[发明专利]基于层次分析法的电力用户特征标签权重体系构建方法

说明书

技术领域

本发明属于数据挖掘领域，特别涉及一种基于层次分析法的电力用户特征标签权重体系构建方法。

背景技术

用户画像技术目前已广泛运用于各行各业，证券、电信、电子图书等行业通过分析用户搜索、消费的历史数据，将具有类似属性的用户按照聚类算法进行归类，实现洞察和预测用户需求的目的，可以提高行业服务的精准度。

在智能电网发展的背景之下，大数据成为研究热点，电力企业营销和管理方面都拥有海量的数据，并且随着数据精细化程度的提高，这些数据将呈现出指数级的增长。电力企业营销数据蕴含了巨大的价值，不少电力企业已经开始从中挖掘关于用户特征的有效信息，对用户进行精准定位，实现洞察和预测用户需求的目的，从而可以采用更加精准的营销方式，如消息推送、广告推荐、智能提醒等。

但电力行业在用户精准定位的实现方面普遍存在一些问题：1)电力营销数据来源广，各类用户的数据间存在着命名规则、逻辑结构等方面的差异，尚未建立统一的用户数据模型；2)缺少将用户定性分析与用户定量分析结合的方法；3)用户的标签权重的研究相对较少，没有成型的体系。亟待开发一套科学的用户特征分析标签以及各标签与用户动机的关联度的定量分析。

发明内容

本发明的目的是提供一种基于层次分析法的电力用户特征标签权重体系构建方法，通过该方法得到用户的最优画像，实现对用户进行精准细分、精准定位以及预测用户需求。

本发明的目的通过以下技术方案实现：

一种基于层次分析法的电力用户特征标签权重体系构建方法，其特征在于：该方法包括以下步骤：

1)根据用户基础数据构建用户统一数据模型；

2)将数据模型中反应用户特征、动机的字段作为用户的标签构建标签体系，标签共分为三级：

3)为标签体系构建层次分析模型，一级标签即层次分析模型的准则层，二、三级标签为子准则层，利用Santy的1-9标度方法给出判断矩阵按照各标签反应用户动机的程度构建判断矩阵；

4)检验判断矩阵的一致性，如果判断矩阵具有满意的一致性，则验证了模型的合理性，否则对判断矩阵进行调整；

5)使用方根法求取判断矩阵的最大特征向量，对该特征向量进行归一化，即为标签的权重。

进一步地，上述步骤中，建立统一数据模型过程如下：

(1)根据多渠道用户统一数据模型，整合用户数据，包括：营销系统基础数据、各服务渠道的用户交互数据、实体营业厅数据，以及营销、用采等业务类相关数据。

(2)通过ETL数据抽取转化工具，将多渠道多来源的用户基本信息和用户历史行为数据定时抽取到数据仓库中，从而形成覆盖全面内容详尽结构统一的营销大数据。

(3)对上述的营销大数据进行数据预处理，包括：对于空数据采用拉格朗日插值定理补全；以用户ID为Key值，对数据进行去重；采用统计学中的3σ定理找到营销大数据中的异常数据并剔除。

进一步地，上述步骤中，构建的标签体系包括：将用户特征标签按照数据来源的不同分为静态标签和动态标签。静态标签由营销大数据的用户信息表中变更周期长，随机性小的字段生成。动态标签来源于营销大数据中的用户行为数据，变更周期短，随机性大。

进一步地，上述标签体系中，构建的静态标签包括：性别、年龄、行业、城市分类、负荷性质、供电电压、电量等级、季节用电高峰。

进一步地，上述标签体系中，构建的动态标签包括：用户用电行为、用户缴费行为、用户交互行为。

进一步地，在上述标签体系中，生成反应用户用电行为的子标签。用户用电行为的三级标签包括：容量变更周期，违约用电风险。

进一步地，在上述标签体系中，生成反应用户缴费行为的子标签。用户缴费行为的三级标签包括：缴费时长，缴费渠道。

进一步地，在上述标签体系中，生成反应用户交互行为的子标签。用户交互行为的三级标签包括：交互频率，交互渠道。

进一步地，上述步骤中，使用Saaty的1-9标度法确定各级判断矩阵元素的原则如下表1：

表1