CN110570136B - 配送范围确定方法、装置、电子设备以及存储介质 - Google Patents
配送范围确定方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN110570136B CN110570136B CN201810475812.XA CN201810475812A CN110570136B CN 110570136 B CN110570136 B CN 110570136B CN 201810475812 A CN201810475812 A CN 201810475812A CN 110570136 B CN110570136 B CN 110570136B
- Authority
- CN
- China
- Prior art keywords
- merchant
- region
- merchants
- region block
- historical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0838—Historical data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了一种配送范围确定方法、装置、电子设备以及存储介质,属于网络技术领域。本发明实施例提供的技术方案,通过充分利用地域区块内的历史行为数据以及商户的历史订单数据,通过自动化的方法,从地域区块的角度,为地域区块找到能够使得该地域区块内时整体收益较高的商户集合,不仅能够保证地域区块的整体收益,还能够提高配送效率。
Description
技术领域
本发明涉及网络技术领域,特别涉及一种配送范围确定方法、装置、电子设备以及存储介质。
背景技术
在即时配送场景中,每个商家都有独自的配送范围。商家的配送范围是地理概念上的一块区域,在即时配送应用平台上,商家只对位于该商家的配送范围内的用户可见。也就是说,订单关系只产生在商家和配送范围内的用户。由此可见,商家配送范围是一种硬性约束,且直接决定了商家单量、配送效率和用户体验。若配送范围设定得过小,则潜在用户群体小,则商家单量、平台GMV(gross merchandise volume,成交总额)将较小;若配送范围设定得过大,虽然潜在用户群体较大,产生的单量可能有一定程度提升,但整体的配送效率可能会受到较大影响,进而影响用户的体验。因此,如何确定商家的配送范围成为关注的焦点问题。
目前的配送范围确定一般是通过线下人工确定商家的配送范围,也即是直接根据人工经验逐个确定每一个商家的配送范围,再基于确定的配送范围进行绘制。
这种确定方式存在一定的主观性,无法保证客观、准确的绘制,也无法保障配送效率以及区域内的整体收益。
发明内容
本发明实施例提供了一种配送范围确定方法、装置、电子设备以及存储介质,能够在保证区域内的整体收益的同时,提高配送效率。所述技术方案如下:
一方面,提供了一种配送范围确定方法,所述方法包括:
获取多个地域区块内的历史行为数据和多个商户的历史订单数据;
根据所述多个地域区块内的历史行为数据和多个商户的历史订单数据,获取所述每个地域区块的目标商户集合基于所述每个地域区块的目标商户集合,为所述多个商户确定配送范围。
一方面,提供了一种配送范围确定装置,所述装置包括:
数据获取模块,用于获取多个地域区块内的历史行为数据和多个商户的历史订单数据;
目标商户集合获取模块,用于根据所述多个地域区块内的历史行为数据和多个商户的历史订单数据,获取所述每个地域区块的目标商户集合;
配送范围确定模块,用于基于所述每个地域区块的目标商户集合,为所述多个商户确定配送范围。
一方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述指令由所述处理器加载并执行以实现上述配送范围确定方法所执行的操作。
一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现上述配送范围确定方法所执行的操作。
在一些实施例中,所述目标商户集合所包含商户的历史订单数据满足约束条件且能够保证所述每个地域区块内的收益最大化或收益大于预设阈值。
本发明实施例提供的技术方案带来的有益效果是:
本发明实施例提供的技术方案,通过充分利用地域区块内的历史行为数据以及商户的历史订单数据,通过自动化的方法,从地域区块的角度,为地域区块找到能够使得该地域区块内时整体收益较高的商户集合,不仅能够保证地域区块的整体收益,还能够提高配送效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种配送范围确定方法的流程图;
图2是本发明实施例提供的一种配送范围确定方法的流程图;
图3是本发明实施例提供的一种预测流程示意图;
图4是本发明实施例提供的一种配送范围确定过程的示意图;
图5是本发明实施例提供的一种配送范围优化示意图;
图6是本发明实施例提供的一种配送范围确定装置的结构示意图;
图7是本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
图1是本发明实施例提供的一种配送范围确定方法的流程图。参见图1,该方法具体包括:
101、获取多个地域区块内的历史行为数据和多个商户的历史订单数据。
