CN110825782B - 用于汽车增换购的数据处理方法及装置 - Google Patents
用于汽车增换购的数据处理方法及装置 Download PDFInfo
- Publication number
- CN110825782B CN110825782B CN201910972549.XA CN201910972549A CN110825782B CN 110825782 B CN110825782 B CN 110825782B CN 201910972549 A CN201910972549 A CN 201910972549A CN 110825782 B CN110825782 B CN 110825782B
- Authority
- CN
- China
- Prior art keywords
- type
- vehicle
- vehicle type
- automobile
- user
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种用于汽车增换购的数据处理方法及装置。该方法包括:获取用户的违章查询日志数据;根据所述车型信息和所述违章查询时间确定用户的购车类型,所述购车类型包括换购类型或增购类型;根据所述用户的购车类型建立所述第一车型和所述第二车型之间的映射关系;基于所述映射关系对所述第一车型与所述第二车型之间的增换购次数进行统计。本申请解决了相关技术中由于缺少对汽车增换购数据进行准确分析的方法而导致汽车厂商无法进行精准营销的技术问题。通过本申请,达到了根据映射关系对不同车型之间的增换购次数进行统计的目的,从而实现了汽车厂商通过用户的增换购情况进行精准营销的技术效果。
Description
技术领域
本申请涉及大数据分析技术领域,具体而言,涉及一种用于汽车增换购的数据处理方法及装置。
背景技术
随着人们生活和消费水平的不断提高,中国汽车销量保持着持续增长的态势。根据汽车销售行业的数据统计,在汽车市场的整体发展趋势中,首次购车用户比例的增长速度开始放缓,特别是一线城市,新车市场已经由增购或换购用户主导,且购买类型集中在中高档汽车品牌,或者是那些真正通过了市场考验的车型。未来几年,每一个汽车品牌都需要面对的是拥有汽车使用经验的消费者(包括增购、换购用户),如何打动这一批用户是每个品牌的汽车厂商面临的新挑战,也更加考验厂商的销售能力。因此分析汽车行业的增换购趋势可以帮助汽车厂商更好了解用户群体的选择偏好。
发明人发现,现有的汽车厂商通常只有自己品牌的用户增换购数据,无法了解到其他品牌的用户增换购情况,进而无法针对整个汽车市场用户的增换购情况进行准确分析,以制定相应的营销策略。
针对相关技术中由于缺少对汽车增换购数据进行准确分析的方法而导致汽车厂商无法进行精准营销的问题,目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种用于汽车增换购的数据处理方法及装置,以解决相关技术中由于缺少对汽车增换购数据进行准确分析的方法而导致汽车厂商无法进行精准营销的问题。
为了实现上述目的,根据本申请的一个方面,提供了一种用于汽车增换购的数据处理方法。
根据本申请的用于汽车增换购的数据处理方法包括:获取用户的违章查询日志数据,所述违章查询日志数据包括用户的车型信息和与所述车型信息对应的违章查询时间,所述车型信息包括第一车型和第二车型;根据所述车型信息和所述违章查询时间确定用户的购车类型,所述购车类型包括换购类型或增购类型;根据所述用户的购车类型建立所述第一车型和所述第二车型之间的映射关系;基于所述映射关系对所述第一车型与所述第二车型之间的增换购次数进行统计。
进一步地,所述根据所述车型信息和所述违章查询时间确定用户的购车类型包括:获取用户对所述第一车型和所述第二车型的违章查询时间;判断所述第一车型的最后一次违章查询时间与所述第二车型的第一次违章查询时间之间的差值是否满足预设阈值;根据判断结果确定用户的购车类型。
进一步地,所述根据所述车型信息和所述违章查询时间确定用户的购车类型包括:如果所述第一车型的最后一次违章查询时间在所述第二车型的第一次违章查询时间之后,则判断所述第一车型与所述第二车型是否相同;如果不相同,则分别获取与所述第一车型和所述第二车型对应的汽车价格信息;根据所述汽车价格信息确定用户的购车类型。
进一步地,所述根据所述车型信息和所述违章查询时间确定用户的购车类型包括:判断所述第一车型对应的汽车价格是否低于所述第二车型对应的汽车价格;如果是,则确定所述用户的购车类型为换购类型。
