[发明专利]基于RFM模型的电力客户缴费渠道偏好分析预测方法

说明书

技术领域

本发明属于电力营销服务领域，尤其是涉及一种基于RFM模型的电力客户缴费渠道偏好分析预测方法。

背景技术

缴费渠道是电力客户营销服务的窗口，是电网企业面向市场的最前沿。有效的缴费服务渠道不仅能够增强营销能力，提高对市场的快速反应水平，而且有助于提高客户的满意度和忠诚度。在“互联网+”背景下，近年来电网公司缴费渠道体系发生了剧烈变化。传统的走收、坐收、银行代扣等方式尽管仍占很大比例，但新兴的网络缴费渠道却在急剧增长。手机APP，微信，支付宝，网上营业厅越来越受到客户，尤其是年轻人的偏爱。通过客户缴费记录分析挖掘，准确识别客户缴费行为偏好，合理评价各种缴费渠道价值，对提升电网公司的服务水平、提升电费回收率以及应对即将到来的市场激烈竞争具有重大意义。

专利公开号为CN 105260815 A的发明专利，公开了基于大数据的电力系统缴费渠道评价方法，所述方法包括(1)、基于调查问卷获取用户属性及用户缴费行为数据，采用K-means聚类算法建立用户缴费行为画像：即确定若干类用户属性与若干类用户缴费行为之间的对应关系；(2)、利用K最近邻分类算法对电力系统缴费渠道评价因素进行最邻近聚类，将对缴费渠道影响相似的评价因素聚为一类，聚合结果作为电力系统缴费渠道评价指标，各类评价指标形成缴费渠道评价指标体系；(3)采用模拟遗传退火算法确定评价指标体系中各评价指标的权重，建立缴费渠道评价模型，获得各缴费渠道的评价值，所述缴费渠道评价模型为先求出每项评价指标与权重的乘积，再求各乘积的和；(4)利用电力系统实际缴费数据，判断缴费渠道评价模型是否适用于新的地区或新的时期，若适用，则缴费渠道评价模型继续使用，否则采用模拟遗传退火算法重新确定各评价指标的权重，确定适用于新的地区或新的时期的缴费渠道评价模型。该方法不足之处是：调查问卷数据通常与真实数据分布存在一定偏差；该方法无法直接反映某地区某一种缴费渠道的实际业务需求。

专利公开号为CN 105005944A的发明专利，公开了一种基于大数据回归分析算法扩展最佳缴费渠道的方法和系统，包括步骤：从大数据分布式数据库中读取已经存储的用电单位特征数据；在Map函数中进行回归分析计算，得到多个不同用户以数值形式存在的缴费位置和缴费方式；将计算结果在Reduce函数下进行数值合并归一计算；计算出离差平方和Q值，将离差平方和Q值与给定阈值进行对比，判断离差平方和Q值是否满足小于给定阈值；若离差平方和Q值小于给定阈值，则结束。该发明使用大数据平台的改进的回归分析算法并发分析海量用户缴费数据，分析效率更高，更加准确的统计出用户缴纳电费的行为习惯，实现电力企业扩展缴费渠道的最佳投资分析。该方法的不足之处是：电力客户缴费渠道偏好分析结果与真实数据分布存在一定偏差，且该无法直接呈现每一种缴费渠道综合价值。

发明内容

有鉴于此，本发明的目的是针对现有技术的不足，提供一种基于RFM模型的电力客户缴费渠道偏好分析预测方法，不仅可以准确识别每一位客户缴费渠道偏好，又能够直接反映某地区某一种缴费渠道的实际业务需求。

RFM模型是客户关系管理领域中的一种定量分析模型，主要用来衡量用户价值和忠诚度。RFM模型首先由hughes(1994)提出，包括三个变量，最近购买时间(R),购买频率(F)，购买金额(M)。

最近购买时间(R)表示顾客最近一次的购买时间和分析时间点间隔的天数。如果该值较小，表明顾客在短期内刚有过购买行为，可以认为顾客重复购买的可能性较大，这类顾客的价值可能比较高。

购买频率(F)表示计算期内顾客购买产品或服务的次数。一般来说，顾客购买频率越高，这类顾客越忠诚，顾客价值越大。

购买金额(M)表示计算期内顾客的购买总金额。一般来说，顾客购买金额越高，顾客越忠诚，顾客价值越大。

基于业务理解，本发明给出“缴费渠道偏好”定义为：客户更喜欢或习惯于在对某一类或某几类渠道缴纳电费，以及办理业扩、保修、查询等行为。根据以上RFM模型理论架构，本发明将RFM模型应用于客户缴费渠道偏好分析，R、F、M三个指标的具体含义如下：

(1)使用各渠道的最近一次缴费日期(Recency，R)即客户最近一次使用本渠道缴费的时间周期，为最近一次使用本渠道缴费日期距离设定分析日期阈值的时间距离，R值越高即越接近最后时间的客户，其重复使用本渠道缴费的可能性越高。

(2)使用各渠道一段时期内的缴费频率(Frequency，F)即客户一段时期内使用本渠道缴费的次数，使用本渠道缴费的频率越高就代表客户越偏好此渠道。