102、根据所述多个地域区块内的历史行为数据和多个商户的历史订单数据,获取所述每个地域区块的目标商户集合。
103、基于所述每个地域区块的目标商户集合,为所述多个商户确定配送范围。
在一种可能实现方式中,所述根据所述多个地域区块内的历史行为数据和多个商户的历史订单数据,获取所述每个地域区块的目标商户集合包括:
根据所述多个地域区块内的历史行为数据和多个商户的历史订单数据,预测所述多个商户在所述多个地域区块上的转化率或订单数量;
根据所述转化率或订单数量、所述多个商户的历史订单数据以及所述多个地域区块内的历史行为数据,获取所述每个地域区块的目标商户集合。
在一种可能实现方式中,所述根据所述多个地域区块内的历史行为数据和多个商户的历史订单数据,预测所述多个商户在所述多个地域区块上的转化率或订单数量包括:
调用预测模型;
将所述多个商户的历史订单数据和所述多个地域区块的历史行为数据输入该预测模型,输出每个商户在每个地域区块的转化率或订单数量;
其中,所述预测模型用于根据商户的历史订单数据和地域区块的历史行为数据对所述商户在任一个地域区块的转化率或订单数量进行预测。
在一种可能实现方式中,所述预测模型的训练过程包括:
对所述多个商户的历史订单数据和所述多个地域区块内的历史行为数据进行特征提取,得到多组第一特征、第二特征和第三特征;
基于所述多组第一特征、所述第二特征和所述第三特征,训练得到所述预测模型;
其中,所述第一特征为商户维度的曝光量和点击量中至少一项,以及商户维度的转化率或订单数量;所述第二特征为地域区块维度的曝光量和点击量中至少一项,以及所述地域区块维度的转化率或订单数量;所述第三特征为商户以及地域区块交叉维度的曝光量和点击量中至少一项,以及商户以及地域区块交叉维度的转化率或订单数量。
在一种可能实现方式中,所述根据所述转化率或订单数量、所述多个商户的历史订单数据以及所述多个地域区块内的历史行为数据,获取所述每个地域区块的目标商户集合包括:
根据所述转化率、每个地域区块的曝光率以及所述多个商户的平均客单价,对多个商户进行组合优化,得到所述每个地域区块的目标商户集合;或,
根据所述订单数量以及所述多个商户的平均客单价,对多个商户进行组合优化,得到所述每个地域区块的目标商户集合。
在一种可能实现方式中,所述根据所述转化率、每个地域区块的曝光率以及所述多个商户的平均客单价,对多个商户进行组合优化,得到所述每个地域区块的目标商户集合包括:
应用第一目标优化函数对所述多个商户进行组合优化,得到所述每个地域区块的目标商户集合;
Cp,g∈(0,1)
所述根据所述订单数量以及所述多个商户的平均客单价,对多个商户进行组合优化,得到所述每个地域区块的目标商户集合包括:
应用第二目标优化函数对所述多个商户进行组合优化,得到所述每个地域区块的目标商户集合;
Cp,g∈(0,1)
其中,pvg为在地域区块g上的曝光量;cvrp,g为商户p在地域区块g上的转化率,orderp,g为商户p在地域区块g上的预测订单数量;
Pricep为商户p的平均客单价;Cp,g为是否为商户p分配地域区块g作为其配送范围内的区块的0-1标识;Cp,g取值为1时,表示为商户p分配地域区块g,Cp,g取值为0时则不为商户p分配地域区块g。
在一种可能实现方式中,所述基于所述每个地域区块的目标商户集合,为所述多个商户确定配送范围包括:
根据每个商户对应的至少一个地域区块,生成所述每个商户的连通区域;
对所述每个商户的连通区域进行处理,得到每个商户的配送范围。
在一种可能实现方式中,所述对所述每个商户的连通区域进行处理,得到每个商户的配送范围包括:
根据三级路网对所述每个商户的连通区域进行合并处理和/或孔洞突刺处理,得到所述每个商户的配送范围。
在一种可能实现方式中,所述基于所述每个地域区块的目标商户集合,为所述多个商户确定配送范围之后,所述方法还包括:
对所述多个商户的配送范围进行压缩,存储压缩后的区域数据。
上述所有可选技术方案,可以采用任意结合形成本公开的可选实施例,在此不再一一赘述。
图2是本发明实施例提供的一种配送范围确定方法的流程图。参见图2,该方法具体包括:
201、服务器对多个商户的历史订单数据和多个地域区块内的历史行为数据进行特征提取,得到多组第一特征、第二特征和第三特征。
其中,商户的历史订单数据可以包括订单的下单地址、订单金额、订单配送时长等信息,服务器可以对商户的历史订单数据进行统计,以得到可以包括商户的平均客单价、商家配送到某个地域区块的平均配送时长以及订单数量等。而多个地域区块内的历史行为数据可以包括地域区块内的曝光量、点击量、商户的曝光量、点击量等。服务器还可以对多个地域区块内的历史行为数据进行统计,得到不同维度的曝光量、点击量,例如,商户的曝光量和点击量,地域区块的曝光量和点击量,以及,某个商户在某个地域区块内的曝光量和点击量等。基于上述统计得到的数据,还可以得到不同维度的转化率,该转化率是指从订单数量与曝光量或点击量之间的比例。为了从不同维度来确定转化规律,服务器在进行特征提取时,可以基于上述数据,分别提取多组第一特征、第二特征和第三特征。
其中,该第一特征为商户维度的曝光量和点击量中至少一项,以及商户维度的转化率;该第二特征为地域区块维度的曝光量和点击量中至少一项,以及该地域区块维度的转化率;该第三特征为商户以及地域区块交叉维度的曝光量和点击量中至少一项,以及商户以及地域区块交叉维度的转化率。