进一步地,所述根据所述车型信息和所述违章查询时间确定用户的购车类型包括:判断所述第一车型的最后一次违章查询时间与所述第二车型的第一次违章查询时间之间的差值是否大于预设阈值;如果大于,则判断所述第一车型与所述第二车型是否相同;如果不相同,则确定所述用户的购车类型为增购类型。
为了实现上述目的,根据本申请的另一方面,提供了一种用于汽车增换购的数据处理装置。
根据本申请的用于汽车增换购的数据处理装置包括:获取模块,用于获取用户的违章查询日志数据,所述违章查询日志数据包括用户的车型信息和与所述车型信息对应的违章查询时间,所述车型信息包括第一车型和第二车型;确定模块,用于根据所述车型信息和所述违章查询时间确定用户的购车类型,所述购车类型包括换购类型或增购类型;建立模块,用于根据所述用户的购车类型建立所述第一车型和所述第二车型之间的映射关系;统计模块,用于基于所述映射关系对所述第一车型与所述第二车型之间的增换购次数进行统计。
进一步地,所述确定模块包括:第一获取单元,用于获取用户对所述第一车型和所述第二车型的违章查询时间;第一判断单元,用于判断所述第一车型的最后一次违章查询时间与所述第二车型的第一次违章查询时间之间的差值是否满足预设阈值;第一确定单元,用于根据判断结果确定用户的购车类型。
进一步地,所述确定模块还包括:第二判断单元,用于如果所述第一车型的最后一次违章查询时间在所述第二车型的第一次违章查询时间之后,则判断所述第一车型与所述第二车型是否相同;第二获取单元,用于如果不相同,则分别获取与所述第一车型和所述第二车型对应的汽车价格信息;第二确定单元,用于根据所述汽车价格信息确定用户的购车类型。
进一步地,所述确定模块还包括:第三判断单元,用于判断所述第一车型对应的汽车价格是否低于所述第二车型对应的汽车价格;第三确定单元,用于如果是,则确定所述用户的购车类型为换购类型。
进一步地,所述确定模块还包括:第四判断单元,用于判断所述第一车型的最后一次违章查询时间与所述第二车型的第一次违章查询时间之间的差值是否大于预设阈值;第五判断单元,用于如果大于,则判断所述第一车型与所述第二车型是否相同;第四确定单元,用于如果不相同,则确定所述用户的购车类型为增购类型。
在本申请实施例中,采用获取用户的违章查询日志数据,所述违章查询日志数据包括用户的车型信息和与所述车型信息对应的违章查询时间,根据所述车型信息和所述违章查询时间确定用户的购车类型的方式,通过所述用户的购车类型建立所述第一车型和所述第二车型之间的映射关系,达到了根据映射关系对不同车型之间的增换购次数进行统计的目的,从而实现了汽车厂商通过用户的增换购情况进行精准营销的技术效果,进而解决了相关技术中由于缺少对汽车增换购数据进行准确分析的方法而导致汽车厂商无法进行精准营销的技术问题。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请第一实施例的用于汽车增换购的数据处理方法的流程示意图;
图2是根据本申请第二实施例的用于汽车增换购的数据处理方法的流程示意图;
图3是根据本申请第三实施例的用于汽车增换购的数据处理方法的流程示意图;
图4是根据本申请第四实施例的用于汽车增换购的数据处理方法的流程示意图;
图5是根据本申请第五实施例的用于汽车增换购的数据处理方法的流程示意图;
图6是根据本申请第一实施例的用于汽车增换购的数据处理装置的组成结构示意图;
图7是根据本申请第二实施例的用于汽车增换购的数据处理装置的组成结构示意图;
图8是根据本申请第三实施例的用于汽车增换购的数据处理装置的组成结构示意图;
图9是根据本申请第四实施例的用于汽车增换购的数据处理装置的组成结构示意图;以及
图10是根据本申请第五实施例的用于汽车增换购的数据处理装置的组成结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
根据本发明实施例,提供了一种用于汽车增换购的数据处理方法,如图1所示,该方法包括如下的步骤S101至步骤S104:
步骤S101,获取用户的违章查询日志数据,所述违章查询日志数据包括用户的车型信息和与所述车型信息对应的违章查询时间,所述车型信息包括第一车型和第二车型。
现有的汽车增换购情况大部分是汽车厂商根据售卖情况进行统计分析的,且一般只局限于同品牌小汽车的增换购的趋势分析,对于其他品牌甚至是整个行业内汽车品牌的增换购情况缺少全面的统计和分析,因此为了解决上述问题,本申请实施例以用户或者车主通过查询违章情况而产生的日志数据为切入点,通过大数据统计分析汽车的增换购情况。
具体实施时,首先获取一段时期(如一年)内用户的违章查询日志数据,所述违章查询日志数据可以包括用户ID信息、用户的车型信息和与车型信息对应的违章查询时间信息等。
步骤S102,根据所述车型信息和所述违章查询时间确定用户的购车类型,所述购车类型包括换购类型或增购类型。
