CN111815394A - 网约车租车商品方案推荐方法、电子设备及存储介质 - Google Patents
网约车租车商品方案推荐方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111815394A CN111815394A CN202010431004.0A CN202010431004A CN111815394A CN 111815394 A CN111815394 A CN 111815394A CN 202010431004 A CN202010431004 A CN 202010431004A CN 111815394 A CN111815394 A CN 111815394A
- Authority
- CN
- China
- Prior art keywords
- car
- user
- renting
- scheme
- judged
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000006399 behavior Effects 0.000 claims description 21
- 239000000126 substance Substances 0.000 claims description 4
- 239000000047 product Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000013065 commercial product Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q30/0645—Rental transactions; Leasing transactions
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种网约车租车商品方案推荐方法及电子设备,方法包括:获取多个待判断用户的租车影响参数;基于每个待判断用户的租车影响参数,判断待判断用户是否为潜在用户;对于潜在用户,根据潜在用户的租车影响参数确定推荐网约车租车方案;向所述潜在用户推荐所述推荐网约车租车方案。本公开的实施例通过用户的租车影响参数,寻找到潜在用户,并为其推荐网约车租车方案,实现对网约车租售司机及租车商品方案的匹配,便于这部分用户能高效地找到合适的租车商品方案,并为其提供后续的汽车租售服务。
Description
技术领域
本公开的实施例涉及汽车相关技术领域,特别是一种网约车租车商品方案推荐方法、电子设备及存储介质。
背景技术
随着网约车的普及,网约车从业者队伍日益壮大。但有部分的意欲从事网约车司机行业的用户由于自身并没有合适的车辆,因而处于观望状态。该部分用户需要租用汽车,方可进入网约车从业队列。
而另一方面,已经拥有车辆的部分网约车司机想要更换现有车辆,便于更好地运营发展。
为此现有的网约车平台,提供了网约车租售业务,网约车平台通过自行购入及经销商加盟模式引入车源,再将车辆出租给有用车需求的用户。
然而,在实现本公开的实施例的过程中,发明人发现现有技术存在如下问题:
现有的网约车租售业务,仅仅是用户自行进行选择,网约车平台并未能向用户提供符合用户需求的网约车租车商品,未能为网约车司机提供更快捷便利的车辆租售服务,导致网约车司机转化效率较低。
发明内容
基于此,有必要针对现有技术未能向用户推荐网约车租车商品的技术问题,提供一种网约车租车商品方案推荐方法、电子设备及存储介质。
本公开的实施例提供一种网约车租车商品方案推荐方法,包括:
获取多个待判断用户的租车影响参数;
基于每个待判断用户的租车影响参数,判断待判断用户是否为潜在用户;
对于潜在用户,根据潜在用户的租车影响参数确定推荐网约车租车方案;
向所述潜在用户推荐所述推荐网约车租车方案。
进一步地,所述待判断用户包括线上浏览者、和/或已有网约车司机,所述租车影响参数包括:关于线上浏览者的线上浏览者行为数据、和/或关于已有网约车司机的已有网约车司机数据。
更进一步地:
所述线上浏览行为数据包括:待判断用户线上浏览的车辆信息、金融方案的类别、待判断用户所在区域城市车辆尾号限行情况、待判断用户基本信息、和/或待判断用户所在区域的地形特征类别;
所述已有网约车司机数据包括:待判断用户已有网约车的车辆信息、运营情况、收入情况、待判断用户所在城市的车型偏好信息、待判断用户已有网约车的常驶路段、待判断用户已有网约车的油耗情况、和/或待判断用户已有网约车的乘客车型喜好。