需要说明的是,如果想要预测的模型是用于预测订单数量的模型,则在进行特征提取时,所提取的第一特征为商户维度的曝光量和点击量中至少一项,以及商户维度的订单数量;该第二特征为地域区块维度的曝光量和点击量中至少一项,以及该地域区块维度的订单数量;该第三特征为商户以及地域区块交叉维度的曝光量和点击量中至少一项,以及商户以及地域区块交叉维度的订单数量。
当然,需要说明的是,上述统计过程和特征提取过程,可以通过曝光量和点击量中至少一项进行,而不必须两类数据均统计或提取,本发明实施例对此不做具体限定。
202、服务器基于所述多组第一特征、所述第二特征和所述第三特征,训练得到所述预测模型。
利用上述多组特征数据作为训练数据,可以基于任一种机器学习方法,来进行模型训练,以得到预测模型,用于根据商户的历史订单数据对所述商户在任一个地域区块的转化率进行预测(该流程示意可参见图3)。例如,该机器学习方法可以采用回归算法,以构建能够用于表征转化率受到曝光量和/或点击量以及不同维度转化率影响的预测模型。
需要说明的是,对于服务器来说,上述步骤201-202的模型训练过程可以是在任一时刻进行,只需在进行配送范围确定之前训练完成即可,本发明实施例对此不做具体限定。且,上述训练过程和后续的配送范围确定过程可以由一个服务器执行,也可以由不同服务器执行,在本发明实施例中,仅以采用同一个服务器执行为例进行说明。
203、服务器调用预测模型。
当需要进行配送范围确定时,服务器可以调用该基于第一特征、第二特征和第三特征训练得到的模型,从而能够基于任一商户的商户维度、地域区块维度以及二者交叉维度上的特征,来预测任一商户在任一地域区块上的转化率。
当然,如果该预测模型是用于预测订单数量的模型,则可以通过对模型的调用来预测任一商户在任一地域区块上的订单数量。
204、服务器将所述多个商户的历史订单数据和所述多个地域区块的历史行为数据输入该预测模型,输出每个商户在每个地域区块的转化率。
由于之前所训练的预测模型,可以提供一种转化率受到各方面影响的规律,因此,基于该规律,可以对任一个商户和任一个地域区块来说,预测出该商户在该地域区块的转化率。当然,如果该预测模型是用于预测订单数量的模型,则可以通过输入模型,可以来预测任一商户在任一地域区块上的订单数量。
上述步骤201至204实际上提供了组合优化过程所需的数据,参见图4中的第一过程,在该第一过程中,主要是基于多个商户的历史订单数据和所述多个地域区块的历史行为数据,来得到每个商户在每个地域区块的转化率,基于实际数据所得到的转化率,能够在组合优化时提供真实的数据支持,使得组合优化所得到的结果更加准确。
205、服务器根据所述转化率、每个地域区块的曝光率以及所述多个商户的平均客单价,对多个商户进行组合优化,得到所述每个地域区块的目标商户集合。
在确定了商户在该地域区块的转化率后,可以基于每个地域区块,来获取使得该地域区块的收益较高的商户集合。以提高收益为目的,可以设计如下的第一目标优化函数:
Cp,g∈(0,1)
其中,pvg为在地域区块g上的曝光量;cvrp,g为商户p在地域区块g上的转化率;Pricep为商户p的平均客单价;Cp,g为是否为商户p分配地域区块g作为其配送范围内的区块的0-1标识;其中,Cp,g取值为1时,表示为商户p分配地域区块g,Cp,g取值为0时则不为商户p分配地域区块g。
当然,如果预测模型是用于预测订单数量的模型,则还可以应用下述第二目标优化函数对所述多个商户进行组合优化,得到所述每个地域区块的目标商户集合;
Cp,g∈(0,1)
其中,orderp,g为商户p在地域区块g上的预测订单数量,其他参数与上述第一目标优化函数的参数同理。
在以地域区块内收益最大化为优化目标求解的同时,还需要基于一定约束条件,以保证用户体验,该约束条件可以为平均配送时长(或距离)小于预设阈值。
该约束条件可以表示为:
其中,Timep,g为商户p配送至地域区块g的平均配送时长,T为预设的平均配送时长的限制阈值,即求解结果需要满足平均配送时长小于该阈值。需要说明的是,该约束条件还可以采用平均距离进行约束,也即是,上述约束条件可以表示为:
其中,Distancep,g为商户p配送至地域区块g的平均配送距离,Distance为预设的平均配送距离的限制阈值。
基于上述目标优化函数和约束条件进行求解,则可以得到每个地域区块的目标商户集合,目标商户集合所包含商户的历史订单数据满足约束条件且能够保证该地域区块内的收益较高。
需要说明的是,上述仅是组合优化的一种示例,在实际场景中,还可以采用其他组合优化算法以及其他约束条件来进行生成地域区块集合,本发明实施例对此不做具体限定。
上述步骤205是利用组合优化的方法为每个地域区块推荐合适的商户集合的过程(如图4中的第二过程),在该第二过程中,为了使得用户体验和收益能够得到保证,引入了诸如平均客单价以及平均配送时长或者平均配送距离等作为参考,还引入了实际的曝光情况,能够大大提高组合优化的准确性。
206、服务器根据每个商户对应的至少一个地域区块,生成所述每个商户的连通区域。
上述求解时得到了每个地域区块的目标商户集合,实际上,也即是得到了每个商户对应的至少一个地域区块,因此,可以基于商户角度,有针对性的再基于商户来确定其配送范围,对于每个商户来说,其对应的至少一个地域区块在地图上表现为一个一个独立的区块,基于这些区块,可以生成该商户的多边形的连通区域,如图5中(a)图所示的多边形外包。
