隨著電力體制改革和售電側(cè)放開不斷推進,多買多賣的競爭格局和多層次電力市場體系將逐步形成,市場化售電環(huán)境構(gòu)建過程中，售電公司除為客戶提供基礎(chǔ)能源供應(yīng)外，將以差異化營銷服務(wù)和增值服務(wù)吸引客戶,搶占市場份額,同時更加注重客戶關(guān)系管理和維系，保持企業(yè)利潤。面對市場化競爭和客戶流失風(fēng)險，電網(wǎng)企業(yè)應(yīng)逐步轉(zhuǎn)變服務(wù)模式,改變同質(zhì)化的服務(wù)現(xiàn)狀,利用大數(shù)據(jù)技術(shù)為不同屬性特征和需求特征的客戶提供相適應(yīng)的服務(wù)策略。目前，電網(wǎng)公司針對電力客戶，尤其是具備參與電力市場化交易能力的電力大客戶，其服務(wù)目前存在以下問題:未能實現(xiàn)針對細分群體及其需求特征的差異化、精準(zhǔn)服務(wù)策略供應(yīng);營銷人員基于客戶需求的服務(wù)策略探索多以定性為主，不便于形成統(tǒng)一標(biāo)準(zhǔn)，使得結(jié)果科學(xué)性、合理性存疑,為策略推送結(jié)果適用性和可操作性增加了困難。

本文應(yīng)用客戶需求的服務(wù)策略研究結(jié)果，利用大數(shù)據(jù)技術(shù)構(gòu)建了電力大客戶服務(wù)策略定量推薦模型,基于研究實踐形成了一套服務(wù)策略智能匹配的工作機制,為企業(yè)精準(zhǔn)推送服務(wù)策略提供科學(xué)依據(jù)，對電網(wǎng)公司在售電市場化環(huán)境下滿足不同類型用電客戶需求,維護客戶關(guān)系，提升服務(wù)運作效率，增強售電側(cè)市場放開環(huán)境的應(yīng)變能力和競爭實力期重要意義。

1客戶需求導(dǎo)向的服務(wù)策略清單引入

基于前期對電力大客戶進行需求調(diào)研,形成客戶細分及需求研究成果（需求清單），組織電力營銷人員依據(jù)對不同細分群體客戶（傳統(tǒng)電力大客戶、新型售電公司及園區(qū)客戶、分布式能源及微網(wǎng)客戶）需求滿足能力,結(jié)合客戶需求方向的營銷服務(wù)管理、業(yè)務(wù)運作現(xiàn)狀評估結(jié)果，圍繞服務(wù)策略梳理和提升工作開展以下業(yè)務(wù):業(yè)擴報裝（大客戶經(jīng)理）、電費、用電檢查、需求響應(yīng)及節(jié)能服務(wù)、渠道、計量等。通過分析客戶需求和服務(wù)供給評估結(jié)果對單一業(yè)務(wù)從流程、執(zhí)行規(guī)范和標(biāo)準(zhǔn)、服務(wù)手段和措施等方面梳理當(dāng)前服務(wù)差距和不足，提出后續(xù)服務(wù)改進方向和關(guān)鍵對t,形成客戶服務(wù)策略清單（共45類），含策略編號、策略名稱、策略說明、策略級別等,為后續(xù)客戶服務(wù)策略模型構(gòu)建工作提供數(shù)據(jù)支撐。

客戶需求導(dǎo)向的服務(wù)策略清單如表1所示

2電力大客戶服務(wù)策略推薦算法及思路

2.1服務(wù)策略推薦算法選擇

隨機森林是一種多功能的機器學(xué)習(xí)算法,能夠執(zhí)行回歸和分類的任務(wù)，同時也是一種數(shù)據(jù)降維手段，用于處理缺失值、異常值以及擔(dān)當(dāng)其他數(shù)據(jù)探索中的重要步驟，并取得了不錯的成效。另外,它還是一種集成學(xué)習(xí)的重要方法,是將幾個低效模型整合為一個高效模型的有效方法。在隨機森林中，生成很多決策樹，并不像在CART模型只生成唯一的樹。當(dāng)基于某些屬性對一個新的對象進行分類判別時,隨機森林中的每一棵樹都會給出自己的分類選擇，并由此進行“投票”，森林整體的輸出結(jié)果將會是票數(shù)最多的分類選項目。而在回歸問題中，隨機森林的輸出將會是所有決策樹輸出的平均值。

