[发明专利]用于电力营销的出租房客户定位方法

说明书

用于电力营销的出租房客户定位方法,涉及出租房客户定位方法。目前，精准定位出租房客户，并配合服务策略规范其用电行为，实现精准营销，刻不容缓。本发明包括以下步骤：1)指标初选；2)指标分析，包括连续变量分析和离散变量分析；3)指标确定；4)出租房客户预测模型构建；5)根据确定的出租房客户预测模型，进行出租房预测结果输出，定位出租房客户。本技术方案首先对出租房客户进行特征分析，从基础信息、交费行为、用电特征三大维度出发，提炼出多个影响出租房客户分析的指标作为预测指标集，通过C5.0决策树算法构建出租房用户预测模型，准确定位出租房用户，实现精准营销，规范出租房客户用电行为，提高电费回收效率、降低安全隐患。

技术领域

本发明涉及一种出租房客户定位方法，尤其涉及用于电力营销的出租房客户定位方法。

背景技术

据国家有关部门统计数据显示，我国现有出租房已超亿户。如何对庞大的出租房进行管理，一直是社会关注的热点与难点，而出租房客户用电安全隐患大、电费回收难等问题是长期困扰公司营销工作的痛点。近期，部分地区政府已实施“租售同权”，出租房客户数量将持续攀升，对社会治安、企业服务成本、房东个人征信等带来更大压力。因此，精准定位出租房客户，并配合服务策略规范其用电行为，实现精准营销，刻不容缓。

发明内容

本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进，提供用于电力营销的出租房客户定位方法，以达到准确判别出租房客户的目的。为此，本发明采取以下技术方案。

用于电力营销的出租房客户定位方法，包括以下步骤：

1)指标初选，根据出租房业务调研结果，获取建模所需目标数据群，并对获取的数据进行数据的预处理，初步选取建模指标；

从基础信息、交费行为、用电特征三个维度提炼出8个指标进行模型构建，分别为城乡类别、年用电量、过年期间电量占比、清明节假期电量占比、端午节假期电量占比、4-5月份谷电量占比、设定时间内不同收款部门数及近一年支付宝交费次数；其中城乡类别为：城镇、农村；过年期间电量占比为：过年期间用电量/全年用电量*100％；清明节假期电量占比为：清明假期用电量/4月用电量*100％；端午节假期用电量占比：端午假期用电量/5月用电量*100％；

2)指标分析，包括连续变量分析和离散变量分析；

201)连续变量分析：将出租户和普通用户的年用电量、过年期间电量占比、清明节假期电量占比、端午节假期电量占比、4-5月份谷电量占比这5个连续变量的均值进行分析，得到出租户与普通用户对应指标的差别程度；

202)离散变量分析：对出租户和普通用户的近一年不同收款部门数这一指标进行分析，其中，租户各收款部门变化次数客户数占比＝各收款部门变化次数客户数/出租房总数*100％，普通用户各收款部门变化次数客户数占比＝各收款部门变化次数客户数/普通用户总数*100％；得到出租户与普通用户对应指标的差别程度；

3)指标确定

根据指标分析结果对初选指标进行调整，选择出租户与普通用户差别程度大于设定值的对应指标为确定指标，确定最终建模指标；

4)出租房客户预测模型构建

401)根据确定的建模指标，随机筛选样本集中70％作为训练集，30％作为测试集构建出租房客户预测模型；

402)生成规则集，利用C5.0决策树算法，对训练集进行训练和学习生成出租房客户预测模型规则集并获得各指标对模型的影响程度及预测混淆矩阵；

403)根据训练集模型预测结果，将模型应用到测试集上进行模型测试，判断训练集和测试集的预测效果否达到了理想效果，若是，则确定该模型为出租房客户预测模型，否则，返回步骤1)重新调整数据和指标并进行模型的构建；