基于停电高敏感客户服务策略改进与实践 .pdfVIP

基于停电高敏感客户服务策略改进与实践

作者：吴海波王华

来源：《经营管理者·下旬刊》2017年第10期

摘要：根据用电客户业务实际调研，从客户的需求属性出发，在现阶段服务的基础上，

改进停电高敏感客户中鱼塘养殖户的服务，创设“智能组合套餐”服务策略，实现服务“量身定

做”，同时减少服务过度与服务缺失现象，精准服务客户。

关键词：停电高敏感鱼塘养殖户智能组合套餐精准服务

一、引言

供电企业作为服务型企业，需加强客户分群管理，提升掌握、满足、引导客户需求的能

力，提升精准服务、精细服务的能力；作为责任型企业，需积极改进提高对停电高敏感客户的

服务，降低不可抗力天气、停电、养殖户自身等因素对鱼塘养殖业造成的经济损失，维护社会

稳定，推动社会经济可持续发展。本文以鱼塘养殖客户为例，结合客户分群后，再对停电高敏

感客户中的鱼塘养殖户进行“二次细分”，在原有普遍服务的基础上，更有针对性的补充差异化

服务，以达到提升精准服务客户及提高资源配置效率之目的，提高服务效率与质量，助力客户

满意度提升。

二、实践依据

相关性分1.析。相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量

两个变量因素的相关密切程度。相关性的元素之间需要存在一定的联系或者概率才可以进行相

关性分析。

哈夫曼树判别法2.。哈夫曼树是在已知各种情况发生概率的基础上，通过构成哈夫曼树来

求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直

观运用概率分析的一种图解法。

对于哈夫曼树，数据的准备往往是简单或者是不必要的，而且能够同时处理数据型和常规

型属性，在相对短的时间内能够对大型数据源做出可行且效果良好的结果。

易于通过静态测试来对模型进行评测，可以测定模型可信度；如果给定一个观察的模型，

那么根据所产生的哈夫曼树很容易推出相应的逻辑表达式，见图1。

三、创设“智能组合套餐”服务策略

深挖大数据，筛选停电风险因子。从海量数据中通过相关性分析挖掘出停电高敏感客户1.

的关键因子，为再次细分提供依据。

客户属性及特征：年度电量、合同容量、转供类型、电源类型、客户类别等。此类客1.1

户信息容易从后台获得，同时简单直观地反映用电客户的基本情况。例如，电源类型为双回路

的客户，当一回电源停电时，有用户侧的自动切换装置将电源进行切换，保障负荷的不间断供

电，大大降低线路检修计划停电时造成的风险。

隐性数据：本年累计计划停电次数、年内累计计划停电时间、年内最长计划停电持续1.2

时间、年内单次计划停电超8小时次数、年内单次计劃停电超24小时次数、本年累计故障停

电次数、年内累计故障停电时间、年内最长故障停电持续时间、年内单次故障停电超8小时次

数、年内单次故障停电超24小时次数。该类数据并不直接显示在客户档案信息上，但却是反

映客户所在区域可靠供电、客户用电行为的重要信息。

从上述信息中运用相关性分析筛选得出客户停电风险的关键因子：合同容量、年度累计计

划停电次数、年度累计故障停电次数、年内最长停电持续时间。（见表1）：

表1：关键因子说明。

序号关键因子解释说明

合同容量1合同容量反映鱼塘养殖户规模的大小，合同容量高养殖规模大，其他条件相同

的前提下，发生停电时对养殖户造成的损失风险与之成正比。

年度累计计划停电次数2年度累计计划停电次数反映鱼塘养殖户所处区域的供电可靠率，

年度累计计划停电次数高鱼塘养殖户所处区域的供电可靠率较低，发生停电事件概率大。

年度累计故障停电次数3故障停电与鱼塘养殖户用电行为、用电设施保养情况及所处区域

中低压线路故障率、气候条件有关，年度累计故障停电次数越高反映该区域的养殖户存在较大

的停电风险。

年内最长停电持续时间4对连续供电要求较高的用电客户一般会自备电源，但若停电时间

过长，自备电源无法支持长时间供电，则会增加造成鱼塘损失的风险。

哈夫曼树根节点2.的设定。

制定停电风险等级群体决策卡及阀值（见表2）：