CN107730019A - 基于用户画像的用户挽回方法及系统 - Google Patents
基于用户画像的用户挽回方法及系统 Download PDFInfo
- Publication number
- CN107730019A CN107730019A CN201710908572.3A CN201710908572A CN107730019A CN 107730019 A CN107730019 A CN 107730019A CN 201710908572 A CN201710908572 A CN 201710908572A CN 107730019 A CN107730019 A CN 107730019A
- Authority
- CN
- China
- Prior art keywords
- user
- hotel
- data
- order
- shop
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 238000007477 logistic regression Methods 0.000 claims abstract description 7
- 241001269238 Data Species 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000035945 sensitivity Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000012550 audit Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于用户画像的用户挽回方法及系统,该方法包括:在用户下单后,获取用户订单实时数据;获取酒店历史数据、用户历史订单数据和用户画像数据;通过逻辑回归算法对用户订单实时数据、酒店历史数据、用户历史订单数据和用户画像数据进行处理,建立订单到店退订概率预测模型,从而预测用户的订单到店退订概率;根据用户的订单到店退订概率向用户发送对应的挽回策略内容。本发明通过建立订单到店退订概率预测模型,获得用户当前订单到店退订概率,对高到店退订概率的用户发送挽回策略内容,并对该酒店采取相对应的惩罚措施,来挽回OTA平台用户、降低酒店到店退订率、并挽回佣金损失,从而提升用户黏性,增强用户的体验感。
Description
技术领域
本发明涉及营销技术领域,特别涉及一种基于用户画像的用户挽回方法及系统。
背景技术
随着OTA(Online Travel Agent,在线旅行社)平台的快速发展,在线订购服务(如订购酒店等)等已经成为大多数用户出行的选择。但是,对于部分酒店为了逃避OTA平台的订单佣金,在用户联系酒店或到达酒店入住时,会存在要求用户退订当前OTA平台订单,然后需要用户再直接对酒店进行支付的情况,该情况属于到店退订。具体地,例如当用户取消订单后,OTA平台没有获得到该用户在原订单对应的酒店入住时间所在当天有其他酒店的入住信息,同时用户的GPS信息表示用户出现在距离该酒店500m范围内,在排除满房和到店无房、用户重复预定、修改订单等情况后,则认为该用户订单属于到店退订的订单。对于OTA平台来说,这样的到店退订情况不仅会造成订单佣金的损失,同时也会降低用户对OTA平台的黏性,降低用户的体验感。
发明内容
本发明要解决的技术问题是为了克服现有技术的OTA平台中的酒店存在到店退订的情况,造成OTA平台损失订单佣金,降低用户对OTA平台的黏性,降低用户的体验感等缺陷,目的在于提供一种基于用户画像的用户挽回方法及系统。
本发明是通过下述技术方案来解决上述技术问题:
本发明提供一种基于用户画像的用户挽回方法,所述用户挽回方法包括:
S1、在用户下单后,获取用户订单实时数据,所述用户订单实时数据包括用户信息和酒店信息;
S2、根据所述用户订单实时数据获取与所述用户订单实时数据对应的酒店历史数据、用户历史订单数据和用户画像数据;
S3、通过逻辑回归算法对所述用户订单实时数据、所述酒店历史数据、所述用户历史订单数据和所述用户画像数据分别进行处理,建立订单到店退订概率预测模型;
所述到店退订用于表征酒店要求用户取消订单,并直接对所述酒店进行支付的情况;
S4、根据所述订单到店退订概率预测模型预测与所述用户订单实时数据对应的订单到店退订概率;
S5、根据所述订单到店退订概率向用户发送对应的挽回策略内容。
较佳地,步骤S5具体包括:
所述挽回策略内容包括价差赔偿干预内容或优惠券干预内容;
判断所述订单到店退订概率是否大于第一设定阈值,在判断为是时,判断OTA平台是否能够获取用户GPS(Global Positioning System,全球定位系统)实时数据;
