘目蛻艏?xì)分方法主要有兩種，分別是忠誠度分類法和依據(jù)客戶關(guān)系不同階段的劃分法。

2 統(tǒng)計(jì)細(xì)分

統(tǒng)計(jì)細(xì)分方法的原理是根據(jù)客戶統(tǒng)計(jì)學(xué)方面的特性對(duì)客戶進(jìn)行細(xì)分?？蛻舻慕y(tǒng)計(jì)特性主要包括客戶的性別、年齡、職業(yè)、收入等等。統(tǒng)計(jì)細(xì)分方法的優(yōu)點(diǎn)主要在于簡單、易于實(shí)現(xiàn)，由于具有以上特點(diǎn)，統(tǒng)計(jì)細(xì)分方法在客戶細(xì)分中應(yīng)用的也較廣泛。但是由于統(tǒng)計(jì)細(xì)分法較難反映客戶需求、客戶價(jià)值和客戶關(guān)系等，該種方法也具有明顯的不足，統(tǒng)計(jì)細(xì)分已逐漸被其它性能更優(yōu)的客戶細(xì)分方法所取代。

3 行為細(xì)分

行為細(xì)分方法是一種基于預(yù)測(cè)的細(xì)分方法，該種方法通過已有的行為模式來挖掘新的行為模式?？蛻粢淹男袨榕c他將來的行為之間有必然的相關(guān)性，過去的客戶行為可以作為預(yù)測(cè)客戶將來行為的依據(jù)。行為細(xì)分方法的基本原理就是根據(jù)客戶過去的行為來對(duì)客戶將來的行為進(jìn)行預(yù)測(cè)。行為細(xì)分方法運(yùn)用了人工智能的方法，一些人工智能中經(jīng)典的方法被運(yùn)用到行為細(xì)分中。行為細(xì)分方法包括很多的具體方法，下面將對(duì)主要的一些方法進(jìn)行介紹。

3.1 RFM分析 RFM是在1994年由Hughes提出的一種行為細(xì)分方法。RFM模型是衡量客戶價(jià)值和客戶創(chuàng)利能力的重要工具和手段。該機(jī)械模型通過一個(gè)客戶的近期購買行為、購買的總體頻率以及花了多少錢三項(xiàng)指標(biāo)來描述該客戶的價(jià)值狀況。R代表最近一次消費(fèi)（Recency），F(xiàn)代表消費(fèi)頻率（Frequency），M代表消費(fèi)金額（Monetary）。RFM方法通過計(jì)算以上三個(gè)量的乘積，對(duì)三個(gè)量的乘積結(jié)果進(jìn)行排序，將客戶按20%、60%、20%進(jìn)行分類，采用有區(qū)別的策略來對(duì)待不同的客戶群。該種方法所存在的主要的不足是分析過程復(fù)雜、耗時(shí)，F(xiàn)和M兩個(gè)量之間存在多重共線性。

3.2 客戶價(jià)值矩陣 客戶價(jià)值矩陣是由Marcus于1998年提出的一種客戶細(xì)分方法?？蛻魞r(jià)值矩陣的最核心的思想是采用購買次數(shù)據(jù)F和平均購買額A構(gòu)建二維的客戶價(jià)值矩陣模型。所有的客戶將被分類到通過采用購買次數(shù)據(jù)F和平均購買額A構(gòu)建二維的客戶價(jià)值矩陣模型的四個(gè)象限中，對(duì)四個(gè)象限中的不同用戶采用不同的營銷策略。該種方法最主要的問題在于其只能對(duì)已經(jīng)擁有的客戶進(jìn)行定義和評(píng)價(jià)，而對(duì)于未知的用戶該種方法則無能為力。