隨機森林具有準(zhǔn)確率高、魯棒性好、易于使用等優(yōu)點，成為目前最為流行的機器學(xué)習(xí)算法之一四。本文將探索使用隨機森林算法實現(xiàn)服務(wù)策略推薦模型的構(gòu)建以及服務(wù)策略的精準(zhǔn)推送。

2.2服務(wù)策略推薦模型構(gòu)建思路

基于電力大客戶的歷史屬性特征數(shù)據(jù)收集和需求分析結(jié)果,結(jié)合服務(wù)策略清單梳理成果，選取一定數(shù)量的訓(xùn)練樣本和測試樣本用于模型構(gòu)建和驗證（要求樣本具有完整客戶屬性特征、需求屬性特征和策略清單），并組織電力營銷專家對樣本客戶策略匹配情況進行審定，確定樣本客戶屬性特征與策略的匹配關(guān)系，形成模型訓(xùn)練樣本數(shù)據(jù)庫（含客戶屬性標(biāo)簽庫和策略清單庫）。

通過人工和算法結(jié)合的方式對樣本客戶屬性特征數(shù)據(jù)和策略清單數(shù)據(jù)進行清洗整理，基于訓(xùn)練樣本基礎(chǔ)數(shù)據(jù)，采用隨機森林算法對每一類策略的客戶屬性特征進行機器學(xué)習(xí)，完成客戶屬性特征與策略匹配模型的構(gòu)建,進而利用模型預(yù)測測試樣本服務(wù)策略推薦結(jié)果，并對推薦結(jié)果的準(zhǔn)確率進行評估。服務(wù)策略推薦模型構(gòu)建思路如下圖1所示

3基于隨機森林算法的服務(wù)策略推薦模型構(gòu)建

3.1樣本客戶選取

本研究中以江蘇常州武進區(qū)電力大客戶作為研究對象，基于樣本客戶基礎(chǔ)數(shù)據(jù)完整、有效原則，通過整合需求研究和客戶價值評估階段結(jié)果，共抽取武進區(qū)有效樣本客戶223個,隨后對樣本客戶屬性特征數(shù)據(jù)、客戶需求數(shù)據(jù)、價值評價數(shù)據(jù)進行了初步清洗，以確保滿足推薦模型構(gòu)建和服務(wù)策略精準(zhǔn)推送的需要。

3.2服務(wù)策略審定

基于服務(wù)策略清單梳理結(jié)果及樣本客戶抽樣結(jié)果,結(jié)合樣本客戶屬性特征和需求情況，組織營銷業(yè)務(wù)專家對每位樣本客戶策略匹配情況進行審定,確定樣本客戶屬性特征與策略的匹配關(guān)系，形成客戶屬性-服務(wù)策略樣本數(shù)據(jù)庫（含客戶屬性標(biāo)簽庫和策略清單庫）,用于客戶服務(wù)策略推薦模型訓(xùn)練樣本數(shù)據(jù)庫和測試樣本數(shù)據(jù)庫構(gòu)建工作。

3.3數(shù)據(jù)清洗

數(shù)據(jù)清洗工作主要從2個方面開展:樣本數(shù)據(jù)篩選（樣本客戶屬性特征篩選）和數(shù)據(jù)標(biāo)準(zhǔn)歸一化處理。

3.3.1樣本客戶屬性特征篩選

樣本客戶屬性特征篩選的主要目的是選擇對訓(xùn)練數(shù)據(jù)具有分類能力的屬性特征，以提高機器學(xué)習(xí)的效率。如果利用一個屬性特征進行分類的結(jié)果與隨機分類的結(jié)果沒有較大差別，則稱這個特征不具備分類能力，理論上刪除此特征對決策樹學(xué)習(xí)的精度影響不大，同時可使模型泛化能力更強。隨機森林提供了2種特征選擇的方法:平均精確率（MDA）減少和平均不純度減少（MDI）。本研究中采用隨機森林平均精確率減少方法進行特征選擇。平均精確率減少特征選擇方法是指直接度量每個特征對模型精確率的影響，主要思路是打亂每個特征的特征值順序，度量順序變動對模型的精確率的影響，對于不重要的變量來說，打亂順序?qū)δＰ偷木_率影響不會太大，但是對于重要的變量來說，打亂順序就會降低模型的精確率。