在判断OTA平台能够获取所述用户GPS实时数据时,获取所述用户GPS实时数据,并根据所述用户GPS实时数据和酒店的地址信息计算用户和酒店的距离,当用户与酒店的距离小于或等于第二设定阈值,判断酒店是否在价差赔偿干预酒店列表中,当酒店在价差赔偿干预酒店列表中时,则发送价差赔偿干预内容给用户;当酒店不在价差赔偿干预酒店列表中时,则发送优惠券干预内容给用户;
在判断OTA平台不能够获取所述用户GPS实时数据时,判断当前时间是否超过用户入住当天的设定时间,在判断为是时,判断酒店是否在价差赔偿干预酒店列表中,当酒店在价差赔偿干预酒店列表中时,则发送价差赔偿干预内容给用户;当酒店不在价差赔偿干预酒店列表中时,则发送优惠券干预内容给用户。
所述优惠券干预内容用于表征用户入住酒店的优惠信息;
所述价差赔偿干预内容用于表征当酒店产品的实际销售价格低于酒店在OTA平台的设定价格时,OTA平台向用户赔偿至少一倍价差的信息,所述价差为所述酒店产品的实际销售价格与所述酒店在OTA平台上的设定价格之差。
较佳地,所述用户订单实时数据包括订单预定数据、订单金额数据、用户入住酒店数据、使用优惠券情况数据、支付方式数据、担保政策数据和预订场景数据中的至少一种;
所述酒店历史数据包括酒店所在城市等级数据、酒店所在城市类型数据、OTA平台评级数据、连锁类型数据、酒店类型数据、酒店星级数据、酒店平均间夜价数据、酒店订单量数据和酒店到店退订率中的至少一种;
所述用户历史订单数据包括用户身份数据、用户订单平均星级数据、用户历史订单数量数据和用户历史订单到店退订率数据中的至少一种;
所述用户画像数据包括用户对优惠券的敏感度数据、用户偏好数据、用户消费能力数据、用户大方程度数据、用户价值信息和用户的活跃度数据中的至少一种。
本发明还提供一种基于用户画像的用户挽回系统,所述用户挽回系统包括第一获取单元、第二获取单元、处理单元、预测单元和发送单元;
所述第一获取单元用于在用户下单后,获取用户订单实时数据,所述用户订单实时数据包括用户信息和酒店信息;
所述第二获取单元用于根据所述用户订单实时数据获取与所述用户订单实时数据对应的酒店历史数据、用户历史订单数据和用户画像数据;
所述处理单元用于通过逻辑回归算法对所述用户订单实时数据、所述酒店历史数据、所述用户历史订单数据和所述用户画像数据分别进行处理,建立订单到店退订概率预测模型;
所述到店退订用于表征酒店要求用户取消订单,并直接对所述酒店进行支付的情况;
所述预测单元用于根据所述订单到店退订概率预测模型预测与所述用户订单实时数据对应的订单到店退订概率;
所述发送单元用于根据所述订单到店退订概率向用户发送对应的挽回策略内容。
较佳地,所述用户挽回系统还包括第一判断单元、距离计算单元、第二判断单元和第三判断单元;
所述挽回策略内容包括价差赔偿干预内容或优惠券干预内容;
所述第一判断单元用于判断所述订单到店退订概率是否大于第一设定阈值,在判断为是时,调用所述距离计算单元或所述第三判断单元;
所述距离计算单元用于在所述第一判断单元判断OTA平台能够获取所述用户GPS实时数据时,获取用户GPS实时数据,并根据所述用户GPS实时数据和酒店的地址信息计算用户和酒店的距离;
所述第二判断单元用于判断用户与酒店的距离是否小于或等于第二设定阈值,在判断为是时,判断酒店是否在价差赔偿干预酒店列表中,当酒店在价差赔偿干预酒店列表中时,调用所述发送单元,发送价差赔偿干预内容给用户;当酒店不在价差赔偿干预酒店列表中时,调用所述发送单元,发送优惠券干预内容给用户;
所述第三判断单元用于在所述第一判断单元判断OTA平台不能够获取所述用户GPS实时数据时,判断当前时间是否超过用户入住当天的设定时间,在判断为是时,判断酒店是否在价差赔偿干预酒店列表中,当酒店在价差赔偿干预酒店列表中时,则发送价差赔偿干预内容给用户;当酒店不在价差赔偿干预酒店列表中时,则发送优惠券干预内容给用户。
较佳地,所述优惠券干预内容用于表征用户入住酒店的优惠信息;
所述价差赔偿干预内容用于表征当酒店产品的实际销售价格低于酒店在OTA平台的设定价格时,OTA平台向用户赔偿至少一倍价差的信息,所述价差为所述酒店产品的实际销售价格与所述酒店在OTA平台上的设定价格之差。
较佳地,所述用户订单实时数据包括订单预定数据、订单金额数据、用户入住酒店数据、使用优惠券情况数据、支付方式数据、担保政策数据和预订场景数据中的至少一种;
所述酒店历史数据包括酒店所在城市等级数据、酒店所在城市类型数据、OTA平台评级数据、连锁类型数据、酒店类型数据、酒店星级数据、酒店平均间夜价数据、酒店订单量数据和酒店到店退订率中的至少一种;
所述用户历史订单数据包括用户身份数据、用户订单平均星级数据、用户历史订单数量数据和用户历史订单到店退订率数据中的至少一种;
所述用户画像数据包括用户对优惠券的敏感度数据、用户偏好数据、用户消费能力数据、用户大方程度数据、用户价值信息和用户的活跃度数据中的至少一种。