3.3 聚類分析 聚類分析是人工智能領(lǐng)域中一個(gè)概念，聚類分析屬于無監(jiān)督的學(xué)習(xí)方法。聚類方法的主要思想是把相似的樣本歸為一類，使得類內(nèi)樣本屬性同質(zhì)性較高，而類間的同質(zhì)性較低。采用取類分析需要收集客戶的屬性值，通過屬性值構(gòu)建屬性矩陣，再通過聚類分析方法對(duì)屬性矩陣進(jìn)行分析，從而達(dá)到對(duì)客戶進(jìn)行分群的目的。聚類方法主要包括的子方法有層次法、劃分法、基于密度的方法、基于網(wǎng)格的方法以及基于模型的方法等等。

層次法對(duì)給定的數(shù)據(jù)集合進(jìn)行層次的分解，分為凝聚的和分裂的。不管是在類的合并或分裂過程中，都需要考察類間的距離。劃分法是在給定的k中先建立一個(gè)初始劃分，再通過反復(fù)迭代改變其分組，達(dá)到同一分組中的距離越近越好，而不同分組中的距離越遠(yuǎn)越好?；诿芏鹊姆椒ú幌衿渌愂腔趯?duì)象之間的距離進(jìn)行聚類，它們只能發(fā)現(xiàn)球狀的類，而基于密度的方法卻能夠發(fā)現(xiàn)任意類型的類。它的基本指導(dǎo)思想是，只要鄰近區(qū)域的密度超過某個(gè)閾值，就繼續(xù)聚類。這樣的方法可以發(fā)現(xiàn)任意形狀的類，并且過濾掉噪聲數(shù)據(jù)，但算法計(jì)算復(fù)雜度高，對(duì)于某些的數(shù)據(jù)集比如密度不均的往往得不到滿意的聚類，結(jié)果。此方法屬于聚類操作都是在把對(duì)象空間量化為有限數(shù)目的單元的網(wǎng)格結(jié)構(gòu)中進(jìn)行的?；谀Ｐ偷姆椒ㄊ菫槊總€(gè)類假定一個(gè)模型，再尋找對(duì)給定模型的最佳數(shù)據(jù)擬合。此類方法主要有兩類，分別為統(tǒng)計(jì)學(xué)方法和神經(jīng)網(wǎng)絡(luò)方法。

3.4 人工神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)網(wǎng)絡(luò)同聚類方法類似，相同點(diǎn)在于它是人工智能領(lǐng)域中的一個(gè)概念，不同點(diǎn)在于聚類分析是無監(jiān)督的學(xué)習(xí)方法，而人工神經(jīng)網(wǎng)絡(luò)是一種有監(jiān)督的學(xué)習(xí)方法。人工神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用類似于大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型。在工程與學(xué)術(shù)界也常直接簡稱為神經(jīng)網(wǎng)絡(luò)或類神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是一種運(yùn)算模型，由大量的節(jié)點(diǎn)（或稱神經(jīng)元）之間相互聯(lián)接構(gòu)成。每個(gè)節(jié)點(diǎn)代表一種特定的輸出函數(shù)，稱為激勵(lì)函數(shù)（activation function）。每兩個(gè)節(jié)點(diǎn)間的連接都代表一個(gè)對(duì)于通過該連接信號(hào)的加權(quán)值，稱之為權(quán)重，這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。網(wǎng)絡(luò)的輸出則依網(wǎng)絡(luò)的連接方式，權(quán)重值和激勵(lì)函數(shù)的不同而不同。而網(wǎng)絡(luò)自身通常都是對(duì)自然界某種算法或者函數(shù)的逼近，也可能是對(duì)一種邏輯策略的表達(dá)。endprint

4 客戶細(xì)分對(duì)電力企業(yè)的意義

電力企業(yè)的最主要的社會(huì)責(zé)任是保障人民的生產(chǎn)和生活用電，電力企業(yè)是一個(gè)服務(wù)性質(zhì)的企業(yè)，客戶服務(wù)質(zhì)量對(duì)電力企業(yè)是尤為重要的，在現(xiàn)代，電力企業(yè)越來越看重客戶服務(wù)質(zhì)量。對(duì)于電力企業(yè)來說，用電客戶是不同的，將用戶客戶進(jìn)行分類，對(duì)屬于不同類別的用電客戶進(jìn)行差異化服務(wù)是電力企業(yè)提高客戶服務(wù)質(zhì)量的一個(gè)有效的途徑。