进一步地,所述基于每个待判断用户的租车影响参数,判断待判断用户是否为潜在用户,具体包括:
将每个待判断用户的租车影响参数输入潜在用户识别模型,得到所述潜在用户识别模型返回的关于该待判断用户为潜在用户的判断结果。
进一步地,所述根据潜在用户的租车影响参数确定推荐网约车租车方案,具体包括:
将潜在用户的租车影响参数输入商品方案推荐模型,得到所述商品方案推荐模型返回的关于该潜在用户的网约车租车方案作为推荐网约车租车方案。
进一步地,所述根据潜在用户的租车影响参数确定推荐网约车租车方案,具体包括:
将潜在用户的租车影响参数输入商品方案推荐模型,得到所述商品方案推荐模型返回的关于该潜在用户的多个待选网约车租车方案;
将潜在用户的租车影响参数和多个所述待选网约车租车方案输入点击率预估模型,得到关于每个所述待选网约车租车方案的预估点击率;
根据所述待选网约车租车方案的预估点击率,选择一个或多个所述待选网约车租车方案作为推荐网约车租车方案。
本公开的实施例提供一种网约车租车商品方案推荐电子设备,包括:
至少一个处理器;以及,
与至少一个所述处理器通信链接的存储器;其中,
所述存储器存储有可被至少一个所述处理器执行的指令,所述指令被至少一个所述处理器执行,以使至少一个所述处理器能够:
获取多个待判断用户的租车影响参数;
基于每个待判断用户的租车影响参数,判断待判断用户是否为潜在用户;
对于潜在用户,根据潜在用户的租车影响参数确定推荐网约车租车方案;
向所述潜在用户推荐所述推荐网约车租车方案。
进一步地,所述待判断用户包括线上浏览者、和/或已有网约车司机,所述租车影响参数包括:关于线上浏览者的线上浏览者行为数据、和/或关于已有网约车司机的已有网约车司机数据。
更进一步地:
所述线上浏览行为数据包括:待判断用户线上浏览的车辆信息、金融方案的类别、待判断用户所在区域城市车辆尾号限行情况、待判断用户基本信息、和/或待判断用户所在区域的地形特征类别;
所述已有网约车司机数据包括:待判断用户已有网约车的车辆信息、运营情况、收入情况、待判断用户所在城市的车型偏好信息、待判断用户已有网约车的常驶路段、待判断用户已有网约车的油耗情况、和/或待判断用户已有网约车的乘客车型喜好。
进一步地,所述基于每个待判断用户的租车影响参数,判断待判断用户是否为潜在用户,具体包括:
将每个待判断用户的租车影响参数输入潜在用户识别模型,得到所述潜在用户识别模型返回的关于该待判断用户为潜在用户的判断结果。
进一步地,所述根据潜在用户的租车影响参数确定推荐网约车租车方案,具体包括:
将潜在用户的租车影响参数输入商品方案推荐模型,得到所述商品方案推荐模型返回的关于该潜在用户的网约车租车方案作为推荐网约车租车方案。
更进一步地,所述根据潜在用户的租车影响参数确定推荐网约车租车方案,具体包括:
将潜在用户的租车影响参数输入商品方案推荐模型,得到所述商品方案推荐模型返回的关于该潜在用户的多个待选网约车租车方案;
将潜在用户的租车影响参数和多个所述待选网约车租车方案输入点击率预估模型,得到关于每个所述待选网约车租车方案的预估点击率;
根据所述待选网约车租车方案的预估点击率,选择一个或多个所述待选网约车租车方案作为推荐网约车租车方案。
本公开的实施例提供一种存储介质,所述存储介质存储计算机指令,当计算机执行所述计算机指令时,用于执行如前所述的网约车租车商品方案推荐方法的所有步骤。
本公开的实施例通过用户的租车影响参数,寻找到潜在用户,并为其推荐网约车租车方案,实现对网约车租售司机及租车商品方案的匹配,便于这部分用户能高效地找到合适的租车商品方案,并为其提供后续的汽车租售服务。
附图说明
图1为本公开的实施例一种网约车租车商品方案推荐方法的工作流程图;
图2为本公开的实施例第二实施例一种网约车租车商品方案推荐方法的工作流程图;
图3为本公开的实施例第三实施例一种网约车租车商品方案推荐方法的工作流程图;
图4为本公开的实施例一种网约车租车商品方案推荐电子设备的硬件结构示意图。
具体实施方式
下面结合附图和具体实施例对本公开的实施例做进一步详细的说明。
实施例一
如图1所示为本公开的实施例一种网约车租车商品方案推荐方法的工作流程图,包括:
步骤S101,获取多个待判断用户的租车影响参数;
步骤S102,基于每个待判断用户的租车影响参数,判断待判断用户是否为潜在用户;
步骤S103,对于潜在用户,根据潜在用户的租车影响参数确定推荐网约车租车方案;
步骤S104,向所述潜在用户推荐所述推荐网约车租车方案。