本发明的积极进步效果在于:
本发明通过用户订单实时数据获得与用户订单实时数据对应的酒店历史数据、用户历史订单数据和用户画像数据,并经由用户订单实时数据、酒店历史数据、用户历史订单数据和用户画像数据建立订单到店退订概率预测模型,获得用户的订单到店退订概率,当用户的订单到店退订概率大于第一设定阈值时,发送挽回策略内容给用户,并对该酒店采取相对应的惩罚措施,达到挽回OTA平台用户、降低酒店到店退订率、并挽回佣金损失,从而提升用户对OTA平台的黏性,增强用户的体验感。
附图说明
图1为本发明的实施例1的基于用户画像的用户挽回方法的流程图;
图2为本发明的实施例2的基于用户画像的用户挽回系统的模块示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
如图1所示,为本实施例的基于用户画像的用户挽回方法的流程图。
本实施例的基于用户画像的用户挽回方法包括:
S101、在用户下单后,获取用户订单实时数据,所述用户订单实时数据包括用户信息和酒店信息;
具体地,所述用户订单实时数据包括订单预定数据、订单金额数据、用户入住酒店数据、使用优惠券情况数据、支付方式数据、担保政策数据和预订场景数据中的至少一种。
其中,所述预订场景数据包括预定早中晚时间、预计到店早中晚时间、订单确认时长、预定时间是否为周末、入住时间是否为周末和提前预定天数中的至少一种。
S102、根据所述用户订单实时数据获取与所述用户订单实时数据对应的酒店历史数据、用户历史订单数据和用户画像数据;
其中,所述酒店历史数据包括酒店所在城市等级数据、酒店所在城市类型数据、OTA平台评级数据、连锁类型数据、酒店类型数据、酒店星级数据、酒店平均间夜价数据、酒店订单量数据和酒店到店退订率中的至少一种;
所述用户历史订单数据包括用户身份数据、用户订单平均星级数据、用户历史订单数量数据和用户历史订单到店退订率数据中的至少一种;
所述用户画像数据包括用户对优惠券的敏感度数据、用户偏好数据、用户消费能力数据、用户大方程度数据、用户价值信息和用户的活跃度数据中的至少一种。
S103、通过逻辑回归算法对所述用户订单实时数据、所述酒店历史数据、所述用户历史订单数据和所述用户画像数据分别进行处理,建立订单到店退订概率预测模型;
所述到店退订用于表征酒店要求用户取消订单,并直接对所述酒店进行支付的情况。
S104、根据所述订单到店退订概率预测模型预测与所述用户订单实时数据对应的订单到店退订概率;
S105、根据所述订单到店退订概率向用户发送对应的挽回策略内容。
所述挽回策略内容包括价差赔偿干预内容或优惠券干预内容。
所述优惠券干预内容用于表征用户入住酒店的优惠信息;
所述价差赔偿干预内容用于表征当酒店产品的实际销售价格低于酒店在OTA平台的设定价格时,OTA平台向用户赔偿至少一倍价差的信息,所述价差为所述酒店产品的实际销售价格与所述酒店在OTA平台上的设定价格之差。
具体地,步骤S105包括:
判断所述订单到店退订概率是否大于第一设定阈值,在判断为是时,判断OTA平台是否能够获取用户GPS实时数据;
在判断OTA平台能够获取所述用户GPS实时数据时,获取所述用户GPS实时数据,并根据所述用户GPS实时数据和酒店的地址信息计算用户和酒店的距离,当用户与酒店的距离小于或等于第二设定阈值,判断酒店是否在价差赔偿干预酒店列表中,当酒店在价差赔偿干预酒店列表中时,则发送价差赔偿干预内容给用户;当酒店不在价差赔偿干预酒店列表中时,则发送优惠券干预内容给用户;
在判断OTA平台不能够获取所述用户GPS实时数据时,判断当前时间是否超过用户入住当天的设定时间,在判断为是时,判断酒店是否在价差赔偿干预酒店列表中,当酒店在价差赔偿干预酒店列表中时,则发送价差赔偿干预内容给用户;当酒店不在价差赔偿干预酒店列表中时,则发送优惠券干预内容给用户。
例如,在用户入住当天,当该用户GPS实时数据表示该用户距离订单酒店小于或等于1000米时且该酒店在价差赔偿干预酒店列表中,则OTA平台给用户发送价差赔偿干预内容信息,通知用户如若发现酒店同房型价格低于OTA平台的设定价格时,可以取消当前订单并按照酒店价格入住,在离店后,向OTA平台提供发票或消费水单等价差凭证,可获得不低于1倍的现金价差赔偿。用户在申请价差赔偿时,可电话联系OTA平台获取申请通道链接,待发票或消费水单等价差凭证审核之后,OTA平台会将价差赔偿金额打入用户的现金账户,从而达到挽回OTA平台用户,提升用户黏性的目的。OTA平台业务在收到发票或消费水单等价差凭证后,会联系对应的酒店进行追责。
同时,对酒店采取相应的惩罚措施,惩罚措施包括降低酒店服务质量评级分数、降低酒店在OTA平台的排序和酒店产品干预中的至少一种。
其中,所述酒店产品干预包括现付房型转为担保房型、对酒店或房型列表页进行标签引导和对酒店排序进行调整中的至少一种。
