一种基于层次分析法的居民客户价值分级模型构建方法技术

本发明专利技术公开了一种基于层次分析法的居民客户价值分级模型构建方法，属于电力技术领域。现有的评估方案直接套用公式进行信用评估计算，无法根据实际情况进行更深层次的影响因素识别与评估，评估分级方案不够科学、合理。本发明专利技术采用AHP层次分析法计算客户综合评级得分，对客户价值进行定性与定量相结合、多目标、层次化的分析；能够对客户价值特征进行充分挖掘，评估分级方案更加科学、合理。本发明专利技术结合现阶段客户营销服务导向，基于信息情况、交费情况、用电情况、交互情况、成长情况等客户用电历史数据，通过业务调研、专家访谈、挖掘建模等研究方法，从客户信息情况、交费情况、用电情况、交互情况、成长情况等五个维度，来综合评定客户模型得分。

An analytic hierarchy process based method for building customer value classification model

【技术实现步骤摘要】
一种基于层次分析法的居民客户价值分级模型构建方法
本专利技术涉及一种基于层次分析法的居民客户价值分级模型构建方法，属于电力

技术介绍
中国专利(申请公布号CN106780140A)公开了一种基于大数据的电力信用评价方法，其通过对客户基础信息、交费行为、用电行为、社会信用信息等大量历史数据进行系统性清洗与分析，运用数理统计方法及通过遗传算法改进的BP神经网络模型挖掘数据中蕴含的行为模式及信用特征，捕捉历史信息和信用表现之间的关系，以信用等级来综合评估信用表现，推进电力客户分类信用管理，支撑开展差异化欠缴催收措施研究工作以形成多元化的催收策略。但是上述方案直接套用公式进行信用评估计算，无法根据实际情况进行更深层次的影响因素识别与评估，评估分级方案不够科学、合理，不能对客户进行精准区分，进而无法满足不同群体的客户需求，无法实现供电服务精益化转变。
技术实现思路
针对现有技术的缺陷，本专利技术的目的在于提供一种采用AHP层次分析法计算客户综合评级得分，对客户价值进行定性与定量相结合、多目标、层次化的分析；能够对客户价值特征进行充分挖掘，评估分级方案更加科学、合理；进而能够为电力企业推进居民户电力管家式服务做支撑，充分体现客户的信用价值、经济价值，并引导客户改善用电行为，提升用户社会信用程度的基于层次分析法的居民客户价值分级模型构建方法。为实现上述目的，本专利技术的技术方案为：一种基于层次分析法的居民客户价值分级模型构建方法；将居民客户价值分解为多个目标或准则，进而分解为多指标(或准则、约束)的若干层次，通过定性指标方法算出层次单排序(权数)和总排序，用于客户价值分级模型构建；其具体包括以下步骤：第一步，根据专家经验，筛选居民客户数据，确定能够用于居民客户评分评级的指标体系；第二步，以某行政区或某区域的居民客户为目标基础群，收集某一时间段的居民客户相关指标体系数据；所述指标体系包括信息情况、交费情况、用电情况、交互情况、成长情况；第三步，根据指标体系数据，利用层次分析法构建居民客户评分评级模型，并根据得分分布划分等级区域，输出居民客户评价等级标签。本专利技术采用AHP层次分析法计算客户综合评级得分，对客户价值进行定性与定量相结合、多目标、层次化的分析；能够对客户价值特征进行充分挖掘，评估分级方案更加科学、合理。本专利技术借鉴标签库平台已有的客户信用评价主题标签，结合现阶段客户营销服务导向，基于信息情况、交费情况、用电情况、交互情况、成长情况等客户用电历史数据，通过业务调研、专家访谈、挖掘建模等研究方法，从客户信息情况、交费情况、用电情况、交互情况、成长情况等五个维度，来综合评定客户模型得分。针对各等级的客户价值开展差异化营销服务策略，满足不同群体的客户需求，建立稳固的客户关系，完成为客户创造价值的企业使命，使供电服务逐步向精益化转变。