CN114707934A - 提高订单响应率的方法及计算机设备 - Google Patents
提高订单响应率的方法及计算机设备 Download PDFInfo
- Publication number
- CN114707934A CN114707934A CN202210384103.7A CN202210384103A CN114707934A CN 114707934 A CN114707934 A CN 114707934A CN 202210384103 A CN202210384103 A CN 202210384103A CN 114707934 A CN114707934 A CN 114707934A
- Authority
- CN
- China
- Prior art keywords
- order
- response rate
- subsidy
- time
- real
- 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
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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于物流领域,提供了一种提高订单响应率的方法、计算机可读存储介质及计算机设备,包括:获取预定时间内的历史订单交易数据样本;根据历史订单交易数据样本进行训练,构建响应率预估模型;获取订单信息输入响应率预估模型,得到预测的订单响应率;当预测的订单响应率低于预设的响应率阈值时,根据实时响应率和预测的订单响应率评估订单补贴金额;根据评估订单补贴金额对订单进行补贴。提高差单的响应率。
Description
技术领域
本申请属于物流领域,尤其涉及一种提高订单响应率的方法、计算机可读存储介质及计算机设备。
背景技术
差单响应率低,导致整体响应率提不起来,影响用户体验。目前,针对差单的主要策略是根据响应时长轮循补贴,即订单预付后,若45s还没有被响应,则开始第一轮补贴,每隔10s若还没有响应,则再加一轮补贴。这种策略没有对订单做价值预估,且延迟时间、间隔时间及补贴金额都要强依赖人工的主观经验,无法保证线上效果稳定性;逻辑单一存在刺激司机蹲单的风险;同时无法使用实时供需数据来提高补贴效率,效率低,成本高。
发明内容
本发明的目的在于提供一种提高订单响应率的方法、计算机可读存储介质及计算机设备,旨在解决差单响应率低,人工干预的效率低且成本高的问题。
第一方面,本发明提供了一种提高订单响应率的方法,包括:
获取预定时间内的历史订单交易数据样本;
根据历史订单交易数据样本进行训练,构建响应率预估模型;
获取订单信息输入响应率预估模型,得到预测的订单响应率;
当预测的订单响应率低于预设的响应率阈值时,根据实时响应率和预测的订单响应率评估订单补贴金额;
根据评估订单补贴金额对订单进行补贴。
进一步地,所述当预测的订单响应率低于预设的响应率阈值时,根据实时响应率和预测的订单响应率评估订单补贴金额具体为:
当预测的订单响应率低于预设的订单响应率阈值,或供需比等级低于预设的实时供需比等级阈值时,触发补贴流程,将预测的订单响应率、供需比等级、实时响应率和目标补贴率进行区间分级,再根据区间分级确定订单金额补贴区间;
所述供需比等级为对H3网格内的司机数和订单用户数的比例进行区间分级;所述实时响应率为当前平台累计订单响应率;所述目标补贴率为根据预算评估城市以及目标的补贴率。
进一步地,所述将预测的订单响应率、供需比等级、实时响应率和目标补贴率进行区间分级,再根据区间分级确定订单金额补贴区间具体为:
在预设的订单金额补贴区间内,预测的订单响应率的区间分级越大,补贴金额越少,实时响应率的区间分级越小,补贴金额越多;供需比等级的区间分级,补贴越少,单价越高,补贴越多。
进一步地,所述预定时间内的历史订单交易数据样本包括用户的历史订单信息、对应的实时推送的司机信息和对应的实时环境信息。
进一步地,所述用户的历史订单信息包括:下单频次、下单类型、订单均价和订单备注。
进一步地,所述实时环境信息包括:降雨量、湿度和风速。
进一步地,所述实时推送的司机信息包括:推送司机的个数、历史接单量和平均完单距离。
进一步地,所述根据历史订单交易数据样本进行训练,构建响应率预估模型具体为:
根据历史订单交易数据样本构建订单特征表,对预定时间内的历史订单交易数据样本进行训练,得到响应率预估模型,并对响应率预估模型进行验证,确认将获取的订单信息输入响应率预估模型后得到预测的订单响应率。
第二方面,本发明提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的提高订单响应率的方法的步骤。
第三方面,本发明提供了一种计算机设备,包括:一个或多个处理器、存储器以及一个或多个计算机程序,所述处理器和所述存储器通过总线连接,其中所述一个或多个计算机程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述处理器执行所述计算机程序时实现第一方面所述的提高订单响应率的方法的步骤。
本发明通过构建响应率预估模型,对预测的订单响应率低于响应率阈值的订单进行补贴,提高订单的实时响应率,使差单更容易被响应,采用智能补贴,降低人工成本;把补贴精准的补给响应率差的订单上,降低补贴被浪费的风险,从而降低边际成本。
附图说明
图1是本发明一实施例提供的提高订单响应率的方法的流程图。
图2是本发明一实施例提供的不同供需比等级和车型对应的响应率和补贴金额的图表。
图3是本发明一实施例提供的计算机设备的具体结构框图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
请参阅图1,本发明一实施例提供的提高订单响应率的方法包括以下步骤:需注意的是,若有实质上相同的结果,本申请的提高订单响应率的方法并不以图1所示的流程顺序为限。
