隨著我國電力市場改革的逐步深化，電力市場需求多元化的特性將逐步凸顯。如何制定有針對性的營銷策略，滿足不同客戶的用電需求，實現(xiàn)差異化與個性化服務，提高核心競爭力，擴大電能在社會消費終端中的占有率，已成為供電單位的一項迫切任務。進行電力客戶細分與價值評價研究能為制定有針對性的營銷策略提供重要依據(jù)。本文將以數(shù)據(jù)挖掘為切入點，探討電力客戶細分與電力客戶價值評價。

　　【摘要】隨著我國電力市場的不斷發(fā)展，我國電力市場需求多元化的特性逐步凸顯。如何優(yōu)化營銷策略，滿足不同客戶的用電需求，提高核心競爭力，已成為電力企業(yè)的一項迫切任務。本文以數(shù)據(jù)挖掘為切入點，將電力客戶細分與價值評價有機結(jié)合，構(gòu)建了基于客戶行為-價值細分模型。并以某某市部分電力客戶為研究對象，進行實證分析。結(jié)果表明模型效果較好，能夠很好的將電力客戶細分為具有不同特征的客戶群、對不同客戶群價值進行量化評估，并能為制定相應的營銷策略提供依據(jù)。本文的研究對于電力企業(yè)熟悉電力市場，制定有針對性的營銷策略有重要的參考價值。

　　【關(guān)鍵詞】電力市場,數(shù)據(jù)挖掘,客戶細分,價值評價,實證分析

　　1.引言

　　由于各種體制原因，我國電力企業(yè)長期壟斷經(jīng)營加上政企不分，導致其對客戶資源的重視度不夠。這種形勢下電力營銷無疑是走出這種困境的一大利器[1]。近年來，隨著各級電力公司營銷體系標準化建設、用戶用電信息系統(tǒng)建設等工作的相繼開展，建立了電力行業(yè)門戶網(wǎng)站，拓展了電費繳納渠道，建立了電力95598客戶服務中心，基本上為電力客戶提供了專業(yè)化互動服務平臺。但目前仍存在大量用電數(shù)據(jù)未被充分挖掘利用，電力營銷服務很大程度上還停留在同質(zhì)化的普通服務，缺乏針對性、時效性和精準性。

　　2.研究現(xiàn)狀與研究內(nèi)容

　�。�1）電力客戶細分研究現(xiàn)狀

　　目前，電力客戶細分主要還是按定性的分類方法較多，使用定量的方法對電力客戶進行細分的應用非常有限。使用定性分類的方法對電力客戶進行細分往往不能對電力客戶進行全面的了解，客戶之間區(qū)分的標準比較模糊，不能對客戶進行精確的劃分。定量的方法則沒考慮電力客戶本身的屬性對電力客戶的影響，不能對細分的結(jié)果進行很好的解釋。文獻[2][3][4]綜合采用了定性與定量的方法對電力客戶進行細分，但可操作性不強，主要體現(xiàn)在以下兩個方面。第一，電力客戶數(shù)量很大，一些定性指標在專家打分過程中無法保持一致，帶有很多的主觀性，使得誤差較大；第二，沒有形成基于電力客戶經(jīng)濟行為、價值細分的綜合評價，不能達到?jīng)Q策的精確性要求。

　　隨著數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)水平的提高，客戶越來越成熟，客戶數(shù)據(jù)將會越來越豐富和復雜，有些復雜的數(shù)據(jù)是難于精確化的，只有采用數(shù)據(jù)挖掘的技術(shù)，才能很好地貼近人類的思維方式，更加易于被人理解，使分類更加科學化和規(guī)范化[5]。文獻[6-9]為數(shù)據(jù)挖掘技術(shù)在電力行業(yè)的相關(guān)應用的研究，但這些研究中并沒有將電力客戶細分與價值評價結(jié)合起來。

　　基于數(shù)據(jù)挖掘的客戶行為細分就是借助于數(shù)據(jù)挖掘的深層次數(shù)據(jù)分析方法，對數(shù)據(jù)庫中的各種客戶行為變量進行精確化細分，實現(xiàn)對客戶行為的定量化描述，并對客戶行為模式與客戶價值進行準確判斷與分析，從而為精細化營銷提供決策依據(jù)[5]。

