江苏龙网

  1. 首页 > 人文 > >

大数据为综合能源服务商机挖掘注入活力

【能源人都在看 ， 点击右上角加'关注'】
大数据为综合能源服务商机挖掘注入活力
文章图片

北极星售电网讯:电力综合能源服务目前处于发展初期 ， 开拓市场仍是当务之急 ， 可以借鉴互联网企业运用大数据开拓市场的典型经验 ， 设计出适合电力综合能源服务的潜力项目挖掘模型 。 下文给出了模型构建的思路 ， 通过模型挖掘出潜力客户项目的商机线索 ， 开展定向的客户洽谈 ， 以期助力电网公司不断拓展综合能源服务市场 。
（来源：微信公众号“朗新研究院”ID:Longshine-R作者：王永雷）
▼
一、客户商机挖掘的重要性
1、综合能源服务市场的特点
综合能源服务涉及的产业领域较多 ， 服务范围涵盖基建、设备提供、咨询、运营等多种类型 ， 综合能源服务公司在发挥其电力营销领域客户资源优势和品牌影响力的基础上 ， 需要联合产业上下游具备技术能力的企业 ， 开展整合营销并快速占领市场 。 以竞争者导向的整合营销方式 ， 匹配当前的市场发展形势 。
表1综合能源服务市场营销特点
2、综合能源服务的商机挖掘
综合能源服务公司开展市场营销工作的重要内容是商机挖掘 ， 开展精准的客户营销 。 综合能源服务的商机挖掘工作是通过潜在客户项目机会挖掘 ， 发现客户项目需求 ， 以此开展客户洽谈直至签单 。 综合能源服务是刚需 ， 但长期以来缺少产品、服务和市场 ， 导致客户的需求难以被发现和匹配 ， 甚至客户自己都不清楚准确的需求有哪些 ， 有多少 ， 因此主动的客户需求挖掘是获取客户真实需求的第一步 。 此外 ， 综合能源服务市场竞争日趋激烈 ， 客户资源的挖掘是综合能源服务公司竞争的焦点 ， 也是业务拓展工作的核心内容 。 其工作流程如下图所示：
大数据为综合能源服务商机挖掘注入活力
文章图片

图1商机挖掘业务流程
在潜在项目挖掘环节 ， 需要分析客户的用能潜力 ， 发现综合能源方面的改进和增补空间 ， 得出潜力项目可行性结论 ， 形成潜在项目清单 。 由于客户群数量庞大 ， 省域工商业客户的数量约在几十万到百万级 ， 信息量巨大 ， 人工分析耗时费力 ， 分析效果不理想 。
而大数据在海量数据分析和信息挖掘中具有显著优势 ， 能够帮助企业快速准确的定位目标潜力用户 ， 基于数据分析模型快速、高效地实现多因素的关联分析 ， 成为当下综合能源服务客户商机挖掘的必然选择 。
二、基于大数据的客户商机精准挖掘
1、基于大数据的客户商机挖掘典型案例分析
如何利用大数据在海量的客户中筛选出目标客户 ， 中国联通、建设银行在这方面有成熟经验 ， 主要有单一匹配法和层次筛选法：
单一匹配法
单一匹配法是设定标签库 ， 基于客户消费特点给客户标记标签 ， 然后根据标签确定适合的产品 。 具体做法是 ， 首先基于客户相关数据分析用户特点 ， 如中国联通数据营销基于用户的通话、上网、产品订购、消费出入帐构成等信息 ， 分析抽象形成九大类2700个标签 ， 标签类别包括基础特征、产品需求、业务特征、消费特征、渠道特征、终端偏好、客户服务评价、位置轨迹、互联网内容偏好等 ， 根据用户的信息给每个用户标记尽可能多的标签 。 然后根据产品的特点匹配目标客户 ， 具体做法是抽取产品的特征 ， 对用户特征与产品特征相匹配 ， 根据匹配指数统计用户对某一产品的潜在需求指数 ， 形成各产品的潜力客户清单 ， 在数据脱敏后提供给汽车生产企业、服装制造企业、终端APP等厂商 ， 支撑其开展客户精准营销 。
大数据为综合能源服务商机挖掘注入活力
文章图片