具体实施时,如果在上述得到的违章查询日志数据中发现用户的历史违章查询记录中对应有两种车型,说明在该历史时期内用户发生过汽车增购或者换购的行为,进一步地结合用户对不同车型的违章查询时间可以确定用户的购车类型具体是增购类型还是换购类型。
优选地,本申请实施例中的换购类型是指购买了B车型使用并且不再使用A车型,增购行为是指购买了B车型使用并且同时使用A车型。
步骤S103,根据所述用户的购车类型建立所述第一车型和所述第二车型之间的映射关系。
具体实施时,在根据用户对不同车型的违章查询时间确定出用户的购车类型后,进一步按照不同的购车类型分别建立不同车型之间的映射关系,例如在历史违章查询记录中有A车和B车两种车型的查询记录,如果用户是从A车换购为B车,则将A车和B车之间的映射关系记录为A车换购为B车;如果用户是在A车的基础上又增购了B车,则将A车和B车之间的映射关系记录为A车增购B车,并将上述映射关系存储至数据库中。
步骤S104,基于所述映射关系对所述第一车型与所述第二车型之间的增换购次数进行统计。
具体实施时,在得到上述不同车型之间的映射关系之后,可以进一步统计每种车型换购到其他车型的换购次数,或者在每种车型的基础上增购其他车型的增购次数,通过对每种车型的增购次数和换购次数的统计,并按照一定规则排序展示,可以清楚、准确地分析整个行业内不同汽车品牌的增换购情况,进而为汽车厂商制定精准的营销策略提高参考。
作为本申请实施例的一种优选实施方式,如图2所示,所述根据所述车型信息和所述违章查询时间确定用户的购车类型包括如下的步骤S201至步骤S203:
步骤S201,获取用户对所述第一车型和所述第二车型的违章查询时间。
具体实施时,在确定用户的购车类型是属于增购类型还是换购类型时,主要基于不同车型的违章查询时间进行确定,因此首先需要获取用户分别对第一车型和第二车型的违章查询时间。
步骤S202,判断所述第一车型的最后一次违章查询时间与所述第二车型的第一次违章查询时间之间的差值是否满足预设阈值。
具体实施时,在得到两种车型的违章查询时间后,对两种车型的违章查询时间进行比较,具体地,通过计算第一车型的最后一次违章查询时间与第二车型的第一次违章查询时间之间的差值来判断属于哪种购车类型,可以预先设定一定的阈值,用于作为判断购车类型具体属于增购类型还是换购类型的标准,上述阈值的具体设定可以根据实际情况进行调整,在此不作具体限定。
步骤S203,根据判断结果确定用户的购车类型。
具体实施时,如果所述第一车型的最后一次违章查询时间与所述第二车型的第一次违章查询时间之间的差值小于0,则说明第一车型的最后一次违章查询时间在第二车型的第一次违章查询时间之前,说明用户在第一车型之后购买了第二车型,即从第一车型换购为第二车型,因此用户的购车类型确定为换购类型,如果上述差值大于0,则说明第一车型的最后一次违章查询时间在第二车型的第一次违章查询时间之后,即用户在使用第一车型期间购买了第二车型,因此用户的购车类型确定为增购类型。
作为本申请实施例的一种优选实施方式,如图3所示,所述根据所述车型信息和所述违章查询时间确定用户的购车类型包括如下的步骤S301至步骤S303:
步骤S301,如果所述第一车型的最后一次违章查询时间在所述第二车型的第一次违章查询时间之后,则判断所述第一车型与所述第二车型是否相同。
具体实施时,在用户的历史违章记录中,可能会出现同一种车型对应不同车牌号码的情况,即用户通过不同的车牌号码查询了同一种车型的违章情况,如果不对违章查询的车型信息进行具体判断,就有可能会将实际上并未发生换购或者增购的情况纳入到统计中,导致统计不准确,因此在判断出第一车型的最后一次违章查询时间在第二车型的第一次违章查询时间之后,进一步地还需要确定第一车型和第二车型是否为不同类型的车型,即购车类型是否发生变化。
步骤S302,如果不相同,则分别获取与所述第一车型和所述第二车型对应的汽车价格信息。
具体实施时,如果判断得到第一车型和第二车型的类型不同,则进一步获取和比较两种车型的汽车售价信息。
步骤S303,根据所述汽车价格信息确定用户的购车类型。
具体实施时,如果第一车型的售价低于第二车型的售价,则确定用户的购车类型为换购类型,即从第一车型换购为第二车型。
优选地,还可以进一步确定在历史违章查询记录的周期内,用户换购行为的发生次数,例如,如果在周期内用户仅发生一次换购行为则纳入到后续的换购次数统计中。
作为本申请实施例的一种优选实施方式,如图4所示,所述根据所述车型信息和所述违章查询时间确定用户的购车类型包括如下的步骤S401至步骤S402:
步骤S401,判断所述第一车型对应的汽车价格是否低于所述第二车型对应的汽车价格。