具体来说,步骤S101获取多个待判断用户的租车影响参数。具体来说,可以通过待判断用户的用户账号来获取待判断用户的租车影响参数。步骤S102则基于待判断用户的线上浏览行为数据、和/或已有网约车司机数据,判断其是否为潜在用户,对于潜在用户则触发步骤S103,为其确定推荐网约车租车方案,并在步骤S104中向潜在用户推荐所述推荐网约车租车方案。具体的推送方式可以是客户端信息推送及线上页面提示等。通过此类方式吸引其注意力,并引导暗示其达成订单,进一步提高成交比率。
本公开的实施例通过用户的租车影响参数,寻找到潜在用户,并为其推荐网约车租车方案,实现对网约车租售司机及租车商品方案的匹配,便于这部分用户能高效地找到合适的租车商品方案,并为其提供后续的汽车租售服务。
实施例二
如图2所示为本公开的实施例第二实施例一种网约车租车商品方案推荐方法的工作流程图,包括:
步骤S201,获取多个待判断用户的租车影响参数,所述待判断用户包括线上浏览者、和/或已有网约车司机,所述租车影响参数包括:关于线上浏览者的线上浏览者行为数据、和/或关于已有网约车司机的已有网约车司机数据,其中:
所述线上浏览行为数据包括:待判断用户线上浏览的车辆信息、金融方案的类别、待判断用户所在区域城市车辆尾号限行情况、待判断用户基本信息、和/或待判断用户所在区域的地形特征类别;
所述已有网约车司机数据包括:待判断用户已有网约车的车辆信息、运营情况、收入情况、待判断用户所在城市的车型偏好信息、待判断用户已有网约车的常驶路段、待判断用户已有网约车的油耗情况、和/或待判断用户已有网约车的乘客车型喜好。
步骤S202,将每个待判断用户的租车影响参数输入潜在用户识别模型,得到所述潜在用户识别模型返回的关于该待判断用户为潜在用户的判断结果。
步骤S203,对于潜在用户,将潜在用户的租车影响参数输入商品方案推荐模型,得到所述商品方案推荐模型返回的关于该潜在用户的网约车租车方案作为推荐网约车租车方案,具体包括:
将潜在用户的租车影响参数输入商品方案推荐模型,得到所述商品方案推荐模型返回的关于该潜在用户的多个待选网约车租车方案;
将潜在用户的租车影响参数和多个所述待选网约车租车方案输入点击率预估模型,得到关于每个所述待选网约车租车方案的预估点击率;
根据所述待选网约车租车方案的预估点击率,选择一个或多个所述待选网约车租车方案作为推荐网约车租车方案。例如,基于点击率进行预估排序,选择预估点击率最高的多个待选网约车租车方案作为推荐网约车租车方案。
步骤S204,向所述潜在用户推荐所述推荐网约车租车方案。
具体来说,本实施例提供一种网约车租车商品方案推荐方法,基于用户线上历史浏览情况及其他综合影响因素(比如已有车辆和运营情况,网约车收入情况,城市车型偏好等),为网约车司机匹配车辆租售相关的商品方案。
步骤S201获取多个待判断用户的租车影响参数,租车影响参数包括线上浏览行为数据、和/或已有网约车司机数据。线上浏览行为数据指的是待判断用户在租售平台的线上浏览历史行为轨迹数据。主要针对线上浏览者。已有网约车司机数据则主要针对待判断用户的已有网约车司机数据,主要针对部分想更换现有网约车的网约车司机。所述租车影响参数包括:线上浏览行为数据、和/或已有网约车司机数据,其中:
获取用户线上浏览行为数据包括:
获取用户在租售平台的线上浏览历史行为轨迹,其中涉及到的方面可以包括其浏览的具体商品(例如车辆的品牌、颜色、价位及型号等)、其查看的金融方案的类别、用户所在区域城市车辆尾号限行情况、用户基本信息(如年龄、性别、视力、车龄、事故率等)、用户所在区域的地形特征(如地形复杂区域可能更适合SUV)。
该步骤的用户可以包括,:前状态下无车辆的可能想要做网约车司机的人群,以及目前拥有车辆但可能想要更换车辆的司机人群。此外,由于网约车平台可以入驻租赁公司,租赁公司将提供多种车辆租赁方面的金融方案,因此可以获取用户浏览金融方案的行为轨迹信息。
获取已有网约车司机数据包括:
获取用户已有网约车的车辆信息、运营情况、收入情况、城市车型偏好、用户常驶路段、油耗情况、待判断用户已有网约车的乘客车型喜好等数据:
(1)用户已有网约车的车辆的相关信息:用户现有车辆的相关信息包括车辆品牌、车型及价位、网约车类别(比如开的是快车、专车还是豪华车)等;
(2)用户已有网约车的运营情况:现有车辆的使用频率,如果该用户对其现有车辆的使用率较低,则其租售车辆的需求将偏低;
(3)用户收入情况:平台浏览者自身的历史收入情况等,比如之前开网约车赚了多少钱;
(4)城市车型偏好:不同城市及地区的民风特色不同,用户偏好的车型配置情况也有较大差异。例如,成都的生活节奏相对较慢,人们比较喜欢安逸一点的服务体验,则相应的推荐车型则倾向于车内空间更大且车载配置舒适度更高,于是轩逸成为为很多成都网约车司机的优选车型。用户常驶路段:依据不同城市及地区的网约车司机历史载客流量分布情况,获得该网约车司机的偏好行驶路段,比如偏好在北京六环外行驶;