207、服务器根据三级路网对所述每个商户的连通区域进行合并处理和/或孔洞突刺处理,得到所述每个商户的配送范围。
基于上述连通区域,可以结合三级路网中的小区的地理信息,对每个商户的连通区域进行合并处理。例如,当连通区域的边界位于任一个小区内时,基于该小区的地理信息,将该小区从连通区域中删除,如图5中(b)图所示。
当然,处理后的连通区域还可能有孔洞和突刺部分,孔洞可以是指连通区域中有一些未被该连通区域覆盖的地域区块,突刺可以是指不规则的边缘部分,为了使得配送范围更加合理,可以对孔洞部分进行填充(如图5中(c)图所示),对突刺部分进行删除如图5中(d)图所示,将最终处理得到的区域作为商户的配送范围。
需要说明的是,在上述服务器对所述每个商户的连通区域进行处理,得到每个商户的配送范围的过程中,可以基于连通区域的不同情况进行不同的处理,而无需对于每个商户的连通区域均进行上述合并处理、孔洞处理以及突刺处理,以避免对服务器计算资源的浪费。
上述步骤206至步骤207是进行商户配送范围的生成和优化的过程(如图5中的第三过程),该第三过程中,需要从商户的角度,来整体优化该商户的各个地域区块所组成的配送范围,该优化可以包括上述涉及的合并、孔洞突刺处理等等过程。进一步地,在保存各个商户的配送范围时,还可以对所述多个商户的配送范围进行压缩,存储压缩后的区域数据。而在将各个商户的配送范围发送给商户终端时,也可以发送压缩后的区域数据,以减少终端的数据存储量。
在上述实现过程中所涉及的地域区块可以是基于地理哈希(geohash)粒度的地域区块,还可以是基于任一种区域划分方式粒度的地域区块,如,可以将地图分割成多个六边形区块或其他形状区块等,本发明实施例对此不做限定。
本发明实施例提供的方法,通过充分利用地域区块内的历史行为数据以及商户的历史订单数据,通过自动化的方法,从地域区块的角度,为地域区块找到能够使得该地域区块内时整体收益较高的商户集合,不仅能够保证地域区块的整体收益,还能够提高配送效率,还能够提高分配的准确性和分配的效率。进一步地,在为地域区块获取商户集合时,不仅考虑到了订单的转化情况,还考虑到了配送情况,能够大大提高分配的准确性,且能够保证用户体验。进一步地,在对配送区域进行处理时,还考虑到了实际的路网分布情况,来进一步对配送区域进行合理化,也能够提高分配的准确性。
图6是本发明实施例提供的一种配送范围确定装置的结构示意图。参见图6,所述装置包括:
数据获取模块601,用于获取多个地域区块内的历史行为数据和多个商户的历史订单数据;
目标商户集合获取模块602,用于根据所述多个地域区块内的历史行为数据和多个商户的历史订单数据,获取所述每个地域区块的目标商户集合;
配送范围确定模块603,用于基于所述每个地域区块的目标商户集合,为所述多个商户确定配送范围。
在一种可能实现方式中,所述目标商户集合获取模块包括:
预测子模块,用于根据所述多个地域区块内的历史行为数据和多个商户的历史订单数据,预测所述多个商户在所述多个地域区块上的转化率或订单数量;
获取子模块,用于根据所述转化率或订单数量、所述多个商户的历史订单数据以及所述多个地域区块内的历史行为数据,获取所述每个地域区块的目标商户集合。
在一种可能实现方式中,所述预测子模块用于:
调用预测模型;
将所述多个商户的历史订单数据和所述多个地域区块的历史行为数据输入该预测模型,输出每个商户在每个地域区块的转化率或订单数量;
其中,所述预测模型用于根据商户的历史订单数据和地域区块的历史行为数据对所述商户在任一个地域区块的转化率或订单数量进行预测。
在一种可能实现方式中,所述装置还包括训练模块,所述训练模块用于:
对所述多个商户的历史订单数据和所述多个地域区块内的历史行为数据进行特征提取,得到多组第一特征、第二特征和第三特征;
基于所述多组第一特征、所述第二特征和所述第三特征,训练得到所述预测模型;
其中,所述第一特征为商户维度的曝光量和点击量中至少一项,以及商户维度的转化率或订单数量;所述第二特征为地域区块维度的曝光量和点击量中至少一项,以及所述地域区块维度的转化率或订单数量;所述第三特征为商户以及地域区块交叉维度的曝光量和点击量中至少一项,以及商户以及地域区块交叉维度的转化率或订单数量。
在一种可能实现方式中,所述目标商户集合获取模块用于:
根据所述转化率、每个地域区块的曝光率以及所述多个商户的平均客单价,对多个商户进行组合优化,得到所述每个地域区块的目标商户集合;或,
根据所述订单数量以及所述多个商户的平均客单价,对多个商户进行组合优化,得到所述每个地域区块的目标商户集合。
在一种可能实现方式中,所述目标商户集合获取模块用于:应用第一目标优化函数对所述多个商户进行组合优化,得到所述每个地域区块的目标商户集合;
或,
所述目标商户集合获取模块用于:应用第二目标优化函数对所述多个商户进行组合优化,得到所述每个地域区块的目标商户集合;
其中,pvg为在地域区块g上的曝光量;cvrp,g为商户p在地域区块g上的转化率,orderp,g为商户p在地域区块g上的预测订单数量;
Pricep为商户p的平均客单价;Cp,g为是否为商户p分配地域区块g作为其配送范围内的区块的0-1标识;Cp,g取值为1时,表示为商户p分配地域区块g,Cp,g取值为0时则不为商户p分配地域区块g。
在一种可能实现方式中,所述配送范围确定模块包括:
区域生成子模块,用于根据每个商户对应的至少一个地域区块,生成所述每个商户的连通区域;