S101、获取预定时间内的历史订单交易数据样本;
S102、根据历史订单交易数据样本进行训练,构建响应率预估模型;
S103、获取订单信息输入响应率预估模型,得到预测的订单响应率;
S104、当预测的订单响应率低于预设的响应率阈值时,根据实时响应率和预测的订单响应率评估订单补贴金额;
S105、根据评估订单补贴金额对订单进行补贴。
在本发明一实施例中,所述当预测的订单响应率低于预设的响应率阈值时,根据实时响应率和预测的订单响应率评估订单补贴金额具体为:
当预测的订单响应率低于预设的订单响应率阈值,或供需比等级低于预设的实时供需比等级阈值时,触发补贴流程,将预测的订单响应率、供需比等级、实时响应率和目标补贴率进行区间分级,再根据区间分级确定订单金额补贴区间;
所述供需比等级为对H3网格内的司机数和订单用户数的比例进行区间分级;所述实时响应率为当前平台累计订单响应率;所述目标补贴率为根据预算评估城市以及目标的补贴率。
在本发明一实施例中,所述将预测的订单响应率、供需比等级、实时响应率和目标补贴率进行区间分级,再根据区间分级确定订单金额补贴区间具体为:
在预设的订单金额补贴区间内,预测的订单响应率的区间分级越大,补贴金额越少,实时响应率的区间分级越小,补贴金额越多;供需比等级的区间分级,补贴越少,单价越高,补贴越多。
根据订单所在H3网格的实时供需比等级数据,把网格供需比数据分为10个等级。其中,等级越大,司机越多,补贴金额越低。
根据订单城市的周同比响应率以及该城市的目标响应率,确定触发补贴区间。比如,杭州订单,周同比是+1%,且当天累计响应率已超出目标响应率,则不触发补贴流程。周同比越小,补贴力度越大。
在本发明一实施例中,所述预定时间内的历史订单交易数据样本包括用户的历史订单信息、对应的实时推送的司机信息和对应的实时环境信息。
在本发明一实施例中,所述用户的历史订单信息包括:下单频次、下单类型、订单均价和订单备注。
在本发明一实施例中,所述实时环境信息包括:降雨量、湿度和风速。
在本发明一实施例中,所述实时推送的司机信息包括:推送司机的个数、历史接单量和平均完单距离。
在本发明一实施例中,所述根据历史订单交易数据样本进行训练,构建响应率预估模型具体为:
根据历史订单交易数据样本构建订单特征表,对预定时间内的历史订单交易数据样本进行训练,得到响应率预估模型,并对响应率预估模型进行验证,确认将获取的订单信息输入响应率预估模型后得到预测的订单响应率。
本发明一实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如本发明一实施例提供的提高订单响应率的方法的步骤。
图3展示出了本申请一实施例提供的计算机设备的具体结构框图,一种计算机设备100包括:一个或多个处理器101、存储器102、以及一个或多个计算机程序,其中所述处理器101和所述存储器102通过总线连接,所述一个或多个计算机程序被存储在所述存储器102中,并且被配置成由所述一个或多个处理器101执行,所述处理器101执行所述计算机程序时实现如本申请一实施例提供的提高订单响应率的方法的步骤。
计算机设备包括服务器和终端等。该计算机设备可以是台式计算机、移动终端或车载设备,移动终端包括手机、平板电脑、个人数字助理或可穿戴设备等中的至少一种。
在本发明实施例通过构建响应率预估模型,对预测的订单响应率低于响应率阈值的订单进行补贴,提高订单的实时响应率,使差单更容易被响应,采用智能补贴,降低人工成本;把补贴精准的补给响应率差的订单上,降低补贴被浪费的风险,从而降低边际成本。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,RandomAccess Memory)、磁盘或光盘等。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种提高订单响应率的方法,其特征在于,包括:
获取预定时间内的历史订单交易数据样本;
根据历史订单交易数据样本进行训练,构建响应率预估模型;
获取订单信息输入响应率预估模型,得到预测的订单响应率;
当预测的订单响应率低于预设的响应率阈值时,根据实时响应率和预测的订单响应率评估订单补贴金额;
根据评估订单补贴金额对订单进行补贴。
2.如权利要求1所述的方法,其特征在于,所述当预测的订单响应率低于预设的响应率阈值时,根据实时响应率和预测的订单响应率评估订单补贴金额具体为:
当预测的订单响应率低于预设的订单响应率阈值,或供需比等级低于预设的实时供需比等级阈值时,触发补贴流程,将预测的订单响应率、供需比等级、实时响应率和目标补贴率进行区间分级,再根据区间分级确定订单金额补贴区间;
所述供需比等级为对H3网格内的司机数和订单用户数的比例进行区间分级;所述实时响应率为当前平台累计订单响应率;所述目标补贴率为根据预算评估城市以及目标的补贴率。
3.如权利要求2所述的方法,其特征在于,所述将预测的订单响应率、供需比等级、实时响应率和目标补贴率进行区间分级,再根据区间分级确定订单金额补贴区间具体为:
在预设的订单金额补贴区间内,预测的订单响应率的区间分级越大,补贴金额越少,实时响应率的区间分级越小,补贴金额越多;供需比等级的区间分级,补贴越少,单价越高,补贴越多。
4.如权利要求1所述的方法,其特征在于,所述预定时间内的历史订单交易数据样本包括用户的历史订单信息、对应的实时推送的司机信息和对应的实时环境信息。
5.如权利要求4所述的方法,其特征在于,所述用户的历史订单信息包括:下单频次、下单类型、订单均价和订单备注。
6.如权利要求4所述的方法,其特征在于,所述实时环境信息包括:降雨量、湿度和风速。
7.如权利要求4所述的方法,其特征在于,所述实时推送的司机信息包括:推送司机的个数、历史接单量和平均完单距离。
8.如权利要求4至7任一项所述的方法,其特征在于,所述根据历史订单交易数据样本进行训练,构建响应率预估模型具体为:
根据历史订单交易数据样本构建订单特征表,对预定时间内的历史订单交易数据样本进行训练,得到响应率预估模型,并对响应率预估模型进行验证,确认将获取的订单信息输入响应率预估模型后得到预测的订单响应率。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的提高订单响应率的方法的步骤。
10.一种计算机设备,包括:一个或多个处理器、存储器以及一个或多个计算机程序,所述处理器和所述存储器通过总线连接,其中所述一个或多个计算机程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的提高订单响应率的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210384103.7A CN114707934A (zh) | 2022-04-13 | 2022-04-13 | 提高订单响应率的方法及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210384103.7A CN114707934A (zh) | 2022-04-13 | 2022-04-13 | 提高订单响应率的方法及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114707934A true CN114707934A (zh) | 2022-07-05 |
Family
ID=82173754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210384103.7A Pending CN114707934A (zh) | 2022-04-13 | 2022-04-13 | 提高订单响应率的方法及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114707934A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115049344A (zh) * | 2022-08-15 | 2022-09-13 | 深圳依时货拉拉科技有限公司 | 货运订单补贴方法及装置、计算机设备及可读存储介质 |
CN117541209A (zh) * | 2024-01-09 | 2024-02-09 | 江苏运满满同城信息科技有限公司 | 一种智能物流司机多维补贴方法及系统 |
-
2022
- 2022-04-13 CN CN202210384103.7A patent/CN114707934A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115049344A (zh) * | 2022-08-15 | 2022-09-13 | 深圳依时货拉拉科技有限公司 | 货运订单补贴方法及装置、计算机设备及可读存储介质 |
CN117541209A (zh) * | 2024-01-09 | 2024-02-09 | 江苏运满满同城信息科技有限公司 | 一种智能物流司机多维补贴方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114707934A (zh) | 提高订单响应率的方法及计算机设备 | |
CN109308538B (zh) | 成交转化率预测方法及装置 | |
CN106997577A (zh) | 一种订单策略动态调整方法及装置 | |
CN109636474A (zh) | 房源排序展示方法、装置、设备及存储介质 | |
CN109685377A (zh) | 推荐方法及装置、电子设备及存储介质 | |
CN110490646A (zh) | 汽车品牌目标用户的确定方法及装置 | |
CN111445191B (zh) | 一种配送难度的预估方法、装置和存储介质 | |
CN109547931B (zh) | 确定移动终端所在地的服务器 | |
CN111311312A (zh) | 广告效果评估方法、显示终端及计算机可读存储介质 | |
CN108022036A (zh) | 评估管理方法、应用服务器及计算机可读存储介质 | |
CN109995549B (zh) | 一种评估流量价值的方法及装置 | |
CN113590007A (zh) | 进度条的生成方法、生成装置、计算机设备及存储介质 | |
CN112232719A (zh) | 一种指标定量评分方法、计算机设备及存储介质 | |
CN113807560A (zh) | 一种物流成本预测方法、装置、电子设备以及存储介质 | |
CN108738117B (zh) | 一种应用程序消耗电量的优化方法及终端 | |
CN108521435B (zh) | 一种用户网络行为画像的方法及系统 | |
CN112819266B (zh) | 配送参数调整方法、装置、存储介质及电子设备 | |
CN106804039B (zh) | 用户安全指数获取方法及装置 | |
CN112073454B (zh) | 资源分发方法、装置、电子设备 | |
CN109981325B (zh) | 一种告警阈值的设定方法、装置、计算设备及介质 | |
CN113377807A (zh) | 数据查询方法、装置以及存储介质 | |
CN108804640B (zh) | 基于最大化iv的数据分组方法、装置、储存介质及设备 | |
CN107800750A (zh) | 一种打车地点推荐处理方法及服务器 | |
CN112070916A (zh) | 一种基于车联网的智慧城市停车管理方法、存储介质及系统 | |
CN110070371B (zh) | 一种数据预测模型建立方法及其设备、存储介质、服务器 |
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 |