进而能够为电力企业推进居民户电力管家式服务做支撑，充分体现客户的信用价值、经济价值，并引导客户改善用电行为，提升用户社会信用程度。作为优选技术措施：建立客户价值分级模型，将有关的各个指标因素按照不同属性自上而下地分解成若干层次；当准则过多时(多于9个)应进一步分解出子准则层；对同一层次的一组指标进行两两比较，按其相对重要性，用斯塔相对重要性等级表赋值，并形成两两比较判断矩阵：A＝(Xij)n*n。作为优选技术措施：将居民客户综合评分得分纳入目标层，作为决策目标；将信息情况、交费情况、用电情况、交互情况、成长情况纳入准则层；将各分项指标分别纳入所属的方案层，构成层次分析结构；构造成对的比较阵，从层次结构模型的第2层开始，对于从属于上一层每个指标的同一层诸指标，用成对比较法构造成对比较阵，直到最下层；给出信用评价体系中的5个指标(信息质量、交费行为、用电行为)作为准则层的评价尺度，各维度指标作为方案层的评价尺度。作为优选技术措施：构造两两比较判断矩阵即正互反矩阵：对各指标之间进行两两对比之后，然后按9分位比率排定各评价指标的相对优劣顺序，依次构造出评价指标的判断矩阵；针对某一个标准，利用几何平均法(根法)或规范列平均法(和法)计算各备选指标的权重；对个指标进行权重设计：如果两个指标的重要性在两个评价等级之间，则取中间的分值，如果指标i相对于指标j有一个评分值，则指标j相对于指标i的评分制为其倒数；根据同一层次的指标两两比较来确定指标的相对重要性，如果认为两个指标的影响重要性相当，则取值为1，前者比后者稍微重要则取值为3，前者比后者稍微不重要，则取值为1/3，同理，如果认为前者比后者比较重要，则取5，十分重要则取7，绝对重要则取9。作为优选技术措施：所述几何平均法(根法)的计算步骤为：a)计算判断矩阵A各行各个指标mi的乘积；b)计算mi的n次方根；c)对向量进行归一化处理；d)该向量即为所求权重向量。作为优选技术措施：所述规范列平均法(和法)的计算步骤为：a)计算判断矩阵A各行各个指标mi的和；b)将A的各行指标的和进行归一化；c)该向量即为所求权重向量。作为优选技术措施：构造好判断矩阵后，需要根据判断矩阵计算针对某一准则层各指标的相对权重，并进行一致性检验；虽然在构造判断矩阵A时并不要求判断具有一致性，但判断偏离一致性过大也是不允许的，因此需要对判断矩阵A进行一致性检验；对于每一个成对比较阵计算最大特征根和对应特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检验；若检验通过，特征向量即为权向量；若不通过，需重新构造成对比较阵；出于认识上的差别，矩阵判断可能不具有一致性，可用“随机一致性比值”检查CR＝CI/RI，其中CI表示一致性指标，CI＝(λmax-n)/(n-1)，RI表示平均随机一致性指标；当CR＜＝0.10时，层次单排序有效；当CR＞＝0.10时，说明差别太大，无效；根据判断矩阵，计算得出各层次权重；然后通过计算得出各层的一致性比例，准则层判断矩阵的一致性比例CR值为0.0000，方案层交费行为判断矩阵的一致性比例CR值为0.0084，用电行为判断矩阵的一致性比例CR值为0.0834，均小于0.1，因此判断矩阵具有一致性，层次单排序有效。作为优选技术措施：在建立判断矩阵时，向各地市相关专业岗位上的专家发放了指标量化表，依赖于专家的先验知识和经历确定各个生命周期准则层和指标层不同因素之间的相对重要程度；由于不同的专家对于各指标重要性理解情况不同，甚至会出现理解错误或填写错误等情况，需对打分情况进行修正及权重处理后计算出最终判断矩阵，确定各个指标的权重。作为优选技术措施：根据评分维度与业务实际细化评分指标体系，进而通过AHP层次分析法得出得分判断矩阵，确定各指标权重，最终参考各指标数据分布情况设计分数区间与具体指标权重本文档来自技高网...