处理子模块,用于对所述每个商户的连通区域进行处理,得到每个商户的配送范围。
在一种可能实现方式中,所述处理子模块用于根据三级路网对所述每个商户的连通区域进行合并处理和/或孔洞突刺处理,得到所述每个商户的配送范围。
在一种可能实现方式中,所述装置还包括:
压缩模块,用于对所述多个商户的配送范围进行压缩,存储压缩后的区域数据。
需要说明的是:上述实施例提供的配送范围确定装置在配送范围确定时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的配送范围确定装置与配送范围确定方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图7是本发明实施例提供的一种计算机设备的结构示意图,该计算机设备700可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(centralprocessing units,CPU)701和一个或一个以上的存储器702,其中,所述存储器702中存储有至少一条指令,所述至少一条指令由所述处理器701加载并执行以实现上述各个方法实施例提供的方法。当然,该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器还可以包括其他用于实现设备功能的部件,在此不做赘述。
在示例性实施例中,还提供了一种计算机可读存储介质,例如包括指令的存储器,上述指令可由终端中的处理器执行以完成下述实施例中的计算机设备方法。例如,所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种配送范围确定方法,其特征在于,所述方法包括:
获取多个地域区块内的历史行为数据和多个商户的历史订单数据;其中,所述多个地域区块内的历史行为数据包括:地域区块内的曝光量、地域区块内的点击量、商户的曝光量、商户的点击量;
根据所述多个地域区块内的历史行为数据和多个商户的历史订单数据,获取每个地域区块的目标商户集合,包括:根据所述多个地域区块内的历史行为数据和多个商户的历史订单数据,预测所述多个商户在所述多个地域区块上的转化率或订单数量;根据所述转化率或订单数量、所述多个商户的历史订单数据以及所述多个地域区块内的历史行为数据,获取所述每个地域区块的目标商户集合;
基于所述每个地域区块的目标商户集合,为所述多个商户确定配送范围;
其中,所述根据所述转化率或订单数量、所述多个商户的历史订单数据以及所述多个地域区块内的历史行为数据,获取所述每个地域区块的目标商户集合包括:根据所述转化率、每个地域区块的曝光率以及所述多个商户中各个商户的平均客单价,对多个商户进行组合优化,得到所述每个地域区块的目标商户集合;或,根据所述订单数量以及所述多个商户中各个商户的平均客单价,对多个商户进行组合优化,得到所述每个地域区块的目标商户集合。
2.根据权利要求1所述的方法,其特征在于,所述根据所述多个地域区块内的历史行为数据和多个商户的历史订单数据,预测所述多个商户在所述多个地域区块上的转化率或订单数量包括:
调用预测模型;
将所述多个商户的历史订单数据和所述多个地域区块的历史行为数据输入该预测模型,输出每个商户在每个地域区块的转化率或订单数量;
其中,所述预测模型用于根据商户的历史订单数据和地域区块的历史行为数据对所述商户在任一个地域区块的转化率或订单数量进行预测。
3.根据权利要求2所述的方法,其特征在于,所述预测模型的训练过程包括:
对所述多个商户的历史订单数据和所述多个地域区块内的历史行为数据进行特征提取,得到多组第一特征、第二特征和第三特征;
基于所述多组第一特征、所述第二特征和所述第三特征,训练得到所述预测模型;
其中,所述第一特征为商户维度的曝光量和点击量中至少一项,以及商户维度的转化率或订单数量;所述第二特征为地域区块维度的曝光量和点击量中至少一项,以及所述地域区块维度的转化率或订单数量;所述第三特征为商户以及地域区块交叉维度的曝光量和点击量中至少一项,以及商户以及地域区块交叉维度的转化率或订单数量。
4.根据权利要求1所述的方法,其特征在于,所述基于所述每个地域区块的目标商户集合,为所述多个商户确定配送范围包括:
根据每个商户对应的至少一个地域区块,生成每个商户的连通区域;
对所述每个商户的连通区域进行处理,得到每个商户的配送范围。
5.根据权利要求4所述的方法,其特征在于,所述对所述每个商户的连通区域进行处理,得到每个商户的配送范围包括:
根据三级路网对所述每个商户的连通区域进行合并处理和/或孔洞突刺处理,得到所述每个商户的配送范围。
6.根据权利要求1所述的方法,其特征在于,所述基于所述每个地域区块的目标商户集合,为所述多个商户确定配送范围之后,所述方法还包括:
对所述多个商户的配送范围进行压缩,存储压缩后的区域数据。
7.一种配送范围确定装置,其特征在于,所述装置包括:
数据获取模块,用于获取多个地域区块内的历史行为数据和多个商户的历史订单数据;其中,所述多个地域区块内的历史行为数据包括:地域区块内的曝光量、地域区块内的点击量、商户的曝光量、商户的点击量;
目标商户集合获取模块,用于根据所述多个地域区块内的历史行为数据和多个商户的历史订单数据,获取每个地域区块的目标商户集合;所述目标商户集合获取模块包括:预测子模块,用于根据所述多个地域区块内的历史行为数据和多个商户的历史订单数据,预测所述多个商户在所述多个地域区块上的转化率或订单数量;获取子模块,用于根据所述转化率或订单数量、所述多个商户的历史订单数据以及所述多个地域区块内的历史行为数据,获取所述每个地域区块的目标商户集合;
