基于服務工單數據分析的居民用戶需求精準定位

戴宇航

1.1 低壓居民高頻需求識別

現階段，低壓臺區經理所接到的低壓服務工單是按照投訴類、服務類、意見類以及舉報類進行標注的，在傳統回單方式下，低壓臺區經理僅根據每張工單提供相應服務，未能從工單中識別高頻需求，對各低壓臺區進行精準描述。

為了實現低壓居民精準營銷服務，本次課題從原有的投訴類、服務類、意見類以及舉報類工單中進行文本數據識別，在原有工單中識別出具體的諸如電費咨詢、戶表改造等具體的高頻需求。

利用Word2Vec詞向量模型，將95598工單文本詞匯轉換成詞向量矩陣，并計算向量空間上的相似度，實現對文本的語義分析，通過二次文本識別，定位事件關鍵詞，對工單重新分類;對頻發問題溯源，精確定位轄區內居民的高頻需求。

通過跟蹤不同臺區高頻需求的走勢，即可通過歷史工單數據對各個臺區歷史高頻需求進行初步描述，得到各個臺區頻發需求的營銷畫像。

1.2 基于工單數據分析的低壓臺區服務

從大類上劃分，低壓居民的電力服務需求可集中劃分為涉及電力故障的搶修類需求以及不涉及電力故障的服務類需求，在完成高頻需求識別的基礎上，本次課題進一步按照非搶修類服務需求以及搶修類需求精準營銷服務的實現進行進一步分析。

1.2.1 低壓居民服務類需求精準營銷

對于非搶修類的服務性需求，關鍵是以臺區（小區）為單位，形成臺區服務特性的畫像，識別影響臺區服務類需求的關鍵業務因子，跟蹤關鍵業務因子并基于臺區服務類需求走勢，提供精準營銷服務。

地域上，通過對工單報修地址進行分析，通過k-means聚類算法，構建低壓臺區分析模型，對不同特征的臺區進行聚類歸納，以臺區為單位，形成客戶需求熱力圖，實現臺區“分而治之”，對用戶用電服務需求進行總結評判，提供個性化營銷服務。

基于臺區服務需求畫像，與同時段營銷系統數據進行比對，找出影響該類非搶修類服務需求的關鍵業務因子。在實踐中，通過跟蹤分析得到影響服務需求關鍵業務因子的走勢，即可實現對非搶修類需求的提前預判，實現營銷服務的精準化與前置化。

基于上述分析，對于臺區服務需求，項目通過三步進行實現：

1）數據獲取

基于95598及12345工單臺賬，獲取歷史工單中的相關數據。采用數據導入的方式將excel格式的工單批量導入數據后臺。

2）數據分析

在基本工單數據導入后，對于臺區服務畫像無關的且涉及隱私的客戶姓名、客戶聯系方式等隱私信息做隱去的脫敏處理，將數據存儲在本地數據庫中，設定如“表計校驗”、“更名過戶”等關鍵詞語對系統進行規范訓練，根據關鍵詞對重要數據進行抓取、匯總分析。

3）數據展示

分析處理后的數據可提供直觀、準確、可靠的可視化展示。

最終，對于服務類工單，項目即可實現“工單——問題分析——提升服務質量”的工單數據驅動的精準服務提升。

1.2.2 低壓臺區搶修類精準營銷服務

搶修類需求與臺區設備負載率及運行狀態具有強關聯性，老舊臺區在夏冬季高峰會出現設備過載現象，伴隨著三相不平衡、電壓偏移等并發問題，會引起短時間同區域內密集發生搶修類服務訴求。

低壓臺區的搶修概率除受設備本身的運行狀況影響外還受制于天氣、環境、用戶等復雜因素影響，具備明顯的大數據特征。此前的響應類服務模式為對搶修頻發臺區提報檢修、增容計劃，通過事后治理的方式來實現服務的升級，缺乏精準性，本次課題基于臺區設備運行情況、大量歷史重、過載記錄，同時融合電網內外部各類數據，通過數據挖掘方法分析短期內負載變化趨勢、用戶構成、氣象條件等內外因素對臺區搶修風險的影響，綜合評分，根據搶修風險等級搭建臺區搶修風險評級。

首先是數據的接入與處理，通過配網自動化系統、用電信息采集系統等數據源結合南京地區天氣預測等信息實現臺區用電量的回歸預測，基于歷史搶修類工單數據進行比對，對大量歷史搶修類工單進行溯源，識別搶修頻發臺區。針對歷史搶修頻發臺區進行風險評估，一是考慮臺區設備質量、用戶用電高峰發生可能等因素綜合評估臺區發生停電故障率，而是基于所接入用戶數以及臺區位置評估發生搶修所帶來的影響以及風險后果。基于風險評級，及時對高風險臺區提報增容計劃、主動上門巡視，實現搶修工單的前置壓降。

1.3 總結

本章主要內容是對低壓居民用戶的精準營銷的數據實現進行研究，核心是基于工單訴求數據進行歸納分析。第一步是實現工單訴求的二次精確分類。工單并無新鮮事，供電所接到的工單具有規律性和特征性。本文挖掘客戶需求中的規律以及與業務之間的關聯。——通過二次文本識別，定位事件關鍵詞，對工單重新分類;對頻發問題溯源，精確定位轄區內居民的高頻需求。

在高頻需求二次分類的基礎上，項目按照搶修類需求與非搶修類需求深入挖掘分析。對于非搶修類的服務性需求，展開地域與時段雙維度數據挖掘。

搶修類需求與臺區設備負載率及運行狀態具有強關聯性。老舊臺區、夏冬季用電正是搶修類工單發生的高峰。項目計劃利用RNN時序模型進行電量預測，結合臺區設備運行情況，得到搶修類需求頻發臺區畫像并搭建臺區搶修風險評級模型。基于風險評級，及時對高風險臺區提報增容計劃、主動上門巡視，實現搶修工單的前置壓降。

（國網南京市江寧區供電公司）