图2单一匹配法
层次筛选法
层次筛选法是将客户按照消费层级分群 ， 对不同群体匹配适用产品 ， 再进行项目需求挖掘 。 建行对ETC客户群体分析发现 ， 该行某一时段签约ETC的客户 ， 在签约后的三个月内存款平均增长10% 。 因此特针对该群体运用大数据分析寻找潜在目标客户 ， 定向开展ETC产品营销 。
具体做法是 ， 首先 ， 确定目标客户大类 。 将客户分为"新手上路车主客群"、"商务白领车主客群"、"顶端价值车主客群"三类客群；其次 ， 按照客户群体的价值高低 ， 分配不同价值的产品；再次 ， 分析客户购买产品的潜力 。 主要根据客户日常的消费信息 ， 分析客户对不同产品的购买欲望 ， 通过指标数据把购买潜力量化为潜力值；最后 ， 确定潜力项目清单 。 按客户价值、潜力值对客户潜力项目排序 ， 确定拜访的先后顺序 。
大数据为综合能源服务商机挖掘注入活力
文章图片

图3层次筛选法
案例总结
根据上述两种方法的应用案例 ， 单一匹配法更适合零售客户 ， 而层次筛选法更适合群体类和B端客户 ， 综合能源服务主要面向B端客户 ， 因此更加适合采用层次筛选法 。
【大数据为综合能源服务商机挖掘注入活力】2、综合能源服务潜力项目挖掘模型设计思路
借鉴典型企业利用大数据支撑市场开拓的经验 ， 基于大数据的电力综合能源服务潜力项目挖掘 ， 需要开展四方面工作：一是数据准备 ， 二是客户分群与产品匹配 ， 三是计算客户对产品的潜力值 ， 四是按价值、潜力值对客户项目进行排序 。 具体思路如下：
大数据为综合能源服务商机挖掘注入活力
文章图片