(5)油耗情况:结合用户常驶路段所涉及的油耗情况,考虑车辆是否省油方面的因素。
(6)乘客车型喜好:乘客对车型及车载配置的偏好情况,不同层次及区域的乘客偏好存在较大差异。
其中,为了避免地域标签化等片面判断问题的产生,可采取线上问卷调查方式对用户进行民意调查,收集其对于预租产品的基本标准及自身的独特偏好。
基于步骤S201获取的信息,步骤S202对潜在用户进行识别:
基于输入的用户浏览记录及目前拥有网约车的司机的运营情况等数据,对潜在客户进行识别,找出其中有较大概率可能需要租用汽车的用户,以及有较大概率可能具有换车意向的用户,对该部分用户进行特别关注。
对于潜在用户识别,利用平台历史的租车商品方案的成交数据,成交数据包括最终成交的用户的租车影响参数,将成交的用户的租车影响参数作为训练数据,采用机器学习模型,比如xgboost,来训练一个潜在用户识别模型。然后将待判断用户的租车影响参数输入潜在用户识别模型,得到该待判断用户是否为潜在客户的输出。输出可以为该待判断用户是潜在客户或者该待判断用户为非潜在客户。输出也可以为该待判断用户为潜在客户的概率,并将概率大于预设概率阈值的待判断用户作为潜在客户。
对于步骤S202判断得到的潜在客户,步骤S203利用匹配模型为潜在用户匹配平台车辆租售商品方案:
根据已经识别出的潜在客户,运用商品方案推荐模型,对客户进行商品方案的匹配。针对不同需求的用户,提供相对合适的产品方案和/或租售套餐作为待选网约车租车方案。
然后针对商品方案推荐模型给出的待选网约车租车方案,利用平台历史的“用户-商品方案”的点击和成交数据,采用机器学习模型,比如xgboost/DeepFM等,训练一个“用户-商品”对的点击率预估模型,以判断用户对某个租车商品方案的兴趣度。点击率预估模型的训练参数可以包括:用户基础特征(年龄、性别、收入、城市、户籍地等)、商品方案特征、历史点击行为等。
最后,步骤S204通过消息推送或者线上推荐的方式促成交易:
将每一位潜在客户的预估点击率最高的多个推荐网约车租车方案进行多方位的推送,具体的推送方式可以是客户端信息推送及线上页面提示等。通过此类方式吸引其注意力,并引导暗示其达成订单,进一步提高成交比率。
本实施例基于用户线上历史浏览情况及已有网约车的相关信息,给网约车司机匹配车辆租售相关的商品方案。由于充分考虑了线上浏览者和已有网约车司机的不同需求,因此能够提供准确有效的推荐方案,提高成交率。
实施例三
如图3所示为本公开的实施例第三实施例一种网约车租车商品方案推荐方法的工作流程图,包括:
步骤S301,获取网约车司机线上浏览记录、区域的地形特征、用户基本信息、地区车辆尾号限行情况;
步骤S302,获取已有网约车司机的已有网约车、运营、收入、城市车型偏好情况、乘客喜好、路段油耗情况、用户常驶路段;
步骤S303,基于前述数据基于规则或模型进行潜在客户识别;
步骤S304,用户和租售方案模型匹配;
步骤S305,方案推荐促成成交。
实施例四
如图4所示为本公开的实施例一种网约车租车商品方案推荐电子设备的硬件结构示意图,包括:
至少一个处理器401;以及,
与至少一个所述处理器401通信链接的存储器402;其中,
所述存储器402存储有可被至少一个所述处理器401执行的指令,所述指令被至少一个所述处理器401执行,以使至少一个所述处理器401能够:
获取多个待判断用户的租车影响参数;
基于每个待判断用户的租车影响参数,判断待判断用户是否为潜在用户;
对于潜在用户,根据潜在用户的租车影响参数确定推荐网约车租车方案;
向所述潜在用户推荐所述推荐网约车租车方案。
电子设备优选为充电桩上的控制电子设备。图4中以一个处理器401为例。
电子设备还可以包括:输入装置403和显示装置404。
处理器401、存储器402、输入装置403及显示装置404可以通过总线或者其他方式链接,图中以通过总线链接为例。
存储器402作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的网约车租车商品方案推荐方法对应的程序指令/模块,例如,图1所示的方法流程。处理器401通过运行存储在存储器402中的非易失性软件程序、指令以及模块,从而执行各种功能应用以及数据处理,即实现上述实施例中的网约车租车商品方案推荐方法。
