CN109977284A - 一种机票购买失败原因的诊断方法 - Google Patents

Abstract

本发明公开一种机票购买失败原因的诊断方法。所述方法包括：获取任一用户A购票失败时输入的检索航线O‑D‑T和检索时间t；根据相近日期同一航线O‑D‑T的检索日志，计算检索有结果的概率；根据相近时间出发地为O、目的地为D出发日期为T的前后几天的检索日志，计算检索有结果的概率；根据相近时间用户A的所有检索日志，计算检索失败的概率；根据相近时间用户A的爬虫日志，计算爬虫失败的概率；计算总概率并通过比较总概率与设定阈值的大小判断购票失败是否由平台业务异常所致。当用户搜索机票出现无结果返回的情况时，应用本发明所述方法能够迅速诊断此现象是否由平台业务异常所致，有助于业务人员及时响应处理问题。

Description

一种机票购买失败原因的诊断方法

技术领域

本发明属于机票查询技术领域，具体涉及一种机票购买失败原因的诊断方法。

背景技术

机票购买平台上，用户主要是通过搜索出发地、目的地及出发日期进行购票。正常情况下，用户可以得到相应的航班、价格和余票等信息。但在后续的填乘机人信息、验舱、验价、锁定座位、支付、出票等过程中，会出现不同情况的异常。比如，用户搜索航线时有数据，但是查看航班详情无数据；用户购票时提示价格或舱位等信息变动。用户搜索时看到某一航班有余票，但是进行购票时却失败，提示已经售罄。除此之外，又由于整个票务数据对于所有用户均共享，其他用户可能和当前用户同一时刻搜索同一航班，几乎同时购票，但是余票只有一张并被其他用户抢先购买，则会导致当前用户购票失败。

在用户购票失败后，机票运营人员希望能够找出导致操作失败的具体原因。又由于问题产生的关联数据的类型和规模很大，运营人员在两两比对大量样本数据时花费的时间成本也是巨大的。目前市场上还没有能帮助机票运营人员快速定位机票流程失败的方法。

发明内容

为了解决现有技术中存在的上述问题，本发明提出一种机票购买失败原因的诊断方法，能够自动判断机票购买失败是否由平台业务异常所致。

为实现上述目的，本发明采用如下技术方案：

一种机票购买失败原因的诊断方法，包括以下步骤：

步骤1，获取任一用户A购票失败时输入的检索航线O-D-T和检索时间t，O-D-T表示出发地为O、目的地为D、出发日期为T；

步骤2，根据相近日期同一航线O-D-T的所有检索日志，计算检索有结果的概率P₁；相近时间为t的前后一段时间；

步骤3，根据相近时间出发地为O、目的地为D出发日期为T的前后几天的所有检索日志，计算检索有结果的概率P₂；

步骤4，根据相近时间用户A的所有检索日志，计算检索失败的概率P₃；

步骤5，根据相近时间用户A的爬虫日志，计算爬虫失败的概率P₄；

步骤6，计算总概率k_i为第i个概率P_i的权重，N为概率条数，如果总概率大于设定的阈值，则购票失败由平台业务异常所致。

与现有技术相比，本发明具有以下有益效果：

本发明通过计算多种能够表明用户购票失败原因为平台异常的事件发生的概率，对各个概率加权求和得到总概率，并通过比较总概率与设定阈值的大小判断购票失败是否由平台业务异常所致，当用户搜索机票出现无结果返回的情况时，能够迅速诊断此现象的原因是否是平台业务异常，有助于业务人员及时响应处理问题。

附图说明

图1为本发明实施例一种机票购买失败原因的诊断方法的流程图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

本发明实施例一种机票购买失败原因的诊断方法的流程图如图1所示，所述方法包括：

S101、获取任一用户A购票失败时输入的检索航线O-D-T和检索时间t，O-D-T表示出发地为O、目的地为D、出发日期为T；

本步骤主要用于获取任一用户A购票失败时输入的出发地、目的地、出发日期以及检索日期。这些数据将用于后面步骤中各个概率值的计算。

S102、根据相近日期同一航线O-D-T的所有检索日志，计算检索有结果的概率P₁；相近时间为t的前后一段时间；

检索日志是用户输入检索航线后返回数据的记录，其中记录了当时用户搜索的请求参数和返回情况，如返回了多少个结果等。多个用户检索相同的航线时可能得到不同的结果，与t相近的时间内检索同一航线结果不一致(检索有结果)的次数越多，即P₁越高，则平台异常的概率越高。P₁等于相近时间同一航线O-D-T的所有检索日志中，有结果的记录条数与记录总条数的比。相近时间为t的前后一段时间，如前后30分钟。

S103、根据相近时间出发地为O、目的地为D出发日期为T的前后几天的所有检索日志，计算检索有结果的概率P₂；

出发地和目的地相同、出发日期不同的检索，如果都无结果，则检索无结果大概率平台正常，无结果是由于确实无票，此时P₂＝0；反之，如果出发日期不同检索结果也出现差异(检索有结果)，则差异越大，即P₂越高，平台异常概率越高。P₂等于相近时间出发地为O、目的地为D出发日期为T的前后几天的所有检索日志中，检索有结果的记录条数与记录总条数的比。

S104、根据相近时间用户A的所有检索日志，计算检索失败的概率P₃；

由于平台的服务器、网络等原因可能导致检索业务出现异常，如果相近时间内用户A的检索业务出现失败的次数越高，即P₃越高，则用户A检索出现异常的概率也越高。P₃等于相近时间用户A的所有检索日志中，检索失败的记录条数与记录总条数的比。检索的成功与失败根据检索日志中的状态码确定。