電力企業(yè)在進(jìn)行客戶線分析時(shí)，要根據(jù)企業(yè)自身的實(shí)際情況，有選擇的使用已有的客戶細(xì)分方法，必要時(shí)要根據(jù)實(shí)際情況對(duì)現(xiàn)有的細(xì)分方法進(jìn)行調(diào)整以適應(yīng)電力企業(yè)實(shí)際細(xì)分工作的開展。電力企業(yè)在進(jìn)行客戶細(xì)分工作時(shí)，要注重相關(guān)人才的培養(yǎng)，注重培養(yǎng)一批既懂業(yè)務(wù)又懂細(xì)分方法的人才，服務(wù)于電力企業(yè)客戶細(xì)分工作。

客戶細(xì)分不是一個(gè)一成不變的問題，客戶的群屬性是不斷變化的。例如，某用客可能因?yàn)榧彝ナ杖氲脑黾訌男∮秒娏靠蛻糇兂蔀榇笥秒娏靠蛻簟ｋ娏ζ髽I(yè)要清楚的了解這一點(diǎn)，要周期性的對(duì)客戶進(jìn)行細(xì)分，保證客戶都處于他們實(shí)際的群體中，從而使對(duì)客戶的差異化服務(wù)做到準(zhǔn)確無誤。

5 結(jié)語

電力企業(yè)做為經(jīng)濟(jì)發(fā)展的保障性行業(yè)也迎來了新的發(fā)展契機(jī)。在新的時(shí)期中，電力企業(yè)不僅要注重供電可靠性，同時(shí)也要注重客戶服務(wù)能力的提升?？蛻舴?wù)能力已經(jīng)成為電力企業(yè)工作的一個(gè)十分重要的部分，如何提高電力企業(yè)的客戶服務(wù)能力是擺在電力企業(yè)面前的一個(gè)問題。差異化的客戶服務(wù)是電力企業(yè)提升客戶服務(wù)能力的一個(gè)重要的手段?？蛻艏?xì)分是差異化客戶服務(wù)的基礎(chǔ)，本文的主要工作是對(duì)客戶細(xì)分的主要方法進(jìn)行綜述，為電力企業(yè)客戶細(xì)分相關(guān)工作者提供一些啟示。

參考文獻(xiàn)：

[1]曾小青，徐秦，張丹，林大瀚.基于消費(fèi)數(shù)據(jù)挖掘的多指標(biāo)客戶細(xì)分新方法[J].計(jì)算機(jī)應(yīng)用研究，2013（10）.

[2]胡新杰，羅榮華，江明華，王漢生.基于高維0-1變量的EM算法在移動(dòng)通信客戶細(xì)分中的應(yīng)用[J].數(shù)理統(tǒng)計(jì)與管理，2009（02）.

[3]彭凱，秦永彬，許道云.應(yīng)用因子分析和K-MEANS聚類的客戶分群建模[J].計(jì)算機(jī)科學(xué)，2011（05）.

[4]謝傳勝，盧鍵明，胡笳，丁亞偉.基于ABC作業(yè)成本法的供電服務(wù)差異化選擇策略[J].現(xiàn)代電力，2009（02）.

[5]曾鳴，楊素萍，楊鵬舉，等.社會(huì)節(jié)能環(huán)境下電力客戶價(jià)值評(píng)估研究[J].華東電力，2008（06）.

[6]王凱.基于改進(jìn)的模糊核C-均值算法在商業(yè)銀行客戶細(xì)分中的應(yīng)用[J].湖南理工學(xué)院學(xué)報(bào)（自然科學(xué)版），2007（01）.

[7]劉明剛，王旭.淺談數(shù)據(jù)挖掘技術(shù)在信用卡客戶細(xì)分方面的應(yīng)用[J].科技信息，2010（09）.endprint