本發(fā)明涉及用戶分類(lèi)的決策，特別涉及一種基于客戶特征分析的精益化催費(fèi)方法及系統(tǒng)。

背景技術(shù)：

1、電力行業(yè)的催費(fèi)工作不僅關(guān)系到企業(yè)的經(jīng)濟(jì)效益，更是年度績(jī)效考核中的一項(xiàng)重要指標(biāo)。在當(dāng)前電力市場(chǎng)競(jìng)爭(zhēng)日益激烈的背景下，如何高效、精準(zhǔn)地對(duì)用戶進(jìn)行催費(fèi)，同時(shí)提升用戶的被催費(fèi)體驗(yàn)，減少不必要的投訴，成為了電力企業(yè)亟待解決的挑戰(zhàn)。隨著電網(wǎng)設(shè)施的不斷完善和電力供應(yīng)網(wǎng)絡(luò)的廣泛覆蓋，催費(fèi)服務(wù)的用戶范圍正在不斷擴(kuò)大，用戶對(duì)于催費(fèi)的時(shí)段、日期以及催費(fèi)方式的需求也日益多樣化。用戶期望在合適的時(shí)間、以合適的方式接收催費(fèi)提醒，這不僅考驗(yàn)著電力企業(yè)的服務(wù)能力，也對(duì)催費(fèi)工作的策略和執(zhí)行提出了更高的要求。因此，電力企業(yè)需要不斷創(chuàng)新催費(fèi)手段，優(yōu)化催費(fèi)流程，以滿足用戶的個(gè)性化需求，提升服務(wù)質(zhì)量，確保催費(fèi)工作的順利進(jìn)行。

2、目前營(yíng)銷(xiāo)智慧大腦已經(jīng)整合短信、微信、語(yǔ)音外呼機(jī)器人等催費(fèi)渠道，實(shí)現(xiàn)了多渠道協(xié)同的機(jī)器催費(fèi)，已經(jīng)在全省應(yīng)用，并替代了相當(dāng)?shù)幕鶎哟哔M(fèi)工作量，但是在應(yīng)用過(guò)程中也發(fā)現(xiàn)了包含催費(fèi)精準(zhǔn)度不足、機(jī)制不夠完善以及運(yùn)營(yíng)決策輸出單純靠人為經(jīng)驗(yàn)到導(dǎo)致的自動(dòng)化不足等問(wèn)題。

3、鑒于此，需要一種基于客戶特征分析的精益化催費(fèi)方法及系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)中催費(fèi)精準(zhǔn)度不足、機(jī)制不夠完善以及運(yùn)營(yíng)決策輸出單純靠人為經(jīng)驗(yàn)到導(dǎo)致的自動(dòng)化不足的問(wèn)題，本發(fā)明提供了一種基于客戶特征分析的精益化催費(fèi)方法及系統(tǒng)，能夠以考慮“群體+方式+時(shí)間”的方式形成催費(fèi)策略，以更好的支撐催費(fèi)服務(wù)，實(shí)現(xiàn)電費(fèi)催收質(zhì)效和客戶體驗(yàn)雙提升。具體技術(shù)方案如下：

2、一種基于客戶特征分析的精益化催費(fèi)方法，包括：

3、對(duì)用戶進(jìn)行分類(lèi)，記為，其中， l是用戶等級(jí)， l r是設(shè)置的第 r個(gè)分類(lèi)類(lèi)型， r為用戶分類(lèi)總數(shù)；

4、基于用戶分類(lèi)，分別統(tǒng)計(jì)每一類(lèi)用戶的催費(fèi)通道及其成功率，基于催費(fèi)成功率得出每一類(lèi)用戶的催費(fèi)方式排序，催費(fèi)成功率越高，相應(yīng)的催費(fèi)方式排序越靠前；

5、以用戶滿意度、催費(fèi)頻率以及欠費(fèi)時(shí)長(zhǎng)未影響因子構(gòu)建目標(biāo)函數(shù)，然后通過(guò)擬合得出催費(fèi)頻率和用戶滿意度及欠費(fèi)時(shí)長(zhǎng)的關(guān)系，設(shè)定相應(yīng)的約束條件，最終求解出一個(gè)使得目標(biāo)函數(shù)最大的催費(fèi)頻率；