　　與傳統(tǒng)的客戶細分相比，基于數(shù)據(jù)挖掘客戶行為細分的優(yōu)勢還表現(xiàn)在如下幾個方面：能夠客觀反映客戶群體內(nèi)在的特性；能夠綜合反映對客戶多方面特征；有利于更加深入細致地了解客戶價值；在營銷實踐中具有可操作性；便于實現(xiàn)對客戶的動態(tài)跟蹤[5]。

　　目前使用數(shù)據(jù)挖掘?qū)﹄娏�客戶進行細分的研究文獻并不多見，再此基礎上進行實證驗證分析的文獻更少。文獻[5]是目前較系統(tǒng)全面的地使用數(shù)據(jù)挖掘?qū)﹄娏�客戶進行細分與實證驗證分析的一篇文章，文獻作者提出了基于數(shù)據(jù)挖掘的電力客戶細分模型，并以上海電力大客戶為研究對象，對電力客戶細分結(jié)果進行了實證分析。本文將結(jié)合湖南省某某市電力客戶管理的實際情況，對電力客戶細分模型進行相應的修改，并進行相應的實證分析，實現(xiàn)對某某市電力客戶的細分。

　　（2）電力客戶價值評價研究現(xiàn)狀

　　客戶價值是營銷理論的重要組成部分，研究角度不同，價值的含義也會用所不同。本文將采用“客戶終身價值”的概念來對電力客戶價值進行定義。從時間層面來進行劃分，客戶終身價值由兩部分構(gòu)成。當前價值：到目前為止己經(jīng)實現(xiàn)了的客戶價值；潛在價值：公司通過有效的交叉銷售調(diào)動客戶購買積極性或客戶向別人推薦產(chǎn)品和服務從而可能增加的客戶價值[10]。

　　對電力客戶價值的研究可以借鑒目前研究較成熟的電信業(yè)客戶價值研究的成果。張揚明、齊佳音、舒華英在文獻[11]的研究中建立了移動運營業(yè)用戶價值評價指標體系，框架如圖2-1所示。

　　該移動客戶價值評價指標體系中，客戶價值包括客戶當前價值與客戶未來短期內(nèi)價值。其中利潤貢獻與成本占用指標能綜合反映移動客戶當前價值；忠誠度指標與信用度指標能綜合反映移動用戶未來短期價值。

　　（3）研究內(nèi)容

　　本文將以數(shù)據(jù)挖掘為切入點，建立基于數(shù)據(jù)挖掘的電力客戶細分與價值評價模型，并以某某市部分電力客戶為研究對象，進行實證分析。研究框架如圖2-2所示。

　　具體內(nèi)容如下：

　�、僖罁�(jù)客戶經(jīng)濟行為屬性，構(gòu)建客戶行為細分指標體系。

　�、诳紤]電力客戶的當前價值和潛在價值，構(gòu)建客戶價值評估指標體系。

　�、蹣�(gòu)建以客戶經(jīng)濟行為細分體系為主，客戶價值評估體系為輔的電力客戶細分模型，實現(xiàn)行為細分變量與價值評估變量的有機統(tǒng)一。

　�、芫垲惙治龇椒▽�客戶進行細分，形成基于客戶經(jīng)濟行為與價值評估的分類。

　�、莞鶕�(jù)聚類分析的結(jié)果，產(chǎn)生電力客戶細分標準。

　　⑥根據(jù)客戶細分類型，測定評估變量的取值，分別計算不同細分客戶群的相對價值，實現(xiàn)電力客戶價值的量化評估。3.模型建立

　　3.1研究思路

　　經(jīng)濟行為不同的客戶往往具有不同的電力需求，因此，通過分類或聚類分析技術(shù)，將經(jīng)濟行為相似的客戶劃入相同一組，而將經(jīng)濟行為差異較大的客戶劃入不同組。同時，綜合考慮客戶價值和客戶行為兩方面的因素，從企業(yè)價值創(chuàng)造的角度對各個客戶群進行分析，揭示出各個客戶群組為電力企業(yè)創(chuàng)造的價值的大小以及價值創(chuàng)造的形式，實現(xiàn)基于電力客戶細分類別的用戶相對價值的量化評估，從而科學地制定出能夠反映電力客戶利潤關(guān)系、用電特征、發(fā)展?jié)摿�和信用狀況等綜合信息的客戶價值評價標準，為企業(yè)營銷服務策略的制定提供依據(jù)。