具体实施时,进一步通过第一车型和第二车型的汽车价格信息确定购车类型,即判断所述第一车型对应的汽车价格是否低于所述第二车型对应的汽车价格。
步骤S402,如果是,则确定所述用户的购车类型为换购类型。
具体实施时,如果第一车型的售价低于第二车型的售价,则确定用户的购车类型为换购类型,即从第一车型换购为第二车型。
作为本申请实施例的一种优选实施方式,如图5所示,所述根据所述车型信息和所述违章查询时间确定用户的购车类型包括如下的步骤S501至步骤S503:
步骤S501,判断所述第一车型的最后一次违章查询时间与所述第二车型的第一次违章查询时间之间的差值是否大于预设阈值。
具体实施时,在判断购车类型时,首先需要判断第一车型的最后一次违章查询时间与第二车型的第一次违章查询时间之间的差值是否大于预设阈值,阈值的具体设定可以根据实际情况进行调整,在此不作具体限定。
步骤S502,如果大于,则判断所述第一车型与所述第二车型是否相同。
具体实施时,如果第一车型的最后一次违章查询时间与第二车型的第一次违章查询时间之间的差值大于预设阈值,具体地该阈值大于0,则说明在第一车型使用期间用户还购买了第二车型进行使用,此时需进一步确定第一车型和第二车型的类型是否相同。
步骤S503,如果不相同,则确定所述用户的购车类型为增购类型。
具体实施时,如果第一车型的最后一次违章查询时间与第二车型的第一次违章查询时间之间的差值大于预设阈值,同时第一车型和第二车型的类型也不相同,则说明用户在使用A车型期间购买了B车型使用,即发生了增购行为。
从以上的描述中,可以看出,本发明实现了如下技术效果:采用获取用户的违章查询日志数据,所述违章查询日志数据包括用户的车型信息和与所述车型信息对应的违章查询时间,根据所述车型信息和所述违章查询时间确定用户的购车类型的方式,通过所述用户的购车类型建立所述第一车型和所述第二车型之间的映射关系,达到了根据映射关系对不同车型之间的增换购次数进行统计的目的,从而实现了汽车厂商通过用户的增换购情况进行精准营销的技术效果。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
根据本发明实施例,还提供了一种用于实施上述用于汽车增换购的数据处理方法的装置,如图6所示,该装置包括:获取模块1、确定模块2、建立模块3及统计模块4。
本申请实施例的获取模块1,用于获取用户的违章查询日志数据,所述违章查询日志数据包括用户的车型信息和与所述车型信息对应的违章查询时间,所述车型信息包括第一车型和第二车型。
具体实施时,首先通过获取模块获取一段时期(如一年)内用户的违章查询日志数据,所述违章查询日志数据可以包括用户ID信息、用户的车型信息和与车型信息对应的违章查询时间信息等。
本申请实施例的确定模块2,用于根据所述车型信息和所述违章查询时间确定用户的购车类型,所述购车类型包括换购类型或增购类型。
具体实施时,如果在上述得到的违章查询日志数据中发现用户的历史违章查询记录中对应有两种车型,说明在该历史时期内用户发生过汽车增购或者换购的行为,进一步地通过确定模块结合用户对不同车型的违章查询时间可以确定用户的购车类型具体是增购类型还是换购类型。
本申请实施例的建立模块3,用于根据所述用户的购车类型建立所述第一车型和所述第二车型之间的映射关系。
具体实施时,在根据用户对不同车型的违章查询时间确定出用户的购车类型后,进一步通过建立模块按照不同的购车类型分别建立不同车型之间的映射关系,例如在历史违章查询记录中有A车和B车两种车型的查询记录,如果用户是从A车换购为B车,则将A车和B车之间的映射关系记录为A车换购为B车;如果用户是在A车的基础上又增购了B车,则将A车和B车之间的映射关系记录为A车增购B车,并将上述映射关系存储至数据库中。
本申请实施例的统计模块4,用于基于所述映射关系对所述第一车型与所述第二车型之间的增换购次数进行统计。
具体实施时,在得到上述不同车型之间的映射关系之后,可以进一步通过统计模块统计每种车型换购到其他车型的换购次数,或者在每种车型的基础上增购其他车型的增购次数,通过对每种车型的增购次数和换购次数的统计,可以清楚、准确地分析整个行业内的汽车增换购情况,进而为汽车厂商制定精准的营销策略提高参考。
作为本申请实施例的一种优选实施方式,如图7所示,所述确定模块2包括:第一获取单元21、第一判断单元22和第一确定单元23。
本申请实施例的第一获取单元21,用于获取用户对所述第一车型和所述第二车型的违章查询时间。
具体实施时,在确定用户的购车类型是属于增购类型还是换购类型时,主要基于不同车型的违章查询时间进行确定,因此首先需要通过第一获取单元获取用户分别对第一车型和第二车型的违章查询时间。