例如,同样地,在用户入住当天,当该用户GPS实时数据表示该用户距离订单酒店小于或等于1000米时,或用户在入住当天12点半之前下单,同时OTA平台在入住当天12点半之前一直未获取到用户GPS数据时,且该酒店不在价差赔偿干预酒店列表中,则OTA平台给用户发送优惠券干预内容的短信。短信内容为:如订单成交,用户可获得100元优惠券。当用户完成订单,OTA平台则将优惠券自动充入用户账户并发消息提醒用户优惠券已到账,此优惠券可在下一次预订中进行使用,从而达到挽回OTA平台用户,提升用户黏性的目的。
如下为某一实际应用场景的举例说明:
某一用户在2017年8月1号凌晨预定了当天入住的现付无担保订单,预计到店时间为当天的中午12点,订单确认时长为1分钟,用户预定的是一线城市的经济连锁商务类酒店,用户属于小气消费能力低的类型,历史被切概率为3%,该酒店历史到店退订概率为3.5%。根据到店退订概率预测模型获得该用户的订单被切概率为0.88,高于设定阈值0.83,OTA平台需要对此订单进行干预操作。
具体地,如该订单酒店在价差赔偿干预酒店列表中(根据到店退订概率及业务可协调程度进行挑选),则对用户进行价差赔偿干预。在用户入住当天首次到达酒店1000m时,或用户在入住当天12点半之前下单,同时OTA平台在入住当天12点半之前一直未获取到用户GPS数据时,向用户发送价差赔偿干预内容的短信。短信内容大致为:如用户发现酒店同房型价格低于OTA平台的设定价格时,可以取消当前订单并按照酒店价格入住,在离店后,向OTA平台提供发票或消费水单等价差凭证,可获得不低于1倍的现金价差赔偿。用户在申请价差赔偿时,可电话联系OTA平台获取申请通道链接,待发票或消费水单等价差凭证审核之后,OTA平台会将价差赔偿金额打入用户的现金账户。OTA平台业务在收到发票或消费水单等价差凭证后,会联系对应的酒店进行追责。同时,对酒店采取相应的惩罚措施,惩罚措施包括降低酒店服务质量评级分数、降低酒店在OTA平台的排序和酒店产品干预中的至少一种。
如该订单酒店不在价差赔偿干预酒店列表中,则进行优惠券干预。同样地,在用户入住当天首次到达酒店1000m时,或用户在入住当天12点半之前下单,同时OTA平台在入住当天12点半之前一直未获取到用户GPS数据时,则向用户发送优惠券短信。短信内容大致为:如订单成交,用户可获得100元优惠券。
本实施例的基于用户画像的用户挽回方法通过用户订单实时数据获得与用户订单实时数据对应的酒店历史数据、用户历史订单数据和用户画像数据,并经由用户订单实时数据、酒店历史数据、用户历史订单数据和用户画像数据建立订单到店退订概率预测模型,获得用户当前订单到店退订概率,当用户的订单到店退订概率大于第一设定阈值时,发送挽回策略内容给用户,并发送惩罚策略内容给酒店,达到挽回OTA平台用户、降低酒店到店退订率、并挽回佣金损失,从而提升用户对OTA平台的黏性,增强用户的体验感。
实施例2
如图2所示,本实施例提供一种基于用户画像的用户挽回系统,所述用户挽回系统包括第一获取单元1、第二获取单元2、处理单元3、预测单元4、第一判断单元5、距离计算单元6、第二判断单元7、第三判断单元8和发送单元9。
所述第一获取单元1用于在用户下单后,获取用户订单实时数据,所述用户订单实时数据包括用户信息和酒店信息。
其中,用户订单实时数据包括订单预定数据、订单金额数据、用户入住酒店数据、使用优惠券情况数据、支付方式数据、担保政策数据和预订场景数据中的至少一种。
所述第二获取单元2用于根据所述用户订单实时数据获取与所述用户订单实时数据对应的酒店历史数据、用户历史订单数据和用户画像数据。
其中,所述酒店历史数据包括酒店所在城市等级数据、酒店所在城市类型数据、OTA平台评级数据、连锁类型数据、酒店类型数据、酒店星级数据、酒店平均间夜价数据、酒店订单量数据和酒店到店退订率中的至少一种;
所述用户历史订单数据包括用户身份数据、用户订单平均星级数据、用户历史订单数量数据和用户历史订单到店退订率数据中的至少一种;
所述用户画像数据包括用户对优惠券的敏感度数据、用户偏好数据、用户消费能力数据、用户大方程度数据、用户价值信息和用户的活跃度数据中的至少一种。
所述处理单元3用于通过逻辑回归算法对所述用户订单实时数据、所述酒店历史数据、所述用户历史订单数据和所述用户画像数据分别进行处理,建立订单到店退订概率预测模型。
所述到店退订用于表征酒店要求用户取消订单,并直接对所述酒店进行支付的情况。
所述预测单元4用于根据所述订单到店退订概率预测模型预测与所述用户订单实时数据对应的订单到店退订概率。
所述第一判断单元5用于判断所述订单到店退订概率是否大于第一设定阈值,在判断为是时,调用所述距离计算单元6或所述第三判断单元8。
所述距离计算单元6用于在所述第一判断单元5判断OTA平台能够获取所述用户GPS实时数据时,获取用户GPS实时数据,并根据所述用户GPS实时数据和酒店的地址信息计算用户和酒店的距离;
