CN107451779A - 一种动态调价方法和装置、计算机设备、存储介质 - Google Patents

Abstract

本发明实施例公开了一种动态调价方法和装置、计算机设备、存储介质。其中，该动态调价方法包括：计算当前配送订单成单率；判断所述当前配送订单成单率是否低于预设成单率限值；若低于预设成单率限值，则通过溢价计算模型进行价格调整，其中，所述溢价计算模型为根据历史订单数据进行机器学习所建立的模型。本发明的动态调价方法可以在成单率低于预设限值时根据不同情况动态的调整配送订单价格，提高成单率，提高用户体验。

Description

一种动态调价方法和装置、计算机设备、存储介质

技术领域

本发明实施例涉及计算机技术，尤其涉及一种动态调价方法和装置、计算机设备、存储介质。

背景技术

在快递业中，配送的订单价格是基于配送物品的重量、城市、及配送距离来确定订单最终的价格。由于区域、时间段、天气等原因，会出现配送订单与配送力失衡的情况，需要在供需失衡时进行配送价格的调节，以提高配送订单的成单率。

目前，现有技术中已有在配送订单与配送力供需失衡时通过价钱杠杆来调节供需比例的方法，在原来的配送价格基础上，根据不同情况加上相应的一个固定的数值，作为最终订单价格，并在客户端上向用户显现加价倍数与加价后的金额，由用户选择是否接受。但是由于订单价格的溢价部分是提前计算好的一个固定的数值，从而导致一些配送难度较大的订单无配送原接单，会降低用户体验；而且该方案应对突发情况的能力较低，可能造成大量订单的滞留。

发明内容

本发明实施例提供一种动态调价方法和装置、计算机设备、存储介质，以实现配送订单价格的动态调整，提高成单率。

第一方面，本发明实施例提供了一种动态调价方法，该方法包括：

计算当前配送订单成单率；

判断所述当前配送订单成单率是否低于预设成单率限值；

若低于预设成单率限值，则通过溢价计算模型进行价格调整，其中，所述溢价计算模型为根据历史订单数据进行机器学习所建立的模型。

第二方面，本发明实施例还提供了一种动态调价装置，该装置包括：

计算模块，用于计算当前配送订单成单率；

调价模块，用于判断所述当前配送订单成单率是否低于预设成单率限值，当所述当前配送订单成单率低于预设成单率限值时，通过溢价计算模型进行价格调整，其中，所述溢价计算模型为根据历史订单数据进行机器学习所建立的模型。

第三方面，本发明实施例还提供了一种计算机设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的动态调价方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的动态调价方法。

本发明通过预先建立的溢价计算模型，根据区域、时间、配送物品等不同情况，动态调整订单价格，可以提高配送订单成单率，提高用户体验。

附图说明

图1是本发明实施例一中的动态调价方法的流程图；

图2是本发明实施例二中的动态调价方法的流程图；

图3是本发明实施例三中的动态调价装置的结构图；

图4是本发明实施例四中的计算机设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的动态调价方法的流程图，本实施例可适用于物流配送订单价格调整的情况，该方法可以由动态调价装置来执行，该装置可以通过软件和/或硬件的方式实现。如图1所示，该方法具体包括：

S110、计算当前配送订单成单率。

其中，配送订单成单率是指在一定时间段内，发生的全部订单中最终成交的订单数量与全部订单数量的比值。而当前配送订单成单率可以为截至当前的一段时间之内，所有成交的订单数量与订单总数量的比值，所述截至当前的一段时间之内，例如可以是这一天中过去的几个小时之内。

S120、判断所述当前配送订单成单率是否低于预设成单率限值。

配送订单的成单率的高低，是决定是否需要对订单价格调整的一个条件。当成单率高，甚至达到百分之百的时候，说明订单价格较为合理，需求方愿意支付相应的价格来获取商品或者是服务，供给方也接受以相应的价格来出售商品或者提供服务，市场运转有序进行。