本申请实施例的第一判断单元22,用于判断所述第一车型的最后一次违章查询时间与所述第二车型的第一次违章查询时间之间的差值是否满足预设阈值。
具体实施时,在得到两种车型的违章查询时间后,对两种车型的违章查询时间进行比较,具体地,通过第一判断单元计算第一车型的最后一次违章查询时间与第二车型的第一次违章查询时间之间的差值来判断属于哪种购车类型,可以预先设定一定的阈值,用于作为判断购车类型具体属于增购类型还是换购类型的标准,上述阈值的具体设定可以根据实际情况进行调整,在此不作具体限定。
本申请实施例的第一确定单元23,用于根据判断结果确定用户的购车类型。
具体实施时,如果所述第一车型的最后一次违章查询时间与所述第二车型的第一次违章查询时间之间的差值小于0,则说明第一车型的最后一次违章查询时间在第二车型的第一次违章查询时间之前,说明用户在第一车型之后购买了第二车型,即从第一车型换购为第二车型,因此通过第一确定单元将用户的购车类型确定为换购类型,如果上述差值大于0,则说明第一车型的最后一次违章查询时间在第二车型的第一次违章查询时间之后,即用户在使用第一车型期间购买了第二车型,因此用户的购车类型确定为增购类型。
作为本申请实施例的一种优选实施方式,如图8所示,所述确定模块2还包括:第二判断单元24、第二获取单元25和第二确定单元26。
本申请实施例的第二判断单元24,用于如果所述第一车型的最后一次违章查询时间在所述第二车型的第一次违章查询时间之后,则判断所述第一车型与所述第二车型是否相同。
具体实施时,在用户的历史违章记录中,可能会出现同一种车型对应不同车牌号码的情况,即用户通过不同的车牌号码查询了同一种车型的违章情况,如果不对违章查询的车型信息进行具体判断,就有可能会将实际上并未发生换购或者增购的情况纳入到统计中,导致统计不准确,因此在判断出第一车型的最后一次违章查询时间在第二车型的第一次违章查询时间之后,进一步地还需要通过第二判断单元确定第一车型和第二车型是否为不同类型的车型,即购车类型是否发生变化。
本申请实施例的第二获取单元25,用于如果不相同,则分别获取与所述第一车型和所述第二车型对应的汽车价格信息。
具体实施时,如果判断得到第一车型和第二车型的类型不同,则进一步通过第二获取单元获取和比较两种车型的汽车售价信息。
本申请实施例的第二确定单元26,用于根据所述汽车价格信息确定用户的购车类型。
具体实施时,如果第一车型的售价低于第二车型的售价,则通过第二确定单元确定用户的购车类型为换购类型,即从第一车型换购为第二车型。
优选地,还可以进一步确定在历史违章查询记录的周期内,用户换购行为的发生次数,例如,如果在周期内用户仅发生一次换购行为则纳入到后续的换购次数统计中。
作为本申请实施例的一种优选实施方式,如图9所示,所述确定模块2还包括:第三判断单元27和第三确定单元28。
本申请实施例的第三判断单元27,用于判断所述第一车型对应的汽车价格是否低于所述第二车型对应的汽车价格。
具体实施时,进一步通过第一车型和第二车型的汽车价格信息确定购车类型,即通过第三判断单元判断所述第一车型对应的汽车价格是否低于所述第二车型对应的汽车价格。
本申请实施例的第三确定单元28,用于如果是,则确定所述用户的购车类型为换购类型。
具体实施时,如果第一车型的售价低于第二车型的售价,则通过第三确定单元确定用户的购车类型为换购类型,即从第一车型换购为第二车型。
作为本申请实施例的一种优选实施方式,如图10所示,所述确定模块2还包括:第四判断单元29、第五判断单元210和第四确定单元211。
本申请实施例的第四判断单元29,用于判断所述第一车型的最后一次违章查询时间与所述第二车型的第一次违章查询时间之间的差值是否大于预设阈值。
具体实施时,在判断购车类型时,首先需要通过第四判断单元判断第一车型的最后一次违章查询时间与第二车型的第一次违章查询时间之间的差值是否大于预设阈值,阈值的具体设定可以根据实际情况进行调整,在此不作具体限定。
本申请实施例的第五判断单元210,用于如果大于,则判断所述第一车型与所述第二车型是否相同。
具体实施时,如果第一车型的最后一次违章查询时间与第二车型的第一次违章查询时间之间的差值大于预设阈值,具体地该阈值大于0,则说明在第一车型使用期间用户还购买了第二车型进行使用,此时需进一步通过第五判断单元确定第一车型和第二车型的类型是否相同。
本申请实施例的第四确定单元211,用于如果不相同,则确定所述用户的购车类型为增购类型。
具体实施时,如果第一车型的最后一次违章查询时间与第二车型的第一次违章查询时间之间的差值大于预设阈值,同时第一车型和第二车型的类型也不相同,则说明用户在使用A车型期间购买了B车型使用,即发生了增购行为。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种用于汽车增换购的数据处理方法,其特征在于,包括:
获取用户的违章查询日志数据,所述违章查询日志数据包括用户的车型信息和与所述车型信息对应的违章查询时间,所述车型信息包括第一车型和第二车型;
根据所述车型信息和所述违章查询时间确定用户的购车类型,所述购车类型包括换购类型或增购类型;
根据所述用户的购车类型建立所述第一车型和所述第二车型之间的映射关系;
基于所述映射关系对所述第一车型与所述第二车型之间的增换购次数进行统计。
2.根据权利要求1所述的用于汽车增换购的数据处理方法,其特征在于,所述根据所述车型信息和所述违章查询时间确定用户的购车类型包括:
获取用户对所述第一车型和所述第二车型的违章查询时间;
判断所述第一车型的最后一次违章查询时间与所述第二车型的第一次违章查询时间之间的差值是否满足预设阈值;
根据判断结果确定用户的购车类型。
3.根据权利要求1所述的用于汽车增换购的数据处理方法,其特征在于,所述根据所述车型信息和所述违章查询时间确定用户的购车类型包括:
如果所述第一车型的最后一次违章查询时间在所述第二车型的第一次违章查询时间之后,则判断所述第一车型与所述第二车型是否相同;
如果不相同,则分别获取与所述第一车型和所述第二车型对应的汽车价格信息;
根据所述汽车价格信息确定用户的购车类型。
4.根据权利要求1所述的用于汽车增换购的数据处理方法,其特征在于,所述根据所述车型信息和所述违章查询时间确定用户的购车类型包括:
判断所述第一车型对应的汽车价格是否低于所述第二车型对应的汽车价格;
如果是,则确定所述用户的购车类型为换购类型。
5.根据权利要求1所述的用于汽车增换购的数据处理方法,其特征在于,所述根据所述车型信息和所述违章查询时间确定用户的购车类型包括:
判断所述第一车型的最后一次违章查询时间与所述第二车型的第一次违章查询时间之间的差值是否大于预设阈值,其中,所述预设阈值大于0;
如果大于,则判断所述第一车型与所述第二车型是否相同;
如果不相同,则确定所述用户的购车类型为增购类型。
6.一种用于汽车增换购的数据处理装置,其特征在于,包括:
获取模块,用于获取用户的违章查询日志数据,所述违章查询日志数据包括用户的车型信息和与所述车型信息对应的违章查询时间,所述车型信息包括第一车型和第二车型;
确定模块,用于根据所述车型信息和所述违章查询时间确定用户的购车类型,所述购车类型包括换购类型或增购类型;
建立模块,用于根据所述用户的购车类型建立所述第一车型和所述第二车型之间的映射关系;
统计模块,用于基于所述映射关系对所述第一车型与所述第二车型之间的增换购次数进行统计。
7.根据权利要求6所述的用于汽车增换购的数据处理装置,其特征在于,所述确定模块包括:
第一获取单元,用于获取用户对所述第一车型和所述第二车型的违章查询时间;
第一判断单元,用于判断所述第一车型的最后一次违章查询时间与所述第二车型的第一次违章查询时间之间的差值是否满足预设阈值;
第一确定单元,用于根据判断结果确定用户的购车类型。
8.根据权利要求6所述的用于汽车增换购的数据处理装置,其特征在于,所述确定模块还包括:
第二判断单元,用于如果所述第一车型的最后一次违章查询时间在所述第二车型的第一次违章查询时间之后,则判断所述第一车型与所述第二车型是否相同;
第二获取单元,用于如果不相同,则分别获取与所述第一车型和所述第二车型对应的汽车价格信息;
第二确定单元,用于根据所述汽车价格信息确定用户的购车类型。
9.根据权利要求6所述的用于汽车增换购的数据处理装置,其特征在于,所述确定模块还包括:
第三判断单元,用于判断所述第一车型对应的汽车价格是否低于所述第二车型对应的汽车价格;
第三确定单元,用于如果是,则确定所述用户的购车类型为换购类型。
10.根据权利要求6所述的用于汽车增换购的数据处理装置,其特征在于,所述确定模块还包括:
第四判断单元,用于判断所述第一车型的最后一次违章查询时间与所述第二车型的第一次违章查询时间之间的差值是否大于预设阈值,其中,所述预设阈值大于0;
第五判断单元,用于如果大于,则判断所述第一车型与所述第二车型是否相同;
第四确定单元,用于如果不相同,则确定所述用户的购车类型为增购类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910972549.XA CN110825782B (zh) | 2019-10-10 | 2019-10-10 | 用于汽车增换购的数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910972549.XA CN110825782B (zh) | 2019-10-10 | 2019-10-10 | 用于汽车增换购的数据处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110825782A CN110825782A (zh) | 2020-02-21 |