所述第二判断单元7用于判断用户与酒店的距离是否小于或等于第二设定阈值,在判断为是时,判断酒店是否在价差赔偿干预酒店列表中,当酒店在价差赔偿干预酒店列表中时,调用所述发送单元9,发送价差赔偿干预内容给用户;当酒店不在价差赔偿干预酒店列表中时,调用所述发送单元9,发送优惠券干预内容给用户;
所述第三判断单元8用于在所述第一判断单元5判断OTA平台不能够获取所述用户GPS实时数据时,判断当前时间是否超过用户入住当天的设定时间,在判断为是时,判断酒店是否在价差赔偿干预酒店列表中,当酒店在价差赔偿干预酒店列表中时,则发送价差赔偿干预内容给用户;当酒店不在价差赔偿干预酒店列表中时,则发送优惠券干预内容给用户。
所述发送单元9用于根据用户的订单到店退订概率向用户发送对应的挽回策略内容。
所述挽回策略内容包括价差赔偿干预内容或优惠券干预内容。
所述优惠券干预内容用于表征用户入住酒店的优惠信息;
所述价差赔偿干预内容用于表征当酒店产品的实际销售价格低于酒店在OTA平台的设定价格时,OTA平台向用户赔偿至少一倍价差的信息,所述价差为所述酒店产品的实际销售价格与所述酒店在OTA平台上的设定价格之差。
例如,同样地,在用户入住当天,当该用户GPS实时数据表示该用户距离订单酒店小于或等于1000米时,或用户在入住当天12点半之前下单,同时OTA平台在入住当天12点半之前一直未获取到用户GPS数据时,则OTA平台给用户发送价差赔偿干预内容,通知用户如若发现酒店同房型价格低于OTA平台的设定价格时,可以取消当前订单并按照酒店价格入住,在离店后,向OTA平台提供发票或消费水单等价差凭证,可获得不低于1倍的现金价差赔偿。用户在申请价差赔偿时,可电话联系OTA平台获取申请通道链接,待发票或消费水单等价差凭证审核之后,OTA平台会将价差赔偿金额打入用户的现金账户,从而达到挽回OTA平台用户,提升用户黏性的目的。OTA平台业务在收到发票或消费水单等价差凭证后,会联系对应的酒店进行追责。同时,对酒店采取相应的惩罚措施,惩罚措施包括降低酒店服务质量评级分数、降低酒店在OTA平台的排序和酒店产品干预中的至少一种。
其中,所述酒店产品干预包括现付房型转为担保房型、对酒店或房型列表页进行标签引导和对酒店排序进行调整中的至少一种。
例如,在用户入住当天,当该用户GPS实时数据表示该用户距离订单酒店小于或等于1000米时,或用户在入住当天12点半之前下单,同时OTA平台在入住当天12点半之前一直未获取到用户GPS数据时,则OTA平台给用户发送优惠券干预内容的短信。短信内容为:如订单成交,用户可获得100元优惠券。当用户完成订单,OTA平台则将优惠券自动充入用户账户并发消息提醒用户优惠券已到账,此优惠券可在下一次预订中进行使用,从而达到挽回OTA平台用户,提升用户黏性的目的。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式作出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (8)
1.一种基于用户画像的用户挽回方法,其特征在于,所述用户挽回方法包括:
S1、在用户下单后,获取用户订单实时数据,所述用户订单实时数据包括用户信息和酒店信息;
S2、根据所述用户订单实时数据获取与所述用户订单实时数据对应的酒店历史数据、用户历史订单数据和用户画像数据;
S3、通过逻辑回归算法对所述用户订单实时数据、所述酒店历史数据、所述用户历史订单数据和所述用户画像数据分别进行处理,建立订单到店退订概率预测模型;
所述到店退订用于表征酒店要求用户取消订单,并直接对所述酒店进行支付的情况;
S4、根据所述订单到店退订概率预测模型预测与所述用户订单实时数据对应的订单到店退订概率;
S5、根据所述订单到店退订概率向用户发送对应的挽回策略内容。
2.如权利要求1所述的基于用户画像的用户挽回方法,其特征在于,步骤S5具体包括:
所述挽回策略内容包括价差赔偿干预内容或优惠券干预内容;
判断所述订单到店退订概率是否大于第一设定阈值,在判断为是时,判断OTA平台是否能够获取用户GPS实时数据;
在判断OTA平台能够获取所述用户GPS实时数据时,获取所述用户GPS实时数据,并根据所述用户GPS实时数据和酒店的地址信息计算用户和酒店的距离,当用户与酒店的距离小于或等于第二设定阈值,判断酒店是否在价差赔偿干预酒店列表中,当酒店在价差赔偿干预酒店列表中时,则发送价差赔偿干预内容给用户;当酒店不在价差赔偿干预酒店列表中时,则发送优惠券干预内容给用户;
在判断OTA平台不能够获取所述用户GPS实时数据时,判断当前时间是否超过用户入住当天的设定时间,在判断为是时,判断酒店是否在价差赔偿干预酒店列表中,当酒店在价差赔偿干预酒店列表中时,则发送价差赔偿干预内容给用户;当酒店不在价差赔偿干预酒店列表中时,则发送优惠券干预内容给用户。