图4综合能源潜力项目挖掘分析模型设计思路图
数据准备
数据准备是获取用于训练模型 ， 以及模型后期运行所需数据的过程 。 所需数据包括客户用能结构数据、日常用能业务办理数据 ， 以及客户的其他商业活动数据 ， 以下针对三类数据分别给出数据获取方法 。
（1）客户用能结构数据收集 。 以发放调查问卷、电话调查、营业柜台问询等多种方式 ， 获取全量的客户基本信息和用能结构信息 ， 用于客户用能的需求分析 。
针对已开展项目的客户 ， 在项目执行期间 ， 收集客户对公司其他产品的需求信息 ， 另外在客户到营业柜台办理用电业务时 ， 增加对客户生产结构、用能结构、未来发展趋势、对某类产品的需求等方面的调查问询 。
针对未开展项目的客户 ， 通过提供免费用电咨询等方式 ， 获取客户的需求信息 。 借助多种便捷的工具 ， 比如微信小程序、移动作业终端等 ， 提高信息录入的效率和便捷度 。 通过调研模板的设置 ， 保证获取的信息维度广、价值点多 ， 以便能够支撑后续的模型分析 。
（2）日常用能及业务办理数据收集 。 客户的日常用电量、用电业务办理数据经过脱敏处理 ， 作为客户用电习惯分析数据 。 客户日常用电量 ， 主要是客户生产过程中的用电总量 。 用电业务办理数据 ， 包括客户增容、减容等反映客户生产规模变化的数据 。 以上数据均可在客户用电信息采集、用电业务办理过程中获取 。
（3）其他数据收集 。 采取商业合作的方式 ， 从网站、市场调查机构获取部分客户的商业活动信息 ， 作为客户用能消费倾向分析数据 。 因为综合能源服务涉及到多个业务领域 ， 需要收集分布式光伏、生物质发电、储能、节能服务、配电网智能运维等领域的客户相关信息 。
产品匹配
产品匹配是把客户群与产品建立关系 ， 初步确定产品适用客户群体的过程 。 需要首先对客户进行分群 ， 然后对产品进行分类 ， 最后基于客户群体的消费特点 ， 匹配适合产品的客户群体 ， 以便能够缩小产品所对应的客户范围 。 以屋顶分布式光伏产品为例 ， 屋顶分布式光伏产品所适用的客户需要具备多个条件 ， 包括用电类别为工商业用电、拥有厂房用地等 ， 在产品匹配时 ， 可以把具备上述条件的客户群与产品建立匹配关系 。
潜力值评估
潜力值评估是计算客户对产品的潜力值并形成潜力项目的过程 ， 潜力值分析模型需要基于业务规则进行设计 。 首先分析业务规则 ， 设计分析维度和因素 ， 基于设计的维度和因素 ， 结合计算公式 ， 确定潜力值 。 综合能源服务的现实情况是业务覆盖面非常广 ， 所以给潜力挖掘模型的设计也造成了一定的困难 ， 每个业务的用户需求模型都不太一样 ， 所以需要针对每个产品设计潜力值评估模型 。
以工业客户的分布式发电产品为例 ， 光伏发电产品市场开拓模型主要从分析维度、分析因素、筛选算法三个方面进行设计 。 分析维度包括客户条件具备程度、投资回收期、投资风险等 。 客户条件具备程度维度是分析客户是否具备实施光伏项目的基础条件 ， 分析因素包括屋顶面积、用电量增长率、是否高耗能企业等 。 投资回收期维度是分析项目收回投资成本后开始获得收益所需要的年限 ， 收益分析因素包括发电量、企业电价、脱硫燃煤电价、余额上网率、综合补贴电价等 。
分析维度和因素根据产品的特点进行总结归纳 ， 因素的数量决定模型的精准度 ， 所选择的因素必须有数据支撑 。 通过模型计算后 ， 可以得到各因素的潜力指数 ， 输出潜力项目及对应的潜力指数 ， 项目由客户名称与产品名称组合形成 。
价值度和潜力值排序
价值度和潜力值排序是从客户价值、潜力值两个维度对客户项目进行优先度排序 。 包括客户价值度分析、潜力值分析、潜力项目清单生成三个步骤 。
（1）客户价值度分析 。 客户价值度从客户的当前价值、潜在价值两方面分析 。 当前价值分析的因素包括经济贡献、社会效益、信用状况等 。 潜在价值分析因素包括用电量增长率、用能增长率、产能增长率等 。
（2）潜力值分析 。 首先通过模型算法确定客户项目各潜力影响因素的具体值 ， 值的确定需要通过历史数据分布获得数值区间 ， 给出得分规则 。 然后汇总各因素的潜力值 ， 结合已设置的各因素的权重系数 ， 汇总计算获得最终的潜力值 ， 即生成每个客户项目的潜力值 。
（3）潜力项目清单生成 。 在生成客户项目的潜力值后 ， 需要对项目排序 ， 排序时首先按项目所属客户的价值度排序 ， 同一价值度区间内再按潜力值排序 ， 形成排序后的客户潜力项目清单 ， 作为客户经理开展营销活动的指导与参考 。
3、模型应用的实践体会
基于大数据的潜力客户挖掘模型已经在省级智慧能源服务平台上开展了实际应用 ， 根据省电网公司的实践来看 ， 模型能够为客户经理开展客户洽谈提供初步的客户潜力项目清单 ， 辅助客户经理为客户初步分析其用能结构、用能需求 ， 给出初步的改进和增补方向 ， 以及项目投资收益预测 。
例如在光伏项目洽谈时 ， 客户经理基于模型分析后能够向客户反馈项目收回成本的年限 ， 为客户算一笔经济帐 ， 让客户明确了解项目所带来的利润和风险 ， 有助于营销目标达成 。 后续通过项目的签单实施 ， 助力客户在改进能源利用方式、实现用能设备的节能功改造、提高运维效率等方面获得收益 ， 为全社会清洁用能、节能增效贡献力量 。
结语
本文对电力综合能源服务市场的特点和市场商机挖掘业务进行了分析 ， 通过借鉴业界优秀的市场开拓大数据分析案例 ， 提出了构建综合能源服务客户潜力项目挖掘分析模型及其关键步骤 ， 据此可在业务系统开发部署潜力项目分析模型 ， 为客户经理精准营销提供支撑 。
除了客户潜力项目挖掘的大数据应用之外 ， 客户洽谈期间的方案辅助支撑、后续项目执行效果评估等方面 ， 大数据也能发挥重要作用 ， 可通过业务特点的深度分析和数据的充分利用 ， 构建出各业务细分领域的具体应用模型 ， 助力电力综合能源服务业务的快速拓展和业态构建 。
【参考文献】
[1]陈向群 ， Etc业务对银行发展的作用 ， 现代经济信息 ， 2018年3月30日.
[2]吕许浓 ， 浅谈大数据对企业的影响 ， 数字通信世界 ， 2019年10月20日.
【王永雷|朗新科技集团售前支持部】
_本文原始标题:【能源服务】大数据为综合能源服务商机挖掘注入活力
免责声明：以上内容转载自北极星电力新闻网 ， 所发内容不代表本平台立场 。
全国能源信息平台联系电话：010-65367702 ， 邮箱：hz@people-energy.com.cn ， 地址：北京市朝阳区金台西路2号****社


    推荐阅读


    上一篇：7月1日起，转账超10万重点监控！个人账户收款被罚300万

    下一篇：区块链领域，腾讯金融、蚂蚁金服、京东金融的发展探索