　　3.2細分工具方法

　　利用聚類算法進行客戶細分是一種常用的數(shù)據(jù)挖掘技術(shù)。根據(jù)數(shù)據(jù)在聚類中的積聚規(guī)則，可以將聚類算法大致分為如下幾類：劃分式聚類算法[12]、層次化聚類算法[13]、基于模型的聚類算法[14]和基于密度和網(wǎng)絡的聚類算法[15]。K-means聚類算法是解決聚類問題的一種經(jīng)典算法。它是利用距離作為度量個體之間關(guān)系緊密程度的指標，并通過指定分類數(shù)而求得聚類結(jié)果。其主要優(yōu)點是算法簡單、快速而且能有效地處理大數(shù)據(jù)庫，本文將使用K-means聚類算法對電力客戶進行細分，K-means聚類算法流程如圖3-1所示。

　　K-means聚類算法具體過程如下：

　　輸入：聚類個數(shù)k，以及包含n個數(shù)據(jù)對象的數(shù)據(jù)。

　　輸出：滿足方差最小標準的k個聚類。

　　演算步驟：

　�、僦付ň垲悢�(shù)目

　　確定聚類數(shù)目（也稱簇數(shù)目），太大或太小都將失去聚類的意義。

　�、诖_定K個初始類中心

　　類中心（也稱簇中心）是各類典型代表。確定聚類數(shù)目K后，還應指定K個類的初始類中心點。初始類中心點的指定的合理性，將直接影響聚類收斂的速度。

　�、鄹鶕�(jù)最近原則進行聚類

　　按照距依次計算每個數(shù)據(jù)點到K個類中心點的歐式距離，并按照距K個中心點距離最近的原則，將所有樣本分派到最近的類中，形成K個類。

　�、苤匦麓_定K個中心

　　重新計算K個類的中心點。中心點的確定原則是：依次計算各類中所有數(shù)據(jù)點變量的均值，并以均值點作為K個類的中心點。

　�、菖袛嗍欠褚呀�(jīng)滿足終止聚類的條件（聚類中心點不再變化），如果沒有滿足則返回到第③步，不斷重復上述過程，直到滿足迭代終止條件。

　　上述過程③中提到的數(shù)據(jù)點與類中心點的距離為：

　　指第i個數(shù)據(jù)點到第j個類中心點的距離；

　　指第i個數(shù)據(jù)點第d維度的數(shù)據(jù)值；

　　指第j個簇中心第d維度的數(shù)據(jù)值。

　　K-means聚類算法將n個對象劃分為k簇，使簇內(nèi)對象各維度特征較為相似，而簇間的各維度特征差異較大，劃分結(jié)果示意圖如圖3-2所示。

　　3.3電力客戶細分指標體系

　　電力客戶的經(jīng)濟行為屬性最能反映其經(jīng)濟特征，因此被用作細分變量，其衍生變量通常包括：匯總變量、平均變量、趨勢變量、波動變量以及結(jié)構(gòu)變量。參考文獻[5]，并依據(jù)實際取得的數(shù)據(jù)情況，最終構(gòu)建電力客戶細分模型指標體系如表3-1所示。

　　電力客戶細分指標說明：

　　年用電量：電力客戶一年的用電量，反映電力客戶用電規(guī)模，是電力客戶細分中非常重要的細分指標；

　　平均電價：電力客戶消耗電能的平均價格，反映用電客戶用電效率情況；

　　用電增長率：電力客戶年用電增長率，反映電力用電潛力情況；

　　變異系數(shù)：一年內(nèi)各月用電標準差與平均值的比值，反映用電客戶波動情況；

　　付款率：一年內(nèi)，按時繳納電費金額與應繳電費金額比值，反映電力客戶信用狀況情況。

　　3.4電力客戶價值評價

　　本文采用“客戶終身價值”的概念對電力客戶價值進行定義�？蛻艚K身價值指某一客戶在未來所能給公司帶來的直接成本與利潤的凈現(xiàn)值。參考上海交通大學安泰經(jīng)濟與管理學院王雷碩士構(gòu)建的客戶價值評估體系，形成如圖3-3中所示的電力客戶價值評價指標體系。