3.如权利要求2所述的基于用户画像的用户挽回方法,其特征在于,
所述优惠券干预内容用于表征用户入住酒店的优惠信息;
所述价差赔偿干预内容用于表征当酒店产品的实际销售价格低于酒店在OTA平台的设定价格时,OTA平台向用户赔偿至少一倍价差的信息,所述价差为所述酒店产品的实际销售价格与所述酒店在OTA平台上的设定价格之差。
4.如权利要求1所述的基于用户画像的用户挽回方法,其特征在于,
所述用户订单实时数据包括订单预定数据、订单金额数据、用户入住酒店数据、使用优惠券情况数据、支付方式数据、担保政策数据和预订场景数据中的至少一种;
所述酒店历史数据包括酒店所在城市等级数据、酒店所在城市类型数据、OTA平台评级数据、连锁类型数据、酒店类型数据、酒店星级数据、酒店平均间夜价数据、酒店订单量数据和酒店到店退订率中的至少一种;
所述用户历史订单数据包括用户身份数据、用户订单平均星级数据、用户历史订单数量数据和用户历史订单到店退订率数据中的至少一种;
所述用户画像数据包括用户对优惠券的敏感度数据、用户偏好数据、用户消费能力数据、用户大方程度数据、用户价值信息和用户的活跃度数据中的至少一种。
5.一种基于用户画像的用户挽回系统,其特征在于,所述用户挽回系统包括第一获取单元、第二获取单元、处理单元、预测单元和发送单元;
所述第一获取单元用于在用户下单后,获取用户订单实时数据,所述用户订单实时数据包括用户信息和酒店信息;
所述第二获取单元用于根据所述用户订单实时数据获取与所述用户订单实时数据对应的酒店历史数据、用户历史订单数据和用户画像数据;
所述处理单元用于通过逻辑回归算法对所述用户订单实时数据、所述酒店历史数据、所述用户历史订单数据和所述用户画像数据分别进行处理,建立订单到店退订概率预测模型;
所述到店退订用于表征酒店要求用户取消订单,并直接对所述酒店进行支付的情况;
所述预测单元用于根据所述订单到店退订概率预测模型预测与所述用户订单实时数据对应的订单到店退订概率;
所述发送单元用于根据所述订单到店退订概率向用户发送对应的挽回策略内容。
6.如权利要求5所述的基于用户画像的用户挽回系统,其特征在于,所述用户挽回系统还包括第一判断单元、距离计算单元、第二判断单元和第三判断单元;
所述挽回策略内容包括价差赔偿干预内容或优惠券干预内容;
所述第一判断单元用于判断所述订单到店退订概率是否大于第一设定阈值,在判断为是时,调用所述距离计算单元或所述第三判断单元;
所述距离计算单元用于在所述第一判断单元判断OTA平台能够获取所述用户GPS实时数据时,获取用户GPS实时数据,并根据所述用户GPS实时数据和酒店的地址信息计算用户和酒店的距离;
所述第二判断单元用于判断用户与酒店的距离是否小于或等于第二设定阈值,在判断为是时,判断酒店是否在价差赔偿干预酒店列表中,当酒店在价差赔偿干预酒店列表中时,调用所述发送单元,发送价差赔偿干预内容给用户;当酒店不在价差赔偿干预酒店列表中时,调用所述发送单元,发送优惠券干预内容给用户;
所述第三判断单元用于在所述第一判断单元判断OTA平台不能够获取所述用户GPS实时数据时,判断当前时间是否超过用户入住当天的设定时间,在判断为是时,判断酒店是否在价差赔偿干预酒店列表中,当酒店在价差赔偿干预酒店列表中时,则发送价差赔偿干预内容给用户;当酒店不在价差赔偿干预酒店列表中时,则发送优惠券干预内容给用户。
7.如权利要求6所述的基于用户画像的用户挽回系统,其特征在于,
所述优惠券干预内容用于表征用户入住酒店的优惠信息;
所述价差赔偿干预内容用于表征当酒店产品的实际销售价格低于酒店在OTA平台的设定价格时,OTA平台向用户赔偿至少一倍价差的信息,所述价差为所述酒店产品的实际销售价格与所述酒店在OTA平台上的设定价格之差。
8.如权利要求5所述的基于用户画像的用户挽回系统,其特征在于,
所述用户订单实时数据包括订单预定数据、订单金额数据、用户入住酒店数据、使用优惠券情况数据、支付方式数据、担保政策数据和预订场景数据中的至少一种;
所述酒店历史数据包括酒店所在城市等级数据、酒店所在城市类型数据、OTA平台评级数据、连锁类型数据、酒店类型数据、酒店星级数据、酒店平均间夜价数据、酒店订单量数据和酒店到店退订率中的至少一种;
所述用户历史订单数据包括用户身份数据、用户订单平均星级数据、用户历史订单数量数据和用户历史订单到店退订率数据中的至少一种;