配送范围确定模块,用于基于所述每个地域区块的目标商户集合,为所述多个商户确定配送范围;
其中,所述获取子模块具体用于:根据所述转化率、每个地域区块的曝光率以及所述多个商户中各个商户的平均客单价,对多个商户进行组合优化,得到所述每个地域区块的目标商户集合;或,根据所述订单数量以及所述多个商户中各个商户的平均客单价,对多个商户进行组合优化,得到所述每个地域区块的目标商户集合。
8.根据权利要求7所述的装置,其特征在于,所述预测子模块用于:
调用预测模型;
将所述多个商户的历史订单数据和所述多个地域区块的历史行为数据输入该预测模型,输出每个商户在每个地域区块的转化率或订单数量;
其中,所述预测模型用于根据商户的历史订单数据和地域区块的历史行为数据对所述商户在任一个地域区块的转化率或订单数量进行预测。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括训练模块,所述训练模块用于:
对所述多个商户的历史订单数据和所述多个地域区块内的历史行为数据进行特征提取,得到多组第一特征、第二特征和第三特征;
基于所述多组第一特征、所述第二特征和所述第三特征,训练得到所述预测模型;
其中,所述第一特征为商户维度的曝光量和点击量中至少一项,以及商户维度的转化率或订单数量;所述第二特征为地域区块维度的曝光量和点击量中至少一项,以及所述地域区块维度的转化率或订单数量;所述第三特征为商户以及地域区块交叉维度的曝光量和点击量中至少一项,以及商户以及地域区块交叉维度的转化率或订单数量。
10.根据权利要求7所述的装置,其特征在于,所述配送范围确定模块包括:
区域生成子模块,用于根据每个商户对应的至少一个地域区块,生成每个商户的连通区域;
处理子模块,用于对所述每个商户的连通区域进行处理,得到每个商户的配送范围。
11.根据权利要求10所述的装置,其特征在于,所述处理子模块用于根据三级路网对所述每个商户的连通区域进行合并处理和/或孔洞突刺处理,得到所述每个商户的配送范围。
12.根据权利要求7所述的装置,其特征在于,所述装置还包括:
压缩模块,用于对所述多个商户的配送范围进行压缩,存储压缩后的区域数据。
13.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述指令由所述处理器加载并执行以实现如权利要求1至权利要求6任一项所述的配送范围确定方法所执行的操作。
14.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现如权利要求1至权利要求6任一项所述的配送范围确定方法所执行的操作。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810475812.XA CN110570136B (zh) | 2018-05-17 | 2018-05-17 | 配送范围确定方法、装置、电子设备以及存储介质 |
PCT/CN2018/122085 WO2019218668A1 (zh) | 2018-05-17 | 2018-12-19 | 配送范围的确定 |
US17/055,930 US20210312486A1 (en) | 2018-05-17 | 2018-12-19 | Determining delivery range |
BR112020023257-2A BR112020023257A2 (pt) | 2018-05-17 | 2018-12-19 | método e aparelho para determinar uma faixa de entrega, dispositivo de computador, e, mídia de armazenamento legível por computador. |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810475812.XA CN110570136B (zh) | 2018-05-17 | 2018-05-17 | 配送范围确定方法、装置、电子设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110570136A CN110570136A (zh) | 2019-12-13 |
CN110570136B true CN110570136B (zh) | 2021-11-02 |
Family
ID=68539418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810475812.XA Active CN110570136B (zh) | 2018-05-17 | 2018-05-17 | 配送范围确定方法、装置、电子设备以及存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210312486A1 (zh) |
CN (1) | CN110570136B (zh) |
BR (1) | BR112020023257A2 (zh) |