存储器402可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据网约车租车商品方案推荐方法的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络链接至执行网约车租车商品方案推荐方法的装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置403可接收输入的待判断用户点击,以及产生与网约车租车商品方案推荐方法的待判断用户设置以及功能控制有关的信号输入。显示装置404可包括显示屏等显示设备。
在所述一个或者多个模块存储在所述存储器402中,当被所述一个或者多个处理器401运行时,执行上述任意方法实施例中的网约车租车商品方案推荐方法。
本公开的实施例通过用户的租车影响参数,寻找到潜在用户,并为其推荐网约车租车方案,实现对网约车租售司机及租车商品方案的匹配,便于这部分用户能高效地找到合适的租车商品方案,并为其提供后续的汽车租售服务。
实施例五
本公开的实施例第五实施例一种网约车租车商品方案推荐电子设备,包括:
至少一个处理器;
与至少一个所述处理器通信链接的存储器;其中,
所述存储器存储有可被至少一个所述处理器执行的指令,所述指令被至少一个所述处理器执行,以使至少一个所述处理器能够:
获取多个待判断用户的租车影响参数,所述待判断用户包括线上浏览者、和/或已有网约车司机,所述租车影响参数包括:关于线上浏览者的线上浏览者行为数据、和/或关于已有网约车司机的已有网约车司机数据,其中:
所述线上浏览行为数据包括:待判断用户线上浏览的车辆信息、金融方案的类别、待判断用户所在区域城市车辆尾号限行情况、待判断用户基本信息、和/或待判断用户所在区域的地形特征类别;
所述已有网约车司机数据包括:待判断用户已有网约车的车辆信息、运营情况、收入情况、待判断用户所在城市的车型偏好信息、待判断用户已有网约车的常驶路段、待判断用户已有网约车的油耗情况、和/或待判断用户已有网约车的乘客车型喜好。
将每个待判断用户的租车影响参数输入潜在用户识别模型,得到所述潜在用户识别模型返回的关于该待判断用户为潜在用户的判断结果。
对于潜在用户,将潜在用户的租车影响参数输入商品方案推荐模型,得到所述商品方案推荐模型返回的关于该潜在用户的网约车租车方案作为推荐网约车租车方案,具体包括:
将潜在用户的租车影响参数输入商品方案推荐模型,得到所述商品方案推荐模型返回的关于该潜在用户的多个待选网约车租车方案;
将潜在用户的租车影响参数和多个所述待选网约车租车方案输入点击率预估模型,得到关于每个所述待选网约车租车方案的预估点击率;
根据所述待选网约车租车方案的预估点击率,选择一个或多个所述待选网约车租车方案作为推荐网约车租车方案。
向所述潜在用户推荐所述推荐网约车租车方案。
本实施例基于用户线上历史浏览情况及已有网约车的相关信息,给网约车司机匹配车辆租售相关的商品方案。由于充分考虑了线上浏览者和已有网约车司机的不同需求,因此能够提供准确有效的推荐方案,提高成交率。
实施例六
本公开的实施例第六实施例提供一种存储介质,所述存储介质存储计算机指令,当计算机执行所述计算机指令时,用于执行如前所述的网约车租车商品方案推荐方法的所有步骤。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (13)
1.一种网约车租车商品方案推荐方法,其特征在于,包括:
获取多个待判断用户的租车影响参数;
基于每个待判断用户的租车影响参数,判断待判断用户是否为潜在用户;
对于潜在用户,根据潜在用户的租车影响参数确定推荐网约车租车方案;
向所述潜在用户推荐所述推荐网约车租车方案。
2.根据权利要求1所述的网约车租车商品方案推荐方法,其特征在于,所述待判断用户包括线上浏览者、和/或已有网约车司机,所述租车影响参数包括:关于线上浏览者的线上浏览者行为数据、和/或关于已有网约车司机的已有网约车司机数据。
3.根据权利要求2所述的网约车租车商品方案推荐方法,其特征在于:
所述线上浏览行为数据包括:待判断用户线上浏览的车辆信息、金融方案的类别、待判断用户所在区域城市车辆尾号限行情况、待判断用户基本信息、和/或待判断用户所在区域的地形特征类别;
所述已有网约车司机数据包括:待判断用户已有网约车的车辆信息、运营情况、收入情况、待判断用户所在城市的车型偏好信息、待判断用户已有网约车的常驶路段、待判断用户已有网约车的油耗情况、和/或待判断用户已有网约车的乘客车型喜好。
4.根据权利要求1所述的网约车租车商品方案推荐方法,其特征在于,所述基于每个待判断用户的租车影响参数,判断待判断用户是否为潜在用户,具体包括:
将每个待判断用户的租车影响参数输入潜在用户识别模型,得到所述潜在用户识别模型返回的关于该待判断用户为潜在用户的判断结果。
5.根据权利要求1所述的网约车租车商品方案推荐方法,其特征在于,所述根据潜在用户的租车影响参数确定推荐网约车租车方案,具体包括:
将潜在用户的租车影响参数输入商品方案推荐模型,得到所述商品方案推荐模型返回的关于该潜在用户的网约车租车方案作为推荐网约车租车方案。
6.根据权利要求5所述的网约车租车商品方案推荐方法,其特征在于,所述根据潜在用户的租车影响参数确定推荐网约车租车方案,具体包括:
将潜在用户的租车影响参数输入商品方案推荐模型,得到所述商品方案推荐模型返回的关于该潜在用户的多个待选网约车租车方案;
将潜在用户的租车影响参数和多个所述待选网约车租车方案输入点击率预估模型,得到关于每个所述待选网约车租车方案的预估点击率;
根据所述待选网约车租车方案的预估点击率,选择一个或多个所述待选网约车租车方案作为推荐网约车租车方案。
7.一种网约车租车商品方案推荐电子设备,其特征在于,包括:
至少一个处理器;以及,
与至少一个所述处理器通信链接的存储器;其中,
所述存储器存储有可被至少一个所述处理器执行的指令,所述指令被至少一个所述处理器执行,以使至少一个所述处理器能够:
获取多个待判断用户的租车影响参数;
基于每个待判断用户的租车影响参数,判断待判断用户是否为潜在用户;
对于潜在用户,根据潜在用户的租车影响参数确定推荐网约车租车方案;
向所述潜在用户推荐所述推荐网约车租车方案。
8.根据权利要求7所述的网约车租车商品方案推荐电子设备,其特征在于,所述待判断用户包括线上浏览者、和/或已有网约车司机,所述租车影响参数包括:关于线上浏览者的线上浏览者行为数据、和/或关于已有网约车司机的已有网约车司机数据。
9.根据权利要求8所述的网约车租车商品方案推荐电子设备,其特征在于:
所述线上浏览行为数据包括:待判断用户线上浏览的车辆信息、金融方案的类别、待判断用户所在区域城市车辆尾号限行情况、待判断用户基本信息、和/或待判断用户所在区域的地形特征类别;
所述已有网约车司机数据包括:待判断用户已有网约车的车辆信息、运营情况、收入情况、待判断用户所在城市的车型偏好信息、待判断用户已有网约车的常驶路段、待判断用户已有网约车的油耗情况、和/或待判断用户已有网约车的乘客车型喜好。
10.根据权利要求7所述的网约车租车商品方案推荐电子设备,其特征在于,所述基于每个待判断用户的租车影响参数,判断待判断用户是否为潜在用户,具体包括:
将每个待判断用户的租车影响参数输入潜在用户识别模型,得到所述潜在用户识别模型返回的关于该待判断用户为潜在用户的判断结果。
11.根据权利要求7所述的网约车租车商品方案推荐电子设备,其特征在于,所述根据潜在用户的租车影响参数确定推荐网约车租车方案,具体包括:
将潜在用户的租车影响参数输入商品方案推荐模型,得到所述商品方案推荐模型返回的关于该潜在用户的网约车租车方案作为推荐网约车租车方案。
12.根据权利要求11所述的网约车租车商品方案推荐电子设备,其特征在于,所述根据潜在用户的租车影响参数确定推荐网约车租车方案,具体包括:
将潜在用户的租车影响参数输入商品方案推荐模型,得到所述商品方案推荐模型返回的关于该潜在用户的多个待选网约车租车方案;
将潜在用户的租车影响参数和多个所述待选网约车租车方案输入点击率预估模型,得到关于每个所述待选网约车租车方案的预估点击率;
根据所述待选网约车租车方案的预估点击率,选择一个或多个所述待选网约车租车方案作为推荐网约车租车方案。
13.一种存储介质,其特征在于,所述存储介质存储计算机指令,当计算机执行所述计算机指令时,用于执行如权利要求1至6任一项所述的网约车租车商品方案推荐方法的所有步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010431004.0A CN111815394A (zh) | 2020-05-20 | 2020-05-20 | 网约车租车商品方案推荐方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010431004.0A CN111815394A (zh) | 2020-05-20 | 2020-05-20 | 网约车租车商品方案推荐方法、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111815394A true CN111815394A (zh) | 2020-10-23 |
Family