　　借鑒文獻[5]，使用如下電力客戶價值評估經(jīng)驗公式，對細分出的各類別電力客戶整體進行價值評價。

　　公式（2-2）中各指標均為各類別電力客戶的平均取值，其中：

　　M為測評期內(nèi)電力客戶總用電量，這里測評期為一年，為反映電力客戶的利潤貢獻指標。

　　P為測評期內(nèi)電力客戶消費電能的平均價格，為反映電力客戶的利潤貢獻指標。

　　c為負載率，電力客戶實際用電量與裝接容量的比值，為反映電力客戶的用電特征指標。

　　e為變異系數(shù)，為反映電力客戶的用電特征指標。

　　γ為用電增長率，為反映電力客戶發(fā)展?jié)摿Φ闹笜恕?/p>

　　I為付款率，一年內(nèi)按時繳納電費金額與應繳電費金額比值，為反映電力客戶信用的指標。

　　本文在建立電力客戶細分指標體系與價值評估指標體系時，選用的各變量，幾乎相同，這實現(xiàn)了電力客戶細分模型與價值評估模型的有機統(tǒng)一。解決客戶行為細分結(jié)果難以解釋的問題，也為電力客戶價值評估提供了依據(jù)。

　　4.實證分析

　　在本文研究過程中，從電力公司系統(tǒng)中獲得了某某市2010，2011兩年內(nèi)所有電力客戶的用電相關(guān)數(shù)據(jù)。電壓等級不同，各用電特征會有很大不同，為使實證分析更有針對性，選取電力等級大于等于10KV小于35KV的電力客戶11年的各指標數(shù)據(jù)進行實證分析。

　　去除重復記錄、錯誤記錄以及不具備可比性的數(shù)據(jù)；按滿足客戶行為-價值細分模型的需要進行數(shù)據(jù)的預處理，最后形成了參與聚類分析的細分變量數(shù)據(jù)。經(jīng)過數(shù)據(jù)篩選，數(shù)據(jù)預處理后，形成的為3670位電壓等級大于等于10KV小于35KV的電力客戶細分指標數(shù)據(jù)。

　　4.1電力客戶聚類將經(jīng)過處理后的3670位電力客戶數(shù)據(jù)導入SPSS，在對數(shù)據(jù)進行標準差標準化后，選擇已標準化后的變量進行聚類分析，先暫指定聚類的數(shù)目范圍為3～8類。經(jīng)過多次調(diào)試后，發(fā)現(xiàn)將客戶分為4類時，聚類效果較好，結(jié)果如表4-1所示。

　　表4-1給出了將電力客戶分為4類時，4個類中心點的每次迭代時的變化過程。由表中可知，在第14次迭代時，4個類中心點的不再變化，達到聚類要求，聚類分析結(jié)束。得到的逐步聚類分析的類成員列表。各聚類類別含有的客戶數(shù)量如表4-2所示。

　　各聚類類別中，聚類中心為各個類別的典型代表，反映屬于該類的客戶的各維度指標的平均水平。由表4-2與表4-3可知，聚類類別1中的客戶用電量高、信用好；聚類類別2中的客戶用電量較大、用電增長率高；聚類類別3中客戶用電量低、波動大、信用差；聚類類別4中客戶數(shù)最多、各維度指標均較為一般。

　　4.2聚類結(jié)果分析

　　由客戶細分結(jié)果，可將某某市2011年電壓等級大于等于10KV小于35KV的3670位電力客戶可分為4類。4類客戶特點各不相同，依據(jù)各類客戶特點，對客戶群進行命名，結(jié)果如表4-4所示。

　　下面從兩個角度對這四個類別客戶進行分析：客戶群內(nèi)客戶個體特點；客戶群群特點。

　�。�1）不同客戶群客戶個體特點描述

　　聚類中心為各個類別的典型代表，為了更加直觀的對不同客戶群客戶特點進行描述，將表4-3各類客戶群聚類中心作為各類客戶個體特點，使用折線圖對各類客戶的細分行為變量進行描繪，結(jié)果如圖4-1所示。

　�。�2）客戶群群特點

　　某某市2011年電壓等級大于等于10KV小于35KV的3670位電力客戶通過客戶細分分為4個群，分別命名為“高電量高信用群”、“中電量高增群”、“低電量大波動低信用群”、“普通群”。每個客戶群客戶數(shù)量以及用電情況如表4-5所示。