WO (1) | WO2019218668A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836965B (zh) * | 2021-02-02 | 2023-04-25 | 拉扎斯网络科技(上海)有限公司 | 压力调控方案的选取方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012034105A2 (en) * | 2010-09-10 | 2012-03-15 | Turnkey Intelligence, Llc | Systems and methods for generating prospect scores for sales leads, spending capacity scores for sales leads, and retention scores for renewal of existing customers |
CN105160503A (zh) * | 2015-07-16 | 2015-12-16 | 绍兴越淘网络技术有限公司 | 一种网站运营商直接实现同城当天配送的方法 |
CN105825360A (zh) * | 2016-03-31 | 2016-08-03 | 北京小度信息科技有限公司 | 商户配送范围的调整方法和装置 |
CN107392513A (zh) * | 2017-01-26 | 2017-11-24 | 北京小度信息科技有限公司 | 订单处理方法和装置 |
CN107437122A (zh) * | 2016-05-26 | 2017-12-05 | 北京三快在线科技有限公司 | 确定商家配送范围的方法及装置 |
CN107633680A (zh) * | 2016-07-12 | 2018-01-26 | 阿里巴巴集团控股有限公司 | 出行数据的获取方法、装置、设备和系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8880420B2 (en) * | 2011-12-27 | 2014-11-04 | Grubhub, Inc. | Utility for creating heatmaps for the study of competitive advantage in the restaurant marketplace |
US9923979B2 (en) * | 2013-06-27 | 2018-03-20 | Google Llc | Systems and methods of determining a geographic location based conversion |
US20150186869A1 (en) * | 2013-12-05 | 2015-07-02 | Cfph, Llc | Examples of delivery and/or referral service sms ordering |
CN105574014A (zh) * | 2014-10-13 | 2016-05-11 | 北京明略软件系统有限公司 | 一种商圈划分方法及系统 |
US20160148226A1 (en) * | 2014-11-21 | 2016-05-26 | Oracle International Corporation | System and method for forecasting and managing returned merchanidse in retail |
CN104851006A (zh) * | 2015-05-21 | 2015-08-19 | 北京京东尚科信息技术有限公司 | 配送范围确定方法以及装置 |
US20170300948A1 (en) * | 2016-04-18 | 2017-10-19 | Mastercard International Incorporated | Systems and Methods for Predicting Purchase Behavior Based on Consumer Transaction Data in a Geographic Location |
CN106920056A (zh) * | 2017-02-27 | 2017-07-04 | 广州云移信息科技有限公司 | 多个门店配送范围智能设定方法及终端 |
-
2018
- 2018-05-17 CN CN201810475812.XA patent/CN110570136B/zh active Active
- 2018-12-19 US US17/055,930 patent/US20210312486A1/en not_active Abandoned
- 2018-12-19 BR BR112020023257-2A patent/BR112020023257A2/pt not_active IP Right Cessation