所述用户画像数据包括用户对优惠券的敏感度数据、用户偏好数据、用户消费能力数据、用户大方程度数据、用户价值信息和用户的活跃度数据中的至少一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710908572.3A CN107730019B (zh) | 2017-09-29 | 2017-09-29 | 基于用户画像的用户挽回方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710908572.3A CN107730019B (zh) | 2017-09-29 | 2017-09-29 | 基于用户画像的用户挽回方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107730019A true CN107730019A (zh) | 2018-02-23 |
CN107730019B CN107730019B (zh) | 2021-06-11 |
Family
ID=61208828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710908572.3A Active CN107730019B (zh) | 2017-09-29 | 2017-09-29 | 基于用户画像的用户挽回方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107730019B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109670871A (zh) * | 2018-12-22 | 2019-04-23 | 拉扎斯网络科技(上海)有限公司 | 召回方法及装置、电子设备和存储介质 |
CN110276628A (zh) * | 2018-03-16 | 2019-09-24 | 北京嘀嘀无限科技发展有限公司 | 订单处理方法和装置 |
WO2021135212A1 (zh) * | 2020-01-03 | 2021-07-08 | 北京三快在线科技有限公司 | 订单处理 |
CN113344635A (zh) * | 2021-06-24 | 2021-09-03 | 深圳市小摩豆网络科技有限公司 | 一种客户消费行为习惯管理分析方法 |
CN113643037A (zh) * | 2021-07-24 | 2021-11-12 | 广州美亚尚途国际旅行社有限公司 | 一种商旅退订管理系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140188584A1 (en) * | 2011-05-13 | 2014-07-03 | Young-Nam Park | Product pricing system on electronic commerce using the internet |
CN106022800A (zh) * | 2016-05-16 | 2016-10-12 | 北京百分点信息科技有限公司 | 一种用户特征数据的处理方法和装置 |
CN106846041A (zh) * | 2016-12-26 | 2017-06-13 | 携程计算机技术(上海)有限公司 | 优惠券的发放方法及系统 |
CN107194774A (zh) * | 2017-05-22 | 2017-09-22 | 携程旅游网络技术(上海)有限公司 | Ota网站中个性化的酒店推荐系统及方法 |
-
2017
- 2017-09-29 CN CN201710908572.3A patent/CN107730019B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140188584A1 (en) * | 2011-05-13 | 2014-07-03 | Young-Nam Park | Product pricing system on electronic commerce using the internet |
CN106022800A (zh) * | 2016-05-16 | 2016-10-12 | 北京百分点信息科技有限公司 | 一种用户特征数据的处理方法和装置 |
CN106846041A (zh) * | 2016-12-26 | 2017-06-13 | 携程计算机技术(上海)有限公司 | 优惠券的发放方法及系统 |
CN107194774A (zh) * | 2017-05-22 | 2017-09-22 | 携程旅游网络技术(上海)有限公司 | Ota网站中个性化的酒店推荐系统及方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276628A (zh) * | 2018-03-16 | 2019-09-24 | 北京嘀嘀无限科技发展有限公司 | 订单处理方法和装置 |
CN110276628B (zh) * | 2018-03-16 | 2022-07-08 | 北京嘀嘀无限科技发展有限公司 | 订单处理方法和装置 |