　　由表4-5可知高電量高信用小組客戶數(shù)較少、占所有細分客戶的4.5%；用電量與平均用電量均很高，用電量占總用電量的44.95%；這類客戶為電力公司重點營銷對象，可考慮制定一系列的個性化差異化服務，充分滿足其各種用電需求，提高用電客戶滿意度。普通群小組客戶數(shù)多、用電量大，客戶數(shù)占所有細分客戶的82.72%，用電量占總用電量的52.84%；這類客戶為細分客戶的主體，公司應注重提升自身服務能力，使整體服務能力，服務質(zhì)量均有很大提高，這樣才能贏得這部分電力的滿意。中電量高增長客戶組客戶數(shù)與用電量均很少、客戶數(shù)占所有細分客戶的0.57%，用電量占總用電量的1.77%；這類客戶增長率較大，電力公司可制定一系列鼓勵該類客戶的積極用電的策略，充分挖掘該類客戶的用電潛力。低電量大波動低信用小組客戶數(shù)與用電量均較少，客戶數(shù)占所有細分客戶的12.21%，用電量占總用電量的0.44%；該類客戶用電波動較大，電力公司可制定相應的策略，引導該類客戶合理平穩(wěn)用電。

　　4.3基于客戶細分類別的價值評價

　　依據(jù)電力客戶價值評估公式，對大于等于10KV小于35KV的3670位電力客戶的4個類別客戶群進行價值評價。各類別客戶的價值評價變量數(shù)據(jù)如表4-6所示。

　　使用電力客戶價值評價模型，得到各類別客戶價值結(jié)果如表4-7所示。

　　由表4-7可知高電量高信用小組價值最高；普通群小組價值其次；中電量高增長小組價值較差；低電量大波動低信用小組價值最低。

　　4.4差異化營銷服務方案

　　電力企業(yè)為了真正實現(xiàn)對電力客戶的精細化集約化的營銷，需要充分認識電力客戶各種的特點和服務需求，在此基礎上結(jié)合企業(yè)有限資源，制定相應的服務方案。本文中通過構(gòu)建的模型將某某市電壓等級大于等于10KV小于35KV的電力客戶劃分為4類客戶。下面將電力客戶細分與價值評價相結(jié)合，為4類電力客戶制定相應的差異化營銷服務方案。

　　4.4.1高用電量高信用客戶群營銷服務方案

　　該類電力客戶為電力企業(yè)的高價值客戶，該類客戶為電力企業(yè)帶來了較大了利潤，終身價值也是最高的。除了提供常規(guī)服務外，還需將重點轉(zhuǎn)移到需求側(cè)管理服務上來：如節(jié)能減排方案服務，提供能源解決方案，在充分保障客戶用電安全穩(wěn)定的基礎上，降低電力客戶用電成本。具體服務包括對該類客戶進行需求側(cè)技術(shù)服務指導；提供客戶產(chǎn)權(quán)范圍內(nèi)電力故障搶修；電力設備定期免費檢查、計量裝置準備性檢查；與客戶保持充分的溝通，為客戶及時通報停電等信息；在停電時，以優(yōu)惠價為該類客戶出租獨立發(fā)電裝置；設定大客戶經(jīng)理，提供真正的一對一服務；為該類客戶進行全面細致的用電分析服務，為其提供全面用電分析報告。

　　4.4.2中電量高增長客戶群營銷服務方案

　　該類客戶用電量屬于中等，用電增長率高。該類客戶當前價值不高，但其潛在價值較高。針對這類客戶可為其設定相應的**業(yè)務員優(yōu)先權(quán)，方便其**業(yè)擴等業(yè)務；積極引導其提升自身價值等級；對其進行用電分析服務，并在相關(guān)人員配合，保證分析報告的全面性；定期或不定期地主動上門征求意見，盡量滿足其各自用電服務需求，挖掘其用電潛力。

　　4.4.3普通群營銷服務方案

　　該類客戶各項指標均較為中等，這類客戶占[10KV35KV）的絕大部分。用電量也占用電量一半。對這類客戶，公司應注重提升自身服務能力，使整體服務能力，服務質(zhì)量均有很大提高，這樣才能贏得這部分電力的滿意。

　　4.4.4低電量大波動低信用營銷服務方案

　　這類客戶用電量低，用電也不穩(wěn)定，信用低，這對這類電力客戶，電力企業(yè)應在基本服務的基礎上。防范這類客戶為電力帶來的風險，采取風險防范措施，具體措施可包括：如與該類客戶簽訂供電合同，推薦其實行預存電費的繳費方式；要求該類客戶提供相應的相應擔�；虻盅海患皶r通知該類客戶電費的相應信息，并依據(jù)相關(guān)法規(guī)嚴格執(zhí)行停電等措施。5.結(jié)語

　　本文以數(shù)據(jù)挖掘技術(shù)為基礎，探討電力客戶細分與電力客戶價值評價。將電力客戶細分與價值評估有機結(jié)合，構(gòu)建了客戶細分與價值評價模型，并以某某市部分電力客戶為研究對象，進行了實證分析。