6、基于催費(fèi)成功率的排序?qū)Ω鞔哔M(fèi)方式劃分比例，輸出最終決策，最終決策為每一種催費(fèi)方式的在周期內(nèi)的催費(fèi)次數(shù)。

7、優(yōu)選的，催費(fèi)成功率的計(jì)算公式如下：

8、

9、

10、式中，表示時(shí)間t內(nèi)給用戶使用催費(fèi)方式 s催費(fèi)的次數(shù)，表示在時(shí)間t使用第 j次使用催費(fèi)方式s之后的成功繳費(fèi)系數(shù)，當(dāng)時(shí)，，當(dāng)時(shí)，；為從催費(fèi)方式啟用到用戶繳費(fèi)之間的時(shí)間間隔，為設(shè)定的時(shí)間間隔閾值。

11、優(yōu)選的，目標(biāo)函數(shù)如下：

12、

13、式中，為用戶滿意度，為催費(fèi)頻率，為欠費(fèi)時(shí)長(zhǎng)。

14、優(yōu)選的，約束條件如下：

15、

16、式中，是能接受的最小催費(fèi)頻率，是能接受的最大催費(fèi)頻率。

17、優(yōu)選的，將用戶滿意度和欠費(fèi)時(shí)長(zhǎng)擬合成關(guān)于催費(fèi)頻率的函數(shù)，具體步驟如下：

18、獲取歷史數(shù)據(jù)，歷史數(shù)據(jù)包括催費(fèi)頻率及其對(duì)應(yīng)的用戶滿意度和欠費(fèi)時(shí)長(zhǎng)，并且將其存儲(chǔ)到表格或數(shù)組中；

19、檢查數(shù)據(jù)的完整性，處理缺失值或異常值，并進(jìn)行標(biāo)準(zhǔn)化或歸一化處理；

20、選擇多項(xiàng)式回歸、支持向量機(jī)回歸或神經(jīng)網(wǎng)絡(luò)模型，對(duì)于用戶滿意度和催費(fèi)頻率的函數(shù)，構(gòu)建一個(gè)模型，對(duì)于用戶欠費(fèi)時(shí)長(zhǎng)和催費(fèi)頻率的函數(shù)，構(gòu)建一個(gè)模型；

21、使用用戶滿意度和催費(fèi)頻率的數(shù)據(jù)訓(xùn)練模型f，使用催費(fèi)頻率和用戶欠費(fèi)時(shí)長(zhǎng)的數(shù)據(jù)來(lái)訓(xùn)練模型g，調(diào)整模型參數(shù)，進(jìn)行交叉驗(yàn)證，優(yōu)化模型性能；

22、使用適當(dāng)?shù)脑u(píng)估指標(biāo)來(lái)評(píng)估兩個(gè)模型的擬合效果，在測(cè)試集上驗(yàn)證模型的預(yù)測(cè)能力，確保模型沒(méi)有過(guò)擬合；

23、使用擬合好的模型f和g來(lái)預(yù)測(cè)新的催費(fèi)頻率值對(duì)應(yīng)的用戶滿意度和欠費(fèi)時(shí)長(zhǎng)的值。

24、優(yōu)選的，求解目標(biāo)函數(shù)的具體步驟如下：

25、步驟1：獲取用于決策的數(shù)據(jù)集，隨機(jī)選擇一個(gè)初始點(diǎn)作為起始點(diǎn)；

26、步驟2：在當(dāng)前點(diǎn)計(jì)算目標(biāo)函數(shù)z的梯度；

27、步驟3：沿著梯度的方向更新參數(shù)，定義是學(xué)習(xí)率，控制步長(zhǎng)大小；

28、步驟4：檢查梯度的大小是否小于預(yù)設(shè)的閾值，或者檢查目標(biāo)函數(shù)的值是否在連續(xù)幾次迭代中變化很小，如果是，則認(rèn)為算法已經(jīng)收斂；

29、步驟5：如果沒(méi)有收斂，返回步驟2，繼續(xù)迭代；

30、步驟6：當(dāng)算法收斂時(shí)，輸出當(dāng)前的決策的值。

31、優(yōu)選的，基于購(gòu)電量對(duì)用戶進(jìn)行分類(lèi)，具體如下：

32、

33、式中， l是最終輸出的等級(jí)， l r是設(shè)置的第 r個(gè)分類(lèi)類(lèi)型，是設(shè)置的閾值， q是用戶購(gòu)電量。

