基于知识管理的供电企业客户关系管理研究

望、质量感知和价值感知这四个因变量，其中企业形象是结合供电企业独特的社会服务职能而引入的;另一方面是受因变量影响的结果变量：客户满意度、客户忠诚和客户抱怨，其相互间的影响如图2所示。通过定性与定量分析客户的期望与感知价值等信息，发现客户差异化需求并采取“一对一”客户服务策略，从而减少客户抱怨、增强客户忠诚度，使之与企业保持长期合作关系。

图2 客户满意度因果变量间的相互影响

(4)客户信用风险评估。客户信用风险评估就是通过数据挖掘中的决策树、关联规则、神经网络和孤立点分析等模型对客户的信用状况及信用风险做出客观、公正的评估活动。电力企业的客户信用评估体系主要依据电费缴纳信用和安全用电信用等指标项评估客户信用级别，对于大客户企业还需要考虑其经营能力风险，并按照客户信用等级实施定制化客户服务和电费催缴措施。同时定期趋势化分析客户信用评估模型的有效性并检验定制化服务的实施成效，促进客户信用评估模型的持续改进。

(5)窃电和欠费分析。目前，供电企业面临着严重的客户窃电和电费滞缴问题，虽然供电企业采取了追缴电费和加收滞纳金等应对措施，但是仍给社会带来严重的用电安全隐患。知识挖掘是分析异常用电的有效的工具，通常会用到聚类、多维分析和孤立点分析等算法中的一种或多种的组合算法来全面分析客户数据，及时地发现客户违规用电并采取相关的监控措施。同时，对欠费客户进行实地调查，区别对待恶意欠费行为和缴费确实有困难的行为，为供电企业塑造良好的社会形象。

(6)电力负荷预测分析。电力负荷预测是优化电力调度系统的基础，也是电网安全经济运营的前提。目前常用的预测方法主要是系统动力学、神经网络、支持向量机和时间序列分析。利用上述数据挖掘方法追踪历史电力负荷数据的变化规律与模式，发现供电数据中的前瞻性知识，提高电力负荷预测的准确性和有效性。精准的电力负荷预测一方面可以科学地调整电力生产计划以节约能源，另一方面可以针对性地指导客户合理用电和错峰用电等。

电力系统先后实施了电力营销系统、中间业务系统和电力客户服务中心等传统意义上的电力CRM系统。传统电力CRM系统集成了与客户相关的所有业务活动，它强大的操作功能为企业存储了海量的客户数据，既包括企业与客户互动交流的数据也包括了企业业务运营中的客户数据。然而，传统电力CRM系统缺乏对客户数据高效分析的能力，而且无法实现知识共享传播所要求的闭环商业流程，基于DM和KM的CRM系统正好解决了这一问题。论文构建了如图3所示基于数据挖掘和知识管理的CRM体系结构。CRM通过与客户多渠道互动和业务往来获取客户数据，定义商业目标并提交给数据分析系统。分析成果以客户知识的形式用于支持商业决策，最终再通过营销、销售和服务等业务往来作用于客户。实现客户知识从获取到使用的循环往复的闭环动态系统，最终实现CRM目标。接下来，具体分析各CRM子系统的功能。

图3 基于数据挖掘和知识管理的CRM架构

(1)运营型CRM系统面向的是市场营销、产品销售和客户服务与支持等业务流程的自动化、标准化和信息化。是客户知识获取的数据来源所在，主要是客户消费偏好和用电特征等方面的交易数据。

(2)分析型CRM主要面向客户数据分析，其常用的技术是数据挖掘、知识管理、决策支持技术和商业智能等，利用KM-CRM系统强大的数据分析工具来挖掘隐藏在客户数据内部的潜在客户知识。即从运营型CRM系统所产生的大量客户用电数据中提取有价值的商业信息，再应用知识管理的方法整合信息，为企业的经营管理和制定商业决策提供科学依据。目前，分析型CRM对客户信息的分析是基于“80/20”原理，带有对现行市场的深度营销和对未来市场进行预测的功能。

(3)协作型CRM系统通过面对面交流、呼叫中心、Web平台和视频对话等多媒体方式实现了多渠道、全方位的客户交互服务。通过集成各种渠道，开展主题的、针对性的交流沟通活动，确保企业与客户得到的信息是一致、完整的，因此它是一种综合的解决方案。

借助于CRM运营和协作系统，完善营销、销售和服务支持等业务流程，加强与客户之间紧密联系。将客户的各种属性信息和交易信息进行分类管