　　實證結(jié)果表明將電力客戶細分與價值評價有機結(jié)合，一方面能反映整體的電力客戶的經(jīng)濟行為，從而挖掘不同分組客戶的不同特征，另一方面能從企業(yè)價值實現(xiàn)的角度可以對各個客戶分組予以評述；解決了電力客戶細分結(jié)果很難解釋的問題，也為電力客戶價值評估提供了依據(jù)；使數(shù)據(jù)挖掘有章可循，也使價值評估有理可依；并能為制定相應的營銷策略提供依據(jù)。

　　在后續(xù)研究中，可對各細分類別客戶的信用、欠費風險、用電需求、電力客戶管理等方面進行研究，最終從可操作的角度制定出更具針對性、精細化的營銷服務方案。

　　參考文獻

　　[1]李逢春.基于數(shù)據(jù)挖掘的電力行業(yè)客戶細分建模淺探[J].計算機光盤軟件與應用，2011（17）：96-96.

　　[1]LiFengchun.CustomerSegmentationModelinginPowerindustryBasedonDataMining[J].ComputerCDSoftwareandApplication，2011（17）：96-96.

　　[2]楊建萍，沈雅峰，曹欣皓，王曉峰.南京電力大客戶管理信息系統(tǒng)的設計與實施[J].電力需求側(cè)管理，2005，7（4）：31-33.

　　[2]YangJianping，ShenYafeng，CaoXinhao，WangXiaofeng.DesignandimplementationoflargepowercustomersmanagementinformationsysteminNanjing[J].PowerDemandSidemanagement，2005，7（4）：31-33.

　　[3]周鳳生.供電企業(yè)客戶服務與市場營銷[J].電力需求側(cè)管理，2002，4（6）：52-53.

　　[3]ZhouFengsheng.CustomerServiceandMarketingofElectricPowerSupplyEnterprise[J].PowerDemandSidemanagement，2002，4（6）：52-53.

　　[4]謝運來，李曉明.供電企業(yè)顧客讓渡價值理論探討[J].長沙電力學院學報（社會科學版），2003，18（4）：71-73.

　　[4]XieYunlai，LiXiaoming.OntheTheoryofCustomerConcessionValueintheElectricPowerEnterprises[J].JournalofChangshaUniversityofElectricPower，2003，18（4）：71-73.

　　[5]王雷.基于數(shù)據(jù)挖掘的電力行業(yè)客戶細分模型研究[D].上海：上海交通大學，2007.

　　[5]WangLei.TheStudyofCustomerSegmentationinElectricPowerIndustryBasedonDataMining[D].Shanghai：ShanghaiJiaoTongUniversity，2007.

　　[6]陳剛.基于數(shù)據(jù)挖掘的電力營銷決策支持系統(tǒng)的結(jié)構(gòu)原理及算法研究[D].重慶：重慶大學，2004.

　　[6]ChenGang.StudyonStructuralPrinciplesandAlgori-thmsforElectricPowerMarketingDecisionSupportSystemBasedonDataMining[D].Chongqing：ChongqingUniversity，2004.

　　[7]韓琦.基于數(shù)據(jù)挖掘的電力營銷系統(tǒng)的設計與實現(xiàn)[D].遼寧：東北大學，2008.

　　[7]HanQi.DesignandImplementationofthePowerSalesSystemBasedonDataMining[D].Liaoning：NortheasternUniversity，2008.

　　[8]陳章良.基于數(shù)據(jù)挖掘的電力營銷預測決策模型應用與研究[J].電力信息化，2008，6（12）：98-100.

　　[8]ChenZhangliang.StudyandApplicationofPowerSalesForecastandDecisionModelBasedonDataMining[J].ElectricPowerInformationTechnology，2008，6（12）：98-100.

　　[9]馮璐.基于數(shù)據(jù)挖掘的供電公司客戶關(guān)系管理系統(tǒng)研究與開發(fā)[D].北京：華北電力大學，2008.

　　[9]FengLu.ResearchandDevelopmentonCRMSystemBasedonDataMining[J].Beijing：NorthChinaElectricPowerUniversity，2008.

　　[10]DywerF.Robert.CustomerLifetimeValuationtoSupportMarketingDecision[J].JournalofDirectMarketing，1989（2）：73-81.

---

轉(zhuǎn)載請注明來自：http://www.jinnzone.com/dianlilw/35989.html