3.4模型訓(xùn)練

模型訓(xùn)練步驟如下圖2所示，將標(biāo)量樣本數(shù)據(jù)分為80%訓(xùn)練樣本和20%測試樣本,通過對訓(xùn)練集數(shù)據(jù)進行機器學(xué)習(xí)，有放回的多次隨機抽取訓(xùn)練數(shù)據(jù)和特征數(shù)據(jù)建立隨機森林，計算測試樣本在隨機新組合，使得每一條客戶數(shù)據(jù)對應(yīng)一個策略,以符合隨機森林函數(shù)的數(shù)據(jù)要求。此處是通過將沒有采取的策略用-1標(biāo)記,通過np.where函數(shù)找到每一類策略中不為T的數(shù)據(jù)，也就是采取該策略的客戶，找到該客戶的特征值，從而將所有的訓(xùn)練樣本數(shù)據(jù)重新組合成一個新的客戶特征-策略數(shù)組。

加載隨機森林函數(shù)包，將訓(xùn)練數(shù)據(jù)導(dǎo)入進行訓(xùn)練，通過有放回的隨機選擇節(jié)點上的N個樣本特征中的"個特征（n小于N），構(gòu)建決策樹作為弱分類器，在這些隨機選擇的部分樣本特征中選擇一個最優(yōu)的特征來做決策樹的左右子樹劃分，最終得到最強的分類器。

3.5服務(wù)策略推薦預(yù)測結(jié)果計算

通過構(gòu)建好的隨機森林模型,可以預(yù)測測試樣本客戶在每一類策略上的可能性，通過函數(shù)對每一個策略的可能性進行判別，根據(jù)某客戶是否有可能屬于該類策略，判斷是否對客戶推送該策略。

通過隨機森林模型的構(gòu)建和策略推送函數(shù)判斷,得到客戶策略的預(yù)測結(jié)果。基于隨機森林分析法可以得到每一個測試樣本客戶關(guān)于每一類策略是否推送的選擇結(jié)果，其中T表示推送該策略,“0”表示不推送該策略?？蛻舴?wù)策略推送結(jié)果預(yù)測示意如表4所示。

4結(jié)束語

本文結(jié)合服務(wù)策略清單梳理結(jié)果，選用隨機森林推薦算法的大數(shù)據(jù)分析方法,通過選擇江蘇常州武進區(qū)大客戶樣本，訓(xùn)練并構(gòu)建了服務(wù)策略精準(zhǔn)推薦模型，通過訓(xùn)練樣本的服務(wù)策略匹配結(jié)果預(yù)測并實現(xiàn)了測試樣本服務(wù)策略精準(zhǔn)推送。同時,基于隨機森林推薦算法的服務(wù)策略推薦模型，可以根據(jù)客戶需求的變化和服務(wù)策略內(nèi)容的更新進行機器自主學(xué)習(xí)，實現(xiàn)服務(wù)策略推薦模型的優(yōu)化和新型服務(wù)手段、措施的精準(zhǔn)匹配，對于電力營銷業(yè)務(wù)專職創(chuàng)新大客戶服務(wù)管理模式、提升大客戶服務(wù)效率和精準(zhǔn)服務(wù)水平具有現(xiàn)實指導(dǎo)意義。

本文構(gòu)建的服務(wù)策略動態(tài)優(yōu)化和調(diào)整的工作機制實現(xiàn)了服務(wù)策略的智能推送和精準(zhǔn)匹配，有助于江蘇電力滿足不同類型的用電客戶個性化、差異化供電服務(wù)需求,彌補傳統(tǒng)電網(wǎng)公司服務(wù)空白或服務(wù)短板，實現(xiàn)服務(wù)供給和服務(wù)需求的平衡;有助于電網(wǎng)企業(yè)優(yōu)化供電服務(wù)資源配置，推動服務(wù)升級和服務(wù)模式創(chuàng)新,提升內(nèi)部管理和運作效率;同時對于售電側(cè)放開背景下電網(wǎng)企業(yè)應(yīng)對日益突變的市場環(huán)境，吸引并發(fā)展高潛價值客戶,培育核心競爭能力，贏得市場先機具有深遠戰(zhàn)略意義。

（來源:電力需求側(cè)管理）