然而当订单的成单率较低时，则说明需求大于供给。举例说明，当配送订单的成单率低时，则意味着配送员认为配送订单的价格低了，不愿意接受这一订单，通常这种情况出现在天气不好的时候，如雨雪天气、高温天气，或者是在交通状况堵塞的高峰期，这会导致大量的订单滞留。这个时候就需要对价格进行调整，从而在运能供给不足的时候通过经济杠杆激励更多的运能进入市场，使订单需求能够得到最大化的满足，同时调价也可以使一些并不紧急的送单需求得以过滤和延后，或选择其他方式进行托运，从而把紧缺的运能尽可能用于满足真正紧急的需求，以调整区域内的供需比。

S130、若低于预设成单率限值，则通过溢价计算模型进行价格调整，其中，所述溢价计算模型为根据历史订单数据进行机器学习所建立的模型。

示例性的，预设成单率限值通常设置为80％，当成单率低于80％的时候，则需要通过溢价计算模型进行价格调整。

示例性的，所述溢价计算模型可以是预先训练好的基于SVM的模型。预先训练的过程可以包括：抽取一定数量的历史配送订单样本，并提取出配送订单中的关键信息；然后对这些样本构建特征向量；最后使用工具软件包生成溢价计算模型。当然，在其他的实施方式中，也可以使用KNN(k-NearestNeighbor，邻近算法，或者说K最近邻算法)或者遗传算法等机器学习的方法来训练得到对应的分类器模型，这里不再赘述。

预先训练好的溢价计算模型，可以用于对需要调整价格的订单进行调价，得到一个更符合实际情况的合理价格，以便提高配送订单的成单率。

优选的，历史订单数据包括如下至少之一：配送订单中的订单成交价格、配送区域信息、配送时间、天气信息、配送物品信息、用户信息。

具体的，配送订单中的订单成交价格可以指导溢价计算模型对价格进行调整，以免溢价过高，用户不能接受。配送区域信息则表明的是配送的订单发生在哪一个城市中，在城市的中心城区内还是郊区，通常一线城市的价格要比二线城市中价格高一些，配送到郊区比配送到中心城区价格要高一些。天气信息主要是用来判断天气情况是否恶劣，如雨雪天气或者高温天气，在类似于前述情况下，配送员接单会减少，或导致大量订单积压，那么相应的在提高价格之后，会激励配送员接单进行配送。配送物品信息则是指配送物品的种类、体积及重量，这影响了配送的难易程度，例如，配送物品体积较大，则需要承载空间大的运输车辆进行配送，相应的配送费用也会更高一些。用户信息，是用户自身的一些属性，用来预估溢价之后的成单率，例如，一些用户只在能使用优惠券的情况下下订单，那么溢价后的价格对该用户来说就是不能接受的。在综合上述各个信息后，得到的价格作为配送订单的最终价格。

本发明实施例利用预先训练好的溢价计算模型对配送订单价格进行调整，得到与下订单时实际情况相匹配的一个订单价格，可以在运能供给不足的时候通过经济杠杆激励更多的运能进入市场，使订单需求能够得到最大化的满足，同时调价也可以使一些并不紧急的送单需求得以过滤和延后，或选择其他方式进行托运，从而把紧缺的运能尽可能用于满足真正紧急的需求，以调整区域内的供需比，提高应对突发情况的能力。

实施例二

图2为本发明实施例二提供的动态调价方法的流程图，本实施例二在实施例一的基础上进行进一步地优化。如图2所示，所述方法包括：

S210、计算当前配送订单成单率。

S220、判断所述当前配送订单成单率是否低于预设成单率限值。

S230、若低于预设成单率限值，则通过溢价计算模型进行价格调整，其中，所述溢价计算模型为根据历史订单数据进行机器学习所建立的模型。

S240、将用户是否接受调整后的订单价格的结果作为新增历史订单数据，以重新通过机器学习调整溢价计算模型。

具体的，为了使溢价调整的最终订单价格最大程度的提高成单率，本发明实施例在获得最终订单的价格之后，会将这个订单价格是否被用户接受的结果反馈到溢价计算模型中，并结合订单中的其他信息对该订单进行分析。若用户接受溢价后的订单价格，则说明价格调整合理可行；若用户未接受溢价后的订单价格，则说明价格调整不是最优结果，可以人为介入进行价格调整，直到溢价调整后的配送订单的成单率能够达到预设限值。

