典型文献
基于大数据分析的支撑智能催费的客户分群方法研究
文献摘要：
电费催费作为电费回收的重要环节,具有面向用户数量多、客户需求差异大等特点,但是目前电费催费面临着传统催收模式下工作效率低、催收成本高和服务质量无法保证等问题,电费催收工作无法精准发力.因此本文对RFM用户价值模型进行了拓展和改进,在模型中延伸了欠费次数、欠费金额、年总电费等多个指标,能够有效评估用户缴费的用电情况,缴费及时性等.同时,通过对用户缴费、欠费等相关数据进行深入分析,筛选出用户缴费的特征指标,并提出了新的DC K-means聚类模型,在K-means聚类算法中引入密度的概念,有效解决选取聚类中心对最终聚类效果造成极大不良影响的问题,实现用户群体的分类,使得供电企业能够对不同类别的用户群体开展针对性的智能催费方式,以此来有效地提升催费效率,降低催费成本.
文献关键词：
大数据;聚类算法;智能催费;客户分群
中图分类号：
作者姓名：
郑岳;韩娟;杜丽洁;于丽梅;仝天;孙源
作者机构：
国网山东省电力公司营销服务中心(计量中心),山东 济南,250001
文献出处：
引用格式：
[1]郑岳;韩娟;杜丽洁;于丽梅;仝天;孙源-.基于大数据分析的支撑智能催费的客户分群方法研究)[J].电力大数据,2022(08):55-61
A类：
智能催费,客户分群
B类：
电费回收,面向用户,用户数量,客户需求,需求差异,催收,收成,收工,精准发力,RFM,用户价值,价值模型,欠费,金额,有效评估,缴费,及时性,特征指标,DC,means,聚类模型,聚类算法,决选,聚类中心,现用,用户群体,供电企业
AB值：
0.345338
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