CN110825782B true CN110825782B (zh) | 2022-07-12 |
Family
ID=69549142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910972549.XA Active CN110825782B (zh) | 2019-10-10 | 2019-10-10 | 用于汽车增换购的数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110825782B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7483862B1 (en) * | 2005-07-25 | 2009-01-27 | Yt Acquisition Corporation | System and method for prepaid biometric redemption accounts |
CN106971552A (zh) * | 2017-04-06 | 2017-07-21 | 北京悦畅科技有限公司 | 套牌现象检测方法和系统 |
CN107622409A (zh) * | 2016-07-15 | 2018-01-23 | 北京车慧互动广告有限公司 | 购车能力的预测方法和预测装置 |
CN109741605A (zh) * | 2018-12-25 | 2019-05-10 | 深圳市天彦通信股份有限公司 | 车辆监控方法及相关装置 |
CN109785975A (zh) * | 2018-12-04 | 2019-05-21 | 平安科技(深圳)有限公司 | 辅助用户自主购药的方法、装置、设备及存储介质 |
CN109815236A (zh) * | 2019-01-15 | 2019-05-28 | 吉利汽车研究院(宁波)有限公司 | 一种共享汽车的自适应调节方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130024371A1 (en) * | 2011-02-22 | 2013-01-24 | Prakash Hariramani | Electronic offer optimization and redemption apparatuses, methods and systems |
-
2019
- 2019-10-10 CN CN201910972549.XA patent/CN110825782B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7483862B1 (en) * | 2005-07-25 | 2009-01-27 | Yt Acquisition Corporation | System and method for prepaid biometric redemption accounts |
CN107622409A (zh) * | 2016-07-15 | 2018-01-23 | 北京车慧互动广告有限公司 | 购车能力的预测方法和预测装置 |
CN106971552A (zh) * | 2017-04-06 | 2017-07-21 | 北京悦畅科技有限公司 | 套牌现象检测方法和系统 |
CN109785975A (zh) * | 2018-12-04 | 2019-05-21 | 平安科技(深圳)有限公司 | 辅助用户自主购药的方法、装置、设备及存储介质 |
CN109741605A (zh) * | 2018-12-25 | 2019-05-10 | 深圳市天彦通信股份有限公司 | 车辆监控方法及相关装置 |
CN109815236A (zh) * | 2019-01-15 | 2019-05-28 | 吉利汽车研究院(宁波)有限公司 | 一种共享汽车的自适应调节方法及系统 |
Non-Patent Citations (2)
Title |
---|
The Impact of Road Configuration on V2V-Based Cooperative Localization;Macheng Shen等;《2017 IEEE 85th Vehicular Technology Conference (VTC Spring)》;20171116;1-6 * |