ID=72848430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010431004.0A Pending CN111815394A (zh) | 2020-05-20 | 2020-05-20 | 网约车租车商品方案推荐方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111815394A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112508649A (zh) * | 2020-12-11 | 2021-03-16 | 北京首汽智行科技有限公司 | 一种车辆租赁商户的推荐方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102135874A (zh) * | 2010-01-22 | 2011-07-27 | 腾讯科技(深圳)有限公司 | 计算机图形界面中图标的展示方法和系统以及客户端 |
CN107392656A (zh) * | 2017-07-07 | 2017-11-24 | 芜湖恒天易开软件科技股份有限公司 | 租车行业用户画像的制定和营销效果跟踪方法 |
CN107705183A (zh) * | 2017-09-30 | 2018-02-16 | 深圳乐信软件技术有限公司 | 一种商品的推荐方法、装置、存储介质及服务器 |
CN109816206A (zh) * | 2018-12-25 | 2019-05-28 | 深圳市元征科技股份有限公司 | 一种车辆推荐方法及装置 |
CN109886778A (zh) * | 2019-01-29 | 2019-06-14 | 上海华程西南国际旅行社有限公司 | 机票的搭售产品的推荐方法及系统 |
KR20200001841A (ko) * | 2018-06-28 | 2020-01-07 | 주식회사 렌트킹 | Ai를 활용한 사용자 행동기반 렌터카 자동추천 서비스 제공방법 |
CN111080407A (zh) * | 2019-12-04 | 2020-04-28 | 青梧桐有限责任公司 | 房屋信息推荐方法、装置、电子设备及可读存储介质 |
-
2020
- 2020-05-20 CN CN202010431004.0A patent/CN111815394A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102135874A (zh) * | 2010-01-22 | 2011-07-27 | 腾讯科技(深圳)有限公司 | 计算机图形界面中图标的展示方法和系统以及客户端 |
CN107392656A (zh) * | 2017-07-07 | 2017-11-24 | 芜湖恒天易开软件科技股份有限公司 | 租车行业用户画像的制定和营销效果跟踪方法 |
CN107705183A (zh) * | 2017-09-30 | 2018-02-16 | 深圳乐信软件技术有限公司 | 一种商品的推荐方法、装置、存储介质及服务器 |
KR20200001841A (ko) * | 2018-06-28 | 2020-01-07 | 주식회사 렌트킹 | Ai를 활용한 사용자 행동기반 렌터카 자동추천 서비스 제공방법 |
CN109816206A (zh) * | 2018-12-25 | 2019-05-28 | 深圳市元征科技股份有限公司 | 一种车辆推荐方法及装置 |
CN109886778A (zh) * | 2019-01-29 | 2019-06-14 | 上海华程西南国际旅行社有限公司 | 机票的搭售产品的推荐方法及系统 |
CN111080407A (zh) * | 2019-12-04 | 2020-04-28 | 青梧桐有限责任公司 | 房屋信息推荐方法、装置、电子设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
林佳琦;孙麒;: "基于货车租赁移动应用的关键技术研究", 工业控制计算机, no. 07, 25 July 2017 (2017-07-25), pages 140 - 141 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112508649A (zh) * | 2020-12-11 | 2021-03-16 | 北京首汽智行科技有限公司 | 一种车辆租赁商户的推荐方法 |