CN109670871A (zh) * | 2018-12-22 | 2019-04-23 | 拉扎斯网络科技(上海)有限公司 | 召回方法及装置、电子设备和存储介质 |
WO2021135212A1 (zh) * | 2020-01-03 | 2021-07-08 | 北京三快在线科技有限公司 | 订单处理 |
CN113344635A (zh) * | 2021-06-24 | 2021-09-03 | 深圳市小摩豆网络科技有限公司 | 一种客户消费行为习惯管理分析方法 |
CN113643037A (zh) * | 2021-07-24 | 2021-11-12 | 广州美亚尚途国际旅行社有限公司 | 一种商旅退订管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107730019B (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107730019A (zh) | 基于用户画像的用户挽回方法及系统 | |
Chen et al. | Pricing and matching with forward-looking buyers and sellers | |
Han et al. | Segmentation of telecom customers based on customer value by decision tree model | |
TWI650729B (zh) | 收益管理系統及收益管理方法 | |
Li et al. | Dynamic booking control for car rental revenue management: A decomposition approach | |
CN107679674A (zh) | Ota平台海外酒店房型服务缺陷的预测方法及系统 | |
CN108022140A (zh) | 一种用车订单推荐方法、装置及服务器 | |
CN111047390A (zh) | 一种云供销综合性一体化o2o电商平台 | |
JP5982066B1 (ja) | 航空券販売システム | |
US20080270238A1 (en) | Measuring a location based advertising campaign | |
CN104103113A (zh) | 排队服务器以及排队方法 | |
CN107403334A (zh) | 数据处理方法及装置 | |
CN105374206A (zh) | 一种主动式交通需求管理的系统及其工作方法 | |
CN109214732A (zh) | 物流对象选择、确定物流线路过载的方法及装置、设备 | |
Sun et al. | Taxi-hailing platforms: Inform or Assign drivers? | |
CN106130743A (zh) | 一种流量处理方法 | |
Agarwal et al. | The impact of ride-hail surge factors on taxi bookings | |
CN107341650A (zh) | 虚拟资源的转移方法及装置 | |
Aljohani et al. | Profitability of freight consolidation facilities: A detailed cost analysis based on theoretical modelling | |
CN107730022A (zh) | 一种网点分布评估方法及装置 | |
Zhang et al. | Online auction-based incentive mechanism design for horizontal federated learning with budget constraint | |
Zhang et al. | RIde-hail vehicle routing (RIVER) as a congestion game | |
Ryan et al. | Sequential logit approach to modeling the customer-search decisions of taxi drivers | |
KR101998680B1 (ko) | 고객 관리 방법 | |
You et al. | Order allocation strategy for online car-hailing platform in the context of multi-party interests |
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 |