[發(fā)明專利]一種客戶畫像的標(biāo)簽管理方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202011091909.4
• 申請日: 2020-10-13
• 公開（公告）號: CN112215655B
• 公開（公告）日: 2023-04-28
• 發(fā)明（設(shè)計）人: 吳裕宙;何志強;駱華;譚偉聰;任龍霞;袁文偉;劉沛;梁永昌;尹玉芬;王偉然;謝慶新;葉智德;林建文;李韻詩;盧璇君
• 申請（專利權(quán)）人: 廣東電網(wǎng)有限責(zé)任公司;廣東電網(wǎng)有限責(zé)任公司東莞供電局
• 主分類號: G06Q30/0201
• 分類號: G06Q30/0201;G06Q50/06;G06F18/23213;G06F18/22
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 徐麗

本發(fā)明公開了一種客戶畫像的標(biāo)簽管理方法及系統(tǒng)，方法包括：對采集的原始數(shù)據(jù)進行初步處理、數(shù)據(jù)分析，對電力營銷業(yè)務(wù)系統(tǒng)中的用戶特征數(shù)據(jù)進行分析，計算出每個用戶的標(biāo)簽；依據(jù)多系統(tǒng)的數(shù)據(jù)基礎(chǔ)，基于標(biāo)簽體系和預(yù)先定義的標(biāo)簽規(guī)則，利用數(shù)據(jù)分析工具引擎分析數(shù)據(jù)并構(gòu)建標(biāo)簽體系；利用畫像引擎在業(yè)務(wù)場景中即時刻畫任務(wù)標(biāo)簽，依據(jù)任務(wù)標(biāo)簽進行畫像刻畫；對應(yīng)圖像刻畫與各個應(yīng)用，形成統(tǒng)一的應(yīng)用管理體系，并針對不同的標(biāo)簽客戶群體提供不同的服務(wù)；本發(fā)明通過電力營銷業(yè)務(wù)系統(tǒng)中的用戶特征數(shù)據(jù)提取用戶特征，制定基于業(yè)務(wù)需求的電力客戶標(biāo)簽集合，再與各個應(yīng)用系統(tǒng)的對接應(yīng)用建設(shè)，逐步形成統(tǒng)一的應(yīng)用管理體系、應(yīng)用策略，確保標(biāo)簽使用價值。

技術(shù)領(lǐng)域

本發(fā)明涉及電力系統(tǒng)技術(shù)領(lǐng)域，具體涉及一種客戶畫像的標(biāo)簽管理方法及系統(tǒng)。

背景技術(shù)

目前在營銷系統(tǒng)中存在客戶分群體系，此體系分類基于客戶基礎(chǔ)信息的客戶分群記錄的數(shù)據(jù)。現(xiàn)有的客戶分群體系無法靈活的描述用電客戶具有的特征，包含的描述信息不足，不能細(xì)化具體客戶群體，無法篩選具有某些共同特征的用戶群體，在描述單一用戶特征時不夠靈活，同時分群的定義不具有業(yè)務(wù)含義，不能在業(yè)務(wù)上提供更多的幫助。

現(xiàn)有的客戶特征描述更多的是基于客戶的基礎(chǔ)信息，不能滿足對客戶特征的描述需求。

發(fā)明內(nèi)容

為此，本發(fā)明提供一種客戶畫像的標(biāo)簽管理方法及系統(tǒng)，通過對客戶特征數(shù)據(jù)分析以解決現(xiàn)有技術(shù)中不能滿足對客戶特征描述需求的問題。

為了實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

一種客戶畫像的標(biāo)簽管理方法，包括：

對采集的原始數(shù)據(jù)進行初步處理；

將初步處理后的數(shù)據(jù)進行數(shù)據(jù)分析，對電力營銷業(yè)務(wù)系統(tǒng)中的用戶特征數(shù)據(jù)進行分析，并通過邏輯回歸、決策樹和聚類分析的大數(shù)據(jù)算法計算出每個用戶的標(biāo)簽；

依據(jù)多系統(tǒng)的數(shù)據(jù)基礎(chǔ)，基于預(yù)先設(shè)計的標(biāo)簽體系和預(yù)先定義的標(biāo)簽規(guī)則，利用數(shù)據(jù)分析工具引擎分析數(shù)據(jù)并構(gòu)建標(biāo)簽體系；

利用畫像引擎在業(yè)務(wù)場景中即時刻畫任務(wù)標(biāo)簽，依據(jù)任務(wù)標(biāo)簽進行畫像刻畫；

將生成的圖像刻畫與各個應(yīng)用對應(yīng)起來，形成統(tǒng)一的應(yīng)用管理體系，并針對不同的標(biāo)簽客戶群體提供不同的服務(wù)。

可選的，所述對采集的原始數(shù)據(jù)進行初步處理，包括：

讀取原始數(shù)據(jù)，對原始數(shù)據(jù)中的空值、缺失值、唯一值和異常值進行檢驗；

其中，對空值和缺失值的比例進行計算，將空值或缺失值占比大于40％的變量做刪除處理，將空值或缺失值占比小于等于40％的變量通過三次樣條插值法進行填充處理；

對唯一值和異常值均做刪除處理。

可選的，所述將初步處理后的數(shù)據(jù)進行數(shù)據(jù)分析為變量之間相似度的計算，包括：

對連續(xù)數(shù)據(jù)進行數(shù)據(jù)離散化處理得到離散化數(shù)據(jù)；

將離散化數(shù)據(jù)和原始數(shù)據(jù)中的離散型數(shù)據(jù)進行數(shù)據(jù)合并，并計算其woe-iv值；

對計算獲得iv值進行排序，并設(shè)定iv值的判定閾值，將小于iv值判定閾值的變量剔除，將大于等于iv值判定閾值的變量留存。

可選的，所述聚類分析采用Kmeans聚類算法。

可選的，所述Kmeans聚類算法包括：

隨機選取k個對象作為初始的k個簇的質(zhì)心；

將其余對象根據(jù)其與各個簇質(zhì)心的距離分配到最近的簇，再求新形成簇的質(zhì)心；

重復(fù)執(zhí)行上述迭代重定位過程，直到目標(biāo)函數(shù)最小化或者簇的質(zhì)心不再變化為止。