S105、根据相近时间用户A的爬虫日志，计算爬虫失败的概率P₄；

用户进行检索时先从缓存中查询，如缓存中没有相应数据，或者缓存内容过期(缓存会标记内容的过期时间)则会通过爬虫从供应商的数据接口获取新数据，并更新缓存。爬虫日志用于记录请求的航线参数及爬取结果。平台的服务器、供应商等原因可能导致爬虫业务出现爬取不到正常结果等情况。如果相近时间用户A触发爬虫失败的次数越高，即P₄越高，平台异常的概率也越高。P₄等于相近时间用户A的爬虫日志中记录的失败次数与触发次数的比。

S106、计算总概率k_i为第i个概率P_i的权重，N为概率条数，如果总概率大于设定的阈值，则购票失败由平台业务异常所致。

本步骤用于计算总概率，并根据总概率是否大于设定的阈值判断购票失败是否由平台业务异常所致。总概率等于前述各个概率加权求和。各个权重的和等于1。总概率的值在[0,1]范围内。各个权重和阈值根据行业经验设定。

作为一种可选实施例，所述方法还包括：根据相近日期同一航线O-D-T采用城市码和机场码表示出发地O和目的地D的所有检索日志，计算检索有结果的概率P₅。

在实际应用中，出发地和目的地一般采用三字码表示。而且既可用城市名称三字码，也可以用机场名称三字码。比如北京市有两个机场：首都国际机场和南苑机场，拥有3个三字码，分别为城市码BJS，机场码PEK和NAY。当用户使用不同三字码检索时，其检索结果应比较接近，这些结果不一致(检索有结果)的比例越大，则平台异常概率越高。P₅等于相近日期同一航线O-D-T采用城市码和机场码表示出发地O和目的地D的所有检索日志中，检索有结果的记录条数与记录总条数的比。值得说明的是，计算P₁时，出发地O和目的地D均采用城市码或机场码。

作为一种可选实施例，所述方法还包括：计算相近时间相同航线的检索日志和爬虫日志结果不一致的概率P₆。

用户进行检索时，检索业务收到检索请求后同时可能会向爬虫发起请求，将爬虫的爬取结果返回给用户。若对于相同的航线请求，如果检索与爬虫给出的结果的差异越大，即P₆越大，则平台异常的概率越高。P₆等于相近时间针对相同航线的检索日志和爬虫日志中，检索日志和爬虫日志结果一致的记录条数与记录总条数(检索日志和爬虫日志的记录总条数相等)的比。

作为一种可选实施例，所述方法还包括：根据相近时间同一航线O-D-T的购票订单数据，计算检索业务异常概率P₇，如果有订单，P₇＝1；否则P₇＝0。

用户检索的最终目的是下单购买机票。对于检索的航线O-D-T，若近期内有对应订单产生，则说明对此航线的检索应该有结果返回，检索无结果属于大概率异常，可取P₇＝1；否则P₇＝0。

作为一种可选实施例，k₁＝0.1，k₂＝0.1，k₃＝0.2，k₄＝0.2，k₅＝0.1，k₆＝0.1，k₇＝0.2，所述阈值为0.5。

本实施例给出了权重和阈值的一组取值，仅供参考。不限制或排斥其它可行的取值。

上述仅对本发明中的几种具体实施例加以说明，但并不能作为本发明的保护范围，凡是依据本发明中的设计精神所做出的等效变化或修饰或等比例放大或缩小等，均应认为落入本发明的保护范围。

Claims (5)

1.一种机票购买失败原因的诊断方法，其特征在于，包括以下步骤：

步骤1，获取任一用户A购票失败时输入的检索航线O-D-T和检索时间t，O-D-T表示出发地为O、目的地为D、出发日期为T；

步骤2，根据相近日期同一航线O-D-T的所有检索日志，计算检索有结果的概率P₁；相近时间为t的前后一段时间；

步骤3，根据相近时间出发地为O、目的地为D出发日期为T的前后几天的所有检索日志，计算检索有结果的概率P₂；

步骤4，根据相近时间用户A的所有检索日志，计算检索失败的概率P₃；

步骤5，根据相近时间用户A的爬虫日志，计算爬虫失败的概率P₄；

步骤6，计算总概率k_i为第i个概率P_i的权重，N为概率条数，如果总概率大于设定的阈值，则购票失败由平台业务异常所致。

2.根据权利要求1所述的机票购买失败原因的诊断方法，其特征在于，所述方法还包括：根据相近时间同一航线O-D-T采用城市码和机场码表示出发地O和目的地D的所有检索日志，计算检索有结果的概率P₅。

3.根据权利要求2所述的机票购买失败原因的诊断方法，其特征在于，所述方法还包括：计算相近时间相同航线的检索日志和爬虫日志结果不一致的概率P₆。

4.根据权利要求3所述的机票购买失败原因的诊断方法，其特征在于，所述方法还包括：根据相近时间同一航线O-D-T的购票订单数据，计算检索业务异常概率P₇，如果有订单，P₇＝1；否则P₇＝0。

5.根据权利要求4所述的机票购买失败原因的诊断方法，其特征在于，k₁＝0.1，k₂＝0.1，k₃＝0.2，k₄＝0.2，k₅＝0.1，k₆＝0.1，k₇＝0.2，所述阈值为0.5。