CN112508649B (zh) * | 2020-12-11 | 2024-03-15 | 北京首汽智行科技有限公司 | 一种车辆租赁商户的推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11886518B1 (en) | Systems, methods, and devices for identifying and presenting identifications of significant attributes of unique items | |
US20210117491A1 (en) | Comparing items using a displayed diagram | |
US20200410454A1 (en) | System and method for managing on-demand test drives | |
US9996884B2 (en) | Visible insurance | |
Dumortier et al. | Effects of providing total cost of ownership information on consumers’ intent to purchase a hybrid or plug-in electric vehicle | |
US20210166103A1 (en) | Personalized vehicle recommender system | |
CN101589385A (zh) | 选择引擎 | |
US20110313936A1 (en) | Method and apparatus for estimating value of a damaged vehicle | |
EP3459039A1 (en) | Vehicle management services | |
US20220194400A1 (en) | System and method for enhancing vehicle performance using machine learning | |
CN102402772A (zh) | 生成包括购物清单中的产品的地点和价格的地图 | |
US20220284470A1 (en) | System and method for enhancing vehicle performance using machine learning | |
US11935108B1 (en) | Customer categorization and customized recommendations for automotive retail | |
CN111861619A (zh) | 一种共享车辆的推荐方法和系统 | |
Spiller et al. | The effect of gasoline taxes and public transit investments on driving patterns | |
CN111815394A (zh) | 网约车租车商品方案推荐方法、电子设备及存储介质 | |
US20130073383A1 (en) | Broadcasting advertisement, promotion, or coupon | |
CA3109921A1 (en) | Personalized vehicle recommender system | |
JP6695238B2 (ja) | 駐車場案内装置、駐車場案内方法及び駐車場案内プログラム | |
WO2023176390A1 (ja) | 情報処理装置、情報処理方法、および記録媒体 | |
WO2014030529A1 (ja) | 行動予測装置、行動予測方法及び情報処理システム | |
Amasaka et al. | Constructing a Scientific Mixed Media Model for boosting automobile dealer visits: Evolution of market creation employing TMS | |
KR20240000258A (ko) | 사용자 맞춤형 자동차 서비스의 통합 제공 방법 및 장치 | |
CN114663124A (zh) | 产品评价装置以及产品评价方法 | |
Taiebat | Transportation in Transition: Data-Driven Sustainability Assessment of Automated, Electric, and Shared Mobility |
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 |