34、一種基于客戶特征分析的精益化催費(fèi)系統(tǒng)，應(yīng)用于如上所述的方法，包括：

35、用戶分類(lèi)單元，該單元按照不同的行業(yè)以及不同的行業(yè)標(biāo)準(zhǔn)對(duì)用戶記性分類(lèi)；

36、催費(fèi)成功率統(tǒng)計(jì)單元，與決策終端連接，用于獲取催費(fèi)方式以及繳費(fèi)時(shí)間點(diǎn)，進(jìn)一步分別統(tǒng)計(jì)每一類(lèi)用戶的催費(fèi)通道及其成功率，基于催費(fèi)成功率得出每一類(lèi)用戶的催費(fèi)方式排序，催費(fèi)成功率越高，相應(yīng)的催費(fèi)方式排序越靠前；

37、催費(fèi)策略輸出單元，與催費(fèi)成功率統(tǒng)計(jì)單元以及決策終端連接，以用戶滿意度、催費(fèi)頻率以及欠費(fèi)時(shí)長(zhǎng)未影響因子構(gòu)建目標(biāo)函數(shù)，然后通過(guò)擬合得出催費(fèi)頻率和用戶滿意度及欠費(fèi)時(shí)長(zhǎng)的關(guān)系，設(shè)定相應(yīng)的約束條件，最終求解出一個(gè)使得目標(biāo)函數(shù)最大的催費(fèi)頻率，然后基于催費(fèi)成功率的排序?qū)Ω鞔哔M(fèi)方式劃分比例，輸出最終決策，最終決策為每一種催費(fèi)方式的在周期內(nèi)的催費(fèi)次數(shù)；

38、決策終端，與催費(fèi)策略輸出單元以及用戶終端連接，用于接收催費(fèi)策略輸出單元的催費(fèi)策略，并基于催費(fèi)策略向用戶終端輸送催費(fèi)信息；

39、用戶終端，用于接收決策終端輸出的催費(fèi)，而后繳費(fèi)后向催費(fèi)成功率統(tǒng)計(jì)單元提供催費(fèi)成功率計(jì)算過(guò)程中所需的數(shù)據(jù)，包括收到催費(fèi)的時(shí)間以及繳費(fèi)時(shí)間。

40、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)包括存儲(chǔ)的程序，其中，在所述程序運(yùn)行時(shí)控制所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)所在設(shè)備執(zhí)行如上所述的基于客戶特征分析的精益化催費(fèi)方法。

41、一種處理器，所述處理器用于運(yùn)行程序，其中，所述程序運(yùn)行時(shí)執(zhí)行如上所述的基于客戶特征分析的精益化催費(fèi)方法。

42、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：

43、本發(fā)明該按照不同的行業(yè)以及不同的行業(yè)標(biāo)準(zhǔn)對(duì)用戶記性分類(lèi)，分別統(tǒng)計(jì)每一類(lèi)用戶的催費(fèi)通道及其成功率，基于催費(fèi)成功率得出每一類(lèi)用戶的催費(fèi)方式排序，然后以用戶滿意度、催費(fèi)頻率以及欠費(fèi)時(shí)長(zhǎng)未影響因子構(gòu)建目標(biāo)函數(shù)，然后通過(guò)擬合得出催費(fèi)頻率和用戶滿意度及欠費(fèi)時(shí)長(zhǎng)的關(guān)系，設(shè)定相應(yīng)的約束條件，最終求解出一個(gè)使得目標(biāo)函數(shù)最大的催費(fèi)頻率，然后基于催費(fèi)成功率的排序?qū)Ω鞔哔M(fèi)方式劃分比例，輸出最終決策，最終決策為每一種催費(fèi)方式的在周期內(nèi)的催費(fèi)次數(shù)。能夠以考慮“群體+方式+時(shí)間”的方式形成催費(fèi)策略，以更好的支撐催費(fèi)服務(wù)，實(shí)現(xiàn)電費(fèi)催收質(zhì)效和客戶體驗(yàn)雙提升。