基于感知匹配的轮毂形态定制优荐系统设计;刘扬;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20190515(第5期);C035-261 * |
Also Published As
Publication number | Publication date |
---|---|
CN110825782A (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6572567B2 (ja) | 交換価格設定装置、交換価格設定方法、プログラム、および記録媒体 | |
CN112102518B (zh) | 车辆保养提醒信息的同步方法、装置、服务器及存储介质 | |
CN109670970B (zh) | 一种驾驶行为评分方法、装置及计算机可读存储介质 | |
Greene et al. | What is the evidence concerning the gap between on-road and Environmental Protection Agency fuel economy ratings? | |
CN111861075B (zh) | 一种资源配置方法、资源配置装置及可读存储介质 | |
CN110634021A (zh) | 基于大数据的车辆估值方法、系统、设备及可读存储介质 | |
CA2823921A1 (en) | Tire recommendation engine | |
CN108197977B (zh) | 一种车辆品牌的推荐方法及装置 | |
CN115034821A (zh) | 一种车辆估值方法、装置、计算机设备及存储介质 | |
CN110825782B (zh) | 用于汽车增换购的数据处理方法及装置 | |
CN105469273A (zh) | 确定二手车辆的价格 | |
CN113888312A (zh) | 确定业务额度的方法、装置、电子设备及介质 | |
JP2020086609A (ja) | サーバ装置および情報提供方法 | |
CN109191157B (zh) | 一种车辆使用管理方法、服务器及计算机可读存储介质 | |
CN111753386B (zh) | 一种数据处理方法及装置 | |
CN115983941A (zh) | 信息推送方法、装置、终端设备及存储介质 | |
CN107633310A (zh) | 汽车售后服务支持方法及系统、存储介质及电子设备 | |
CN115593420B (zh) | 一种碳减排量确定方法、装置、电子设备及存储介质 | |
CN113592316A (zh) | 推广业绩的生成方法及相关设备 | |
CN114298742A (zh) | 二手车购置评估方法、装置、服务器、系统及存储介质 | |
JP4773857B2 (ja) | 車両品質管理システム及び車両品質管理方法 | |
CN110992193B (zh) | 一种车辆保费计算系统 | |
CN108876137B (zh) | 一种基于多源信息的汽车安全风险预警方法及系统 | |
US20230097392A1 (en) | Evaluation of a vehicle service for a vehicle based on information associated with a user of the vehicle | |
CN112561124A (zh) | 租车费用预测方法、装置和设备 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 200125, Room 325, 3rd Floor, Unit 2, No. 231, Shibocun Road, China (Shanghai) Pilot Free Trade Zone, Pudong New Area, Shanghai Patentee after: Wheel interconnection technology (Shanghai) Co.,Ltd. Address before: 200125 Room 501, 5 / F, building 3, 3601 Dongfang Road, Pudong New Area, Shanghai Patentee before: SHANGHAI YIDIAN SPACE NETWORK Co.,Ltd. |