【技术保护点】
1.一种基于层次分析法的居民客户价值分级模型构建方法；/n其特征在于，将居民客户价值分解为多个目标或准则，进而分解为多指标的若干层次，通过定性指标方法算出层次单排序和总排序，用于客户价值分级模型构建；/n其具体包括以下步骤：/n第一步，根据专家经验，筛选居民客户数据，确定能够用于居民客户评分评级的指标体系；/n第二步，以某行政区或某区域的居民客户为目标基础群，收集某一时间段的居民客户相关指标体系数据；所述指标体系包括信息情况、交费情况、用电情况、交互情况、成长情况；/n第三步，根据指标体系数据，利用层次分析法构建居民客户评分评级模型，并根据得分分布划分等级区域，输出居民客户评价等级标签。/n

【技术特征摘要】
1.一种基于层次分析法的居民客户价值分级模型构建方法；
其特征在于，将居民客户价值分解为多个目标或准则，进而分解为多指标的若干层次，通过定性指标方法算出层次单排序和总排序，用于客户价值分级模型构建；
其具体包括以下步骤：
第一步，根据专家经验，筛选居民客户数据，确定能够用于居民客户评分评级的指标体系；
第二步，以某行政区或某区域的居民客户为目标基础群，收集某一时间段的居民客户相关指标体系数据；所述指标体系包括信息情况、交费情况、用电情况、交互情况、成长情况；
第三步，根据指标体系数据，利用层次分析法构建居民客户评分评级模型，并根据得分分布划分等级区域，输出居民客户评价等级标签。


2.如权利要求1所述的一种基于层次分析法的居民客户价值分级模型构建方法，
其特征在于，
建立客户价值分级模型，将有关的各个指标因素按照不同属性自上而下地分解成若干层次；当准则过多时应进一步分解出子准则层；对同一层次的一组指标进行两两比较，按其相对重要性，用斯塔相对重要性等级表赋值，并形成两两比较判断矩阵。


3.如权利要求2所述的一种基于层次分析法的居民客户价值分级模型构建方法，
其特征在于，
将居民客户综合评分得分纳入目标层，作为决策目标；
将信息情况、交费情况、用电情况、交互情况、成长情况纳入准则层；
将各分项指标分别纳入所属的方案层，构成层次分析结构；
构造成对的比较阵，从层次结构模型的第2层开始，对于从属于上一层每个指标的同一层诸指标，用成对比较法构造成对比较阵，直到最下层；
给出信用评价体系中的5个指标作为准则层的评价尺度，各维度指标作为方案层的评价尺度。


4.如权利要求3所述的一种基于层次分析法的居民客户价值分级模型构建方法，
其特征在于，
构造两两比较判断矩阵即正互反矩阵：
对各指标之间进行两两对比之后，然后按9分位比率排定各评价指标的相对优劣顺序，依次构造出评价指标的判断矩阵；针对某一个标准，利用几何平均法或规范列平均法计算各备选指标的权重；
对个指标进行权重设计：
如果两个指标的重要性在两个评价等级之间，则取中间的分值，如果指标i相对于指标j有一个评分值，则指标j相对于指标i的评分制为其倒数；根据同一层次的指标两两比较来确定指标的相对重要性，如果认为两个指标的影响重要性相当，则取值为1，前者比后者稍微重要则取值为3，前者比后者稍微不重要，则取值为1/3，同理，如果认为前者比后者比较重要，则取5，十分重要则取7，绝对重要则取9。


5.如权利要求4所述的一种基于层次分析法的居民客户价值分级模型构建方法，
其特征在于，
所述几何平均法的计算步骤为：
a)计算判断矩阵A各行各个指标mi的乘...

【专利技术属性】
技术研发人员：金良峰，郑斌，王正国，侯素颖，洪健山，裘炜浩，丁麒，沈皓，许小卉，叶盛，张维，沈然，陈海娜，陈雨佳，项秋涛，张爽，吕诗宁，汪一帆，朱凯熙，吴冰洁，左玉，朱亚雯，
申请(专利权)人：国网浙江省电力有限公司电力科学研究院，
类型：发明
国别省市：浙江;33