基于客户欠费风险标签的智能催收应用

基于客户欠费风险标签的智能催收应用

徐慧华

国网江西省上饶供电公司广信区分供电公司 冮西省上饶市 3341 00

摘要：自2015年李克强总理提出了“互联网+”的概念以来，“互联网+”与各行各业跨界融合热火朝天。各地供电公司顺应数字化、信息化发展的趋势，将“互联网+”与电网传统业务相结合，充分发挥电网企业在电力大数据体系中天然枢纽作用，基于内部的营销数据，利用大数据技术搭建了基于画像技术的营销客服标签库平台。为了更充分、有效地利用客户运营留下来的海量数据资源，采用客户画像体系、大数据分析和处理技术，通过数据建模和数据挖掘手段，分析客户行为特征，构建标签库策略管理与智能支配功能，提供智能服务策略适配引擎。利用标签库平台将营销服务目标群体与对应的精准化策略推送到各类服务渠道平台，实现营销服务策略的制定及管理，提升细分客户精准化、差异化的营销策略制定与配置管理能力。

关键词：电力企业；欠费催收；应用

一、电费风险评估模型指标体系的构建

电费是电网企业的主要收入来源，精准高效的电费智能催收应用，可以有效地减少电费回收风险。因此本文在进行电费智能催收应用研究时，首先建立了电费风险评估模型的指标体系。电费风险评估模型指标体系的构建思路是首先与业务人员调研充分了解电费催缴业务，然后重点分析历史欠费客户各个维度的信息数据，选取与电费风险有相关性的客户用电直接行为及其他属性，主要从客户交费行为习惯、用电趋势、欠费行为习惯、其他属性四个维度考虑。

表1 电费风险评估模型指标体系

二、电费智能催收应用场景建设

1.欠费模型构建与标签输出

考虑到电网行业的特殊性，不同电压等级下的用户用电行为、缴费行为存在明显的差异，因此，在构建电费风险模型时，将用户细分为低压居民、低压非居民、高压用户3大类型，分别构建电费回收风险模型。

由于电力客户的基本信息、用电趋势等数据量庞大，因此风险建模优先考虑简单，且并行处理速度较快的算法。同时，考虑到要将欠费风险划分等级，因此风险建模优先考虑输出结果易于解释的，且容易划分等级的算法。为此，基于上述两点并结合以往历史经验，优先采用logistic算法。其中Logistic模型目标为预测客户为欠费这一事件的概率，同时将欠费概率转化为风险评分，概率越大则风险评分越高，欠费风险等级越高；概率越小则风险评分越低，欠费风险等级越低，依据不同风险评分划分客户欠费风险等级，输出客户欠费风险标签。

图1 电费智能催缴风险模型建设流程图 

2.电费智能催收应用场景设计

电费催缴智能决策场景建设总体思路旨在通过建立电费风险模型，识别出高风险客户特征，构建电费回收风险标签，通过已有标签库的客户超细划分、标签策略应用能力，利用客户标签组合筛选客户群体和分析群体特征，基于不同风险标签和客户特征制定差异化催缴策略和预防措施，提升电费催收工作的精准度和效率。应用过程设计如下：

图2 电费智能催缴应用建设流程图 

三、电费智能催收应用效果

本文通过3方面评估应用情况。在催收时效性方面，应用前，每天最多发出800条催费短信，每月催费时间需要耗时4天左右，且可能仍未及时覆盖所有待催费用户；应用后，每天只需要耗时15分钟即可对全部待缴用户进行短信催缴，大大减少催费工作量，提升催缴效率。

在催收频率方面，应用前，每月基本只能对待催缴用户催缴1次，应用后，能够每天监控待催缴用户数量，灵活安排催缴工作，提升催费有效性。在电费回收率方面，同比7、8、9月电费回收率都有所上升，尤其在9月调整为购售同期（实际包含了9月和10月的电费），催费工作量均翻倍提升，催费工作不但没有发生延迟，还对电费回收率提升有一定作用。

图3 电费智能催收时效性效果图 

图4 电费智能催收回收率增长情况图 

四、结语

随着大数据和“互联网+”技术的发展，信息化、移动化、智能化冲击着各行各业，为了适应新形势的要求，本文将“互联网+”技术与电网传统业务相结合，运用电费风险评估模型对客户群体进行划分。通过客户画像标签和客户基本属性，组合筛选需要催缴的客户群体，根据不同的客户群体，创建催收活动，如自定义短信催缴模板、催缴策略、方式及频率等。并对催缴的关键指标进行监控，评估催缴效果，及时发现问题，优化催缴活动和方案。解决了深圳供电局目前对于电费催缴策略选择上受限于个人经验和认知局限的问题，提高了电费催缴的效率。

参考文献

[1]裘华东，涂莹，丁麒.基于标签库系统的电力企业客户画像构建与信用评估及电费风险防控应用[J].电信科学，2017,175(Z1):206-213.

[2]蔡冰凌.基于客户画像的电费风险管控模式的构建与实践[J].现代国企研究，2018,1（下）：178-180.

[3]王继业.智能电网大数据[M].中国电力出版社，2016:19-20.

[4]陈海峰.供电企业电费回收措施探讨[J].中国高新技术企业，2016(29):147-148.

[5]冯歆尧，彭泽武.基于广东电网数据仓库大数据架构研究[J].电力学报，2015(6):519-523.

[6]黄瑾.电费回收的过程管理和风险防范[J].科学管理（经营版），2020(1):124-125.