本发明实施例通过将用户是否接受调整后的订单价格的结果作为新增历史订单数据，重新通过机器学习调整溢价计算模型，可以使溢价计算模型更加完善，溢价后的结果使成单率得到最大程度的提高。

实施例三

图3是本发明实施例三中的动态调价装置的结构示意图。如图3所示，动态调价装置包括：

计算模块310，用于计算当前配送订单成单率；

调价模块320，用于判断所述当前配送订单成单率是否低于预设成单率限值，当所述当前配送订单成单率低于预设成单率限值时，通过溢价计算模型进行价格调整，其中，所述溢价计算模型为根据历史订单数据进行机器学习所建立的模型。

进一步的，动态调价装置还包括：

模型优化模块330，用于在所述通过溢价计算模型进行价格调整之后，将调整后的订单价格用户是否接受的结果作为新的历史数据完善溢价计算模型。

进一步的，动态调价装置还包括：

信息提取模块340，用于提取配送订单中订单成交价格、配送区域信息、配送时间、天气信息、配送物品信息、用户信息，并反馈到所述模型优化模块进行溢价计算模型的优化。

本发明实施例所提供的动态调价装置可执行本发明任意实施例所提供的动态调价方法，具备执行方法相应的功能模块和有益效果。

实施例四

图4为本发明实施例四提供的一种计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备412的框图。图4显示的计算机设备412仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，计算机设备412以通用计算设备的形式表现。计算机设备412的组件可以包括但不限于：一个或者多个处理器或者处理单元416，系统存储器428，连接不同系统组件(包括系统存储器428和处理单元416)的总线418。

总线418表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

计算机设备412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备412访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器428可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)430和/或高速缓存存储器432。计算机设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统434可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储器428可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块442的程序/实用工具440，可以存储在例如存储器428中，这样的程序模块442包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。

计算机设备412也可以与一个或多个外部设备414(例如键盘、指向设备、显示器424等)通信，还可与一个或者多个使得用户能与该计算机设备412交互的设备通信，和/或与使得该计算机设备412能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且，计算机设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器420通过总线418与计算机设备412的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备412使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元416通过运行存储在系统存储器428中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的动态调价方法。

实施例五

本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的动态调价方法。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (8)

1.一种动态调价方法，其特征在于，包括：

计算当前配送订单成单率；

判断所述当前配送订单成单率是否低于预设成单率限值；

若低于预设成单率限值，则通过溢价计算模型进行价格调整，其中，所述溢价计算模型为根据历史订单数据进行机器学习所建立的模型。

2.根据权利要求1所述的动态调价方法，其特征在于，所述历史订单数据包括如下至少之一：

配送订单中的订单成交价格、配送区域信息、配送时间、天气信息、配送物品信息、用户信息。

3.根据权利要求1或2所述的动态调价方法，其特征在于，在所述通过溢价计算模型进行价格调整之后，所述方法还包括：

将用户是否接受调整后的订单价格的结果作为新增历史订单数据，以重新通过机器学习调整溢价计算模型。

4.一种动态调价装置，其特征在于，包括：

计算模块，用于计算当前配送订单成单率；

调价模块，用于判断所述当前配送订单成单率是否低于预设成单率限值，当所述当前配送订单成单率低于预设成单率限值时，通过溢价计算模型进行价格调整，其中，所述溢价计算模型为根据历史订单数据进行机器学习所建立的模型。

5.根据权利要求4所述的动态调价装置，其特征在于，所述装置还包括：

模型优化模块，用于在所述通过溢价计算模型进行价格调整之后，将调整后的订单价格用户是否接受的结果作为新的历史数据完善溢价计算模型。

6.根据权利要求5所述的动态装置，其特征在于，还包括：

信息提取模块，用于提取配送订单中订单成交价格、配送区域信息、配送时间、天气信息、配送物品信息、用户信息，并反馈到所述模型优化模块进行溢价计算模型的优化。

7.一种计算机设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-3中任一所述的动态调价方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-3中任一所述的动态调价方法。