[發明專利]基于RFM模型的電力客戶繳費渠道偏好分析預測方法

在審

• 申請號: 201710738709.5
• 申請日: 2017-08-25
• 公開（公告）號: CN107506924A
• 公開（公告）日: 2017-12-22
• 發明（設計）人: 耿俊成;張小斐;郭志民;萬迪明;袁少光;楊磊;李志星;劉楓琪
• 申請（專利權）人: 國網河南省電力公司電力科學研究院;河南恩湃高科集團有限公司;國家電網公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06K9/62;G06Q50/06
• 代理公司: 鄭州知己知識產權代理有限公司41132
• 代理人: 季發軍

1.基于RFM模型的電力客戶繳費渠道偏好分析預測方法，其特征在于：包括如下步驟：

步驟1、從營銷業務系統提取客戶繳費記錄，主要包括用戶編號、繳費金額、繳費渠道、繳費時間；

步驟2、設定分析日期，從客戶繳費記錄提取每個用戶每種繳費渠道的最近一次繳費的時間間隔R、該分析時段的繳費頻率F、該分析時段的平均繳費金額M，并將每個用戶每一種繳費渠道的R、F、M值轉換成評分值，即R_score、F_score和M_score；

步驟3、采用熵值法計算每一種繳費渠道的R_score、F_score、M_score權重系數，即w_R、w_F、w_M，最終確定每一種繳費渠道的RFM模型計算公式為RFM_score＝w_RR_score+w_FF_score+w_MM_score；

步驟4、根據所述RFM模型計算每個用戶每一種渠道的偏好評分，其中評分最高的渠道為該用戶下次繳費時概率最大的繳費渠道；計算某個地區某種繳費渠道的偏好總分，進而反映該地區該種渠道的實際需求。

2.根據權利要求1所述的基于RFM模型的電力客戶繳費渠道偏好分析預測方法，其特征在于：所述將每個用戶每一種繳費渠道的R、F、M值轉換成評分值，即R_score、F_score和M_score，具體計算公式如下：

Rscore=1+(n-1)(Rmax-R)Rmax-Rmin,]]>

其中，R_max為用戶集合中R的最大值，R_min為用戶集合中R的最小值，1≤R_score≤n，n為設定的最高評分值；

Fscore=n-(n-1)(Fmax-F)Fmax-Fmin,]]>

其中，F_max為用戶集合中F的最大值，F_min為用戶集合中F的最小值，1≤F_score≤n，n為設定的最高評分值；

Mscore=n-(n-1)(Mmax-M)Mmax-Mmin,]]>

其中，M_max為用戶集合中M的最大值，M_min為用戶集合中M的最小值，1≤M_score≤n，n為設定的最高評分值。

3.根據權利要求1所述的基于RFM模型的電力客戶繳費渠道偏好分析預測方法，其特征在于：所述采用熵值法計算每一種繳費渠道的R_score、F_score、M_score權重系數，其具體步驟如下：

S1、首先對每個用戶每一種繳費渠道的R_score、F_score、M_score評分做標準化處理，具體公式如下：

xij′=xij-xminxmax-xmin]]>

其中，x_ij為第i個用戶第j項指標值，x_max為用戶集合中第j項指標最大值，x_min為用戶集合中第j項指標最小值，x′_ij為第i個用戶第j項指標標準化處理后的值；

S2、計算比重矩陣，根據步驟S1標準化處理結果計算第j項指標下第i個用戶的比重y_ij，具體公式如下：

yij=xij′Σi=1mxij′,(0≤yij≤1);]]>

S3、計算信息熵值和信息效用值，根據步驟S2結果計算第j項指標的信息熵值e_j，具體公式如下：

其中，K＝1/ln m；

接著，根據第j項指標的信息熵值e_j計算第j項指標的信息效用價值d_j，具體公式如下：

d_j＝1-e_j；

S4、計算R_score、F_score、M_score各項指標的權重系數w_j，具體公式如下：

wj=djΣi=1mdj.]]>