- 2018-12-19 WO PCT/CN2018/122085 patent/WO2019218668A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012034105A2 (en) * | 2010-09-10 | 2012-03-15 | Turnkey Intelligence, Llc | Systems and methods for generating prospect scores for sales leads, spending capacity scores for sales leads, and retention scores for renewal of existing customers |
CN105160503A (zh) * | 2015-07-16 | 2015-12-16 | 绍兴越淘网络技术有限公司 | 一种网站运营商直接实现同城当天配送的方法 |
CN105825360A (zh) * | 2016-03-31 | 2016-08-03 | 北京小度信息科技有限公司 | 商户配送范围的调整方法和装置 |
CN107437122A (zh) * | 2016-05-26 | 2017-12-05 | 北京三快在线科技有限公司 | 确定商家配送范围的方法及装置 |
CN107633680A (zh) * | 2016-07-12 | 2018-01-26 | 阿里巴巴集团控股有限公司 | 出行数据的获取方法、装置、设备和系统 |
CN107392513A (zh) * | 2017-01-26 | 2017-11-24 | 北京小度信息科技有限公司 | 订单处理方法和装置 |
Non-Patent Citations (2)
Title |
---|
Research on Emergency Material Demand Forecast Model in Typhoon Disaster Based on Risk;Huang, CF;《Advances in Intelligent Systems Research》;20121231;第21卷;第72-77页 * |
基于K-means-遗传算法的众包配送网络优化研究;赵兴龙;《中国优秀硕士学位论文全文数据库(经济与管理科学辑)》;20170215(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
WO2019218668A1 (zh) | 2019-11-21 |
BR112020023257A2 (pt) | 2021-02-23 |
US20210312486A1 (en) | 2021-10-07 |
CN110570136A (zh) | 2019-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110033314B (zh) | 广告数据处理方法及装置 | |
CN105468742B (zh) | 恶意订单识别方法及装置 | |
CN108399564B (zh) | 信用评分方法及装置 | |
CN112508118B (zh) | 针对数据偏移的目标对象行为预测方法及其相关设备 | |
CN110930249A (zh) | 大型企业信用风险预测方法及系统、存储介质及电子设备 | |
CN106815254A (zh) | 一种数据处理方法和装置 | |
CN108133390A (zh) | 用于预测用户行为的方法和装置以及计算设备 | |
CN115423353A (zh) | 配电网资源的消纳调度方法、装置、电子设备及存储介质 | |
CN112700017A (zh) | 物业维修资源分配方法、装置、计算机设备及存储介质 | |
CN111509700A (zh) | 一种基于电价预测的电网运行管理方法及装置 | |
CN107633257B (zh) | 数据质量评估方法及装置、计算机可读存储介质、终端 | |
CN111061948B (zh) | 一种用户标签推荐方法、装置、计算机设备及存储介质 | |
CN113568759B (zh) | 一种基于云计算的大数据处理方法及其系统 | |
CN110570136B (zh) | 配送范围确定方法、装置、电子设备以及存储介质 | |
CN110659930A (zh) | 基于用户行为的消费提质方法、装置、存储介质及设备 | |
CN114282011A (zh) | 知识图谱的构建方法和装置、图计算方法及装置 | |
CN112001563A (zh) | 一种话单量的管理方法、装置、电子设备及存储介质 | |
CN109697224B (zh) | 一种账单消息处理方法、装置和存储介质 | |
CN115914363A (zh) | 消息推送方法、装置、计算机设备和存储介质 | |
CN111882349B (zh) | 一种数据处理方法、装置及存储介质 | |
CN115391416A (zh) | 潜在客户挖掘方法、装置、电子设备及存储介质 | |
CN111861055A (zh) | 资源调度方法、装置与平台 | |
CN112836965B (zh) | 压力调控方案的选取方法和装置 | |
CN117909601B (zh) | 一种付费社交匹配方法、装置、设备及可读存储介质 | |
CN115705577A (zh) | 推荐信息的成本控制方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |