CN116402587A - 一种房型升级方法、设备和介质 - Google Patents
一种房型升级方法、设备和介质 Download PDFInfo
- Publication number
- CN116402587A CN116402587A CN202310606851.XA CN202310606851A CN116402587A CN 116402587 A CN116402587 A CN 116402587A CN 202310606851 A CN202310606851 A CN 202310606851A CN 116402587 A CN116402587 A CN 116402587A
- Authority
- CN
- China
- Prior art keywords
- room
- house
- grade
- user
- raising
- 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 62
- 230000000630 rising effect Effects 0.000 claims description 34
- 238000004458 analytical method Methods 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 9
- 230000001746 atrial effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 230000001174 ascending effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000004308 accommodation Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 229910052697 platinum Inorganic materials 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000010200 validation analysis Methods 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]
- G06Q30/0633—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
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Technology Law (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种房型升级方法、设备和介质。所述方法包括:接收升房请求,所述升房请求包括订单标识;依据所述订单标识查询对应用户的预定信息,所述预定信息包括房型等级;依据所述房型等级确定房型升级等级,预测所述房型升级等级对应的交易数据;基于所述房型升级等级、预测的交易数据确定升房结果,反馈所述升房结果。能够预测交易数据进而自动预测的升房结果进行升房,提高升房的准确性,给用户提供便捷。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种房型升级方法、一种电子设备和一种存储介质。
背景技术
随着计算机技术的发展,网络给用户的生活提供了便利,用户可以在网站购物、点卖外、购票、预定酒店等。
用户在网上预定酒店时,可以基于位置、时间等筛选酒店,然后在酒店中选择房型进行预定。在预定酒店之后,有些情况下,用户可以免费升级房型,例如用户为该酒店的会员,又如用户为预定酒店的应用的会员等。
但是,目前酒店的升级不透明,用户不知道升级服务,或者了解升级服务但需要用户自行电话确认是否能够升级,或者在酒店办理入住时确认是否能够升级,导致升级的确认不够准确。
发明内容
本申请实施例提供了一种房型升级方法,提高房型升级的准确性。
相应的,本申请实施例还提供了一种电子设备和一种存储介质,用以保证上述系统的实现及应用。
为了解决上述问题,本申请实施例公开了一种房型升级方法,所述方法包括:
接收升房请求,所述升房请求包括订单标识;
依据所述订单标识查询对应用户的预定信息,所述预定信息包括房型等级;
依据所述房型等级确定房型升级等级,预测所述房型升级等级对应的交易数据;
基于所述房型升级等级、预测的交易数据,确定升房结果;
反馈所述升房结果。
可选的,所述基于所述房型升级等级、预测的交易数据,确定升房结果,包括:
基于所述房型升级等级、预测的交易数据,分析所述用户的升房概率;
依据所述升房概率确定升房结果,反馈所述升房结果。
可选的,所述依据所述订单标识查询对应用户的预定信息,包括:
依据所述订单标识查询预定订单的订单信息,基于订单信息确定预定时间、房型等级,作为预定信息。
可选的,所述升房请求还包括用户订单标识,所述依据所述房型等级确定房型升级等级,包括:
基于所述用户标识查询用户信息,依据所述用户信息确定用户等级;
依据所述用户等级和房型等级确定至少一个房型升级等级。
可选的,所述预测所述房型升级等级对应的交易数据,包括:
获取预定时间的预定数据和历史成交数据;
基于所述预定数据和历史成交数据,预测所述房型升级等级对应房型在预定时间的交易数据。
可选的,所述基于所述房型升级等级、预测的交易数据,分析所述用户的升房概率,包括:
基于所述订单信息确定酒店对象,获取所述酒店对象的升房规则;
基于所述升房规则、房型升级等级、预测的交易数据和用户等级,分析所述用户的升房概率。
可选的,所述基于所述升房规则、房型升级等级、预测的交易数据和用户信息,分析所述用户的升房概率,包括:
基于所述升房规则确定升房数量,并基于所述升房规则和用户等级确定升房优先级;
将所述升房数量、升房优先级、房型升级等级和预测的交易数据输入到预测模型中,输出对应的升房概率。
可选的,所述依据所述升房概率确定升房结果,包括:
判断所述升房概率是否满足升房条件;
若所述升房概率满足升房条件,确定升级的房型等级并生成升房成功的升房结果;
若所述升房概率不满足升房条件,生成升房失败的升房结果。
可选的,还包括:
依据所述升级的房间等级更新所述酒店对象的升房数量。
可选的,还包括:
依据所述升级的房间等级锁定对应房型的库存,并更新所述用户的预定订单;
释放原始预定的房型等级的库存。
可选的,还包括以下至少一种提供升房入口的步骤:
在房间预定成功后,基于预定房间的房型等级和用户等级确定满足升房规则时,在预定结果页面中添加升房入口;
基于订单查看请求确定所述订单的订单信息满足升房规则,在订单页面中添加升房入口。
可选的,所述基于订单查看请求确定所述订单的订单信息满足升房规则,在订单页面中添加升房入口,包括:
接收订单查看请求,所述订单查看请求包括订单标识;
依据所述订单标识获取预定订单的订单信息;
依据所述订单信息确定满足升房规则时,在订单页面中添加升房入口;
反馈所述订单页面的页面数据。
本申请实施例还公开了一种房型升级方法,所述方法包括:
提供订单关联页面,所述订单关联页面包括:升房入口;
响应于对所述升房入口的触发,生成升房请求,所述升房请求包括订单标识;
发送所述升房请求,以依据所述升房请求确定升房概率得到升房结果,所述升房概率基于对所述房型升房等级、预测的交易数据的分析确定,所述预测的交易数据预测得到,所述房型升房等级依据所述房型等级确定;
接收升房结果并展示。
可选的,还包括:
显示预定结果页面,所述预定结果页面包括升房入口;或,
显示订单页面,所述订单页面包括升房入口。
本申请实施例还公开了一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;所述存储器存储计算机执行指令;所述处理器执行所述存储器存储的计算机执行指令,以实现如本申请实施例所述的方法。
本申请实施例还公开了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如本申请实施例所述的方法。
与现有技术相比,本申请实施例包括以下优点:
本申请实施例中,提供升房服务给用户,对应可接收用户的升房请求,所述升房请求包括用户标识,然后依据所述用户标识查询对应用户的预定信息,所述预定信息包括房型等级,从而基于预定信息执行升级处理,可依据所述房型等级确定房型升级等级,预测所述房型升级等级对应的交易数据,从而能够预测该酒店房型的交易情况,给升级提供数据基础,提高升房分析的准确性,之后基于所述房型升级等级、预测的交易数据,分析所述用户的升房结果并反馈,能够预测交易情况并据此分析升房结果,可以提高升房的准确性,给用户提供便捷。
附图说明
图1是本申请的一种房型升级方法实施例的步骤流程图;
图2是本申请的一种房型升级方法可选实施例的步骤流程图;
图3是本申请实施例的一种房型升级方法示例的交互示意图;
图4是本申请实施例的一种订单结果页面示例的示意图;
图5是申请实施例的一种订单页面示例的示意图;
图6是本申请的另一种房型升级方法实施例的步骤流程图;
图7是本申请的另一种房型升级方法可选实施例的步骤流程图;
图8是本申请的另一种房型升级方法可选实施例的步骤流程图;
图9本申请一个实施例提供的示例性装置的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
本申请实施例可以应用于针对酒店的预定场景中,其中,酒店指的是提供住宿服务的商业机构,其中,酒店也可称为宾馆、旅馆、旅店、旅社、商旅、客店、客栈等。
本申请实施例可以为在酒店预定房间的用户提供房间的升级服务,使得满足升级条件的用户在有需要时客户实现升级。其中,房间的升级是升级房间的房型等级,酒店的房间一般有多个房型等级,例如大床房、商务大床房、双床房、商务双床房、套房、高级套房等。
参照图1,示出了本申请的一种房型升级方法实施例的步骤流程图。
步骤102,接收升房请求,所述升房请求包括订单标识。
用户在酒店的网站、应用程序(Application,APP)、其他旅游应用程序等提供酒店预订服务的应用程序中预订目标酒店的房间。该目标酒店提供升房服务,可以在预定的网站页面、应用程序页面中提供升房入口,从而能够给有需要的用户提供升房服务。用户触发升房入口可以生成升房请求。
在接收到用户的升房请求后,确定该用户有升房需求,可以从升房请求中获取订单标识,基于订单标识确定需要升级的房型,还可确定用户以便确定该用户是否能够升级房间的房型等级。
步骤104,依据所述订单标识查询对应用户的预定信息,所述预定信息包括房型等级。
基于该订单标识可以查询到该用户的订单信息,进而确定该用户的预定信息,该预定信息中包含预定房间的房型等级。
其中,所述依据所述订单标识查询对应用户的预定信息,包括:依据所述订单标识查询预定订单的订单信息,基于订单信息确定预定时间、房型等级、用户标识,作为预定信息。可以基于该订单标识查询需要升级房间的订单的订单信息,从该订单信息中获取预定时间、预定房间的房型等级等信息,作为预定信息。其中,预定时间指的是预定房间的入住时间和退房时间。
步骤106,依据所述房型等级确定房型升级等级,预测所述房型升级等级对应的交易数据。
基于该房型等级可以确定该用户所能够升级的房型升级等级,例如默认可以升一级,或升两级等。在一些实施例中,用户所能够升级的等级也与用户的等级相关,因此可基于所述用户标识查询用户信息,依据所述用户信息确定用户等级,依据用户等级和房型等级确定至少一个房型升级等级。在升房请求中还包括用户标识,或者可基于订单信息确定预定该房间的用户的用户标识。基于该用户标识查询用户信息,该用户信息包括用户名称、用户等级等基本信息。基于用户等级匹配该酒店的升级策略,基于该升级策略确定该用户对应可以升级的数量,进而基于该数量和房型等级确定至少一个房型升级等级。
由于用户预定房间到实际入住之前,一般存在一定的时间间隔,而在这个时间间隔内房间可能会被其他用户预定,也可能有用户取消预定的房间。因此在升级房间时也需要考虑所升级的房型升级等级对应的房间是否可能被预定,例如在一些假日或周边互动等特殊情况下,房间预定较多,一般会优先销售而非升级,如果分析不准确就导致升级失败,影响用户体验。因此,本申请实施例中还可预测用户预定房间的预定时间内所述房型升级等级对应的交易数据,进而判断是否能够升级房间。其中,交易数据的预测可结合历史数据等分析。
一个可选实施例中,所述预测所述房型升级等级对应的交易数据,包括:获取预定时间内的预定数据和历史成交数据;基于所述预定数据和历史成交数据,预测所述房型升级等级对应房型在预定时间的交易数据。可以将预定房间的入住日期和退房时间之间的时间段作为预定时间,确定截止到目前为止,在预定时间内的预定数据,即预定在预定时间的房间的数据,还可获取历史成交数据,该历史成交数据指的是历史完成交易的数据,即预定方便并顺利入住的数据,如果预定后取消,没有实际入住,则不是成交数据。如历史同期的交易成功的数据,或者最近一个月、一周、三个月等时间段内的交易成功的数据等,然后可以将所述预定数据和历史成交数据输入到相应的预测模型中,预测所述房型升级等级对应房型在预定时间的交易数据,本申请实施例中该预测模型可预测酒店所有房型的交易数据,也可预定指定房型的交易数据。该交易数据可以为房间预定的数量,满房的比例等。交易数据的预测模型(或称第一预测模型)可采用回归模型、决策树、神经网络模型等构建和训练,本申请实施例对此不做限制。
步骤108,基于所述房型升级等级、预测的交易数据,确定升房结果。分析所述用户的升房概率。
在确定出房型升级等级和预测的交易数据后,可以分析用户针对房间升级的升房结果,例如分析该用户升级房间的升房概率,各种可升级房型的升房分值等。其中,用户升级房间成功与升级的房型等级、交易数据以及酒店的升房规则等相关。其中,升房规则是酒店的房间升级规则,其中包括各种会员等级的用户能够升级的房间等级、房型以及开放的升级数量等。一个可选实施例中,所述基于房型升级等级、预测的交易数据,确定升房结果包括:基于房型升级等级、预测的交易数据,分析所述用户的升房概率;基于所述升房概率确定升房结果。又如,可以针对可升级的各房型等级进行打分,确定升级到该房型等级对应的升房分值。升房分值为房间升级到指定房型的分数值。
例如,金卡会员可升级一个等级,或者升级到某一指定房型,每年可升级1次。铂金卡会员可升级两个等级,或者升级到某写指定房型,每年可升级2次等。又如酒店升级规则中规定开放房间升级数量等。因此,一个可选实施例中,所述基于所述房型升级等级、预测的交易数据,分析所述用户的升房概率,包括:基于所述订单信息确定酒店对象,获取所述酒店对象的升房规则;基于所述升房规则、房型升级等级、预测的交易数据和用户等级,分析所述用户的升房概率。可以基于订单信息确定用户所预定的酒店即酒店对象,然后获取该酒店对象的升级规则,基于所述升房规则、房型升级等级、预测的交易数据和用户等级,分析所述用户的升房概率。其中,升房概率用于确定房间升级成功的概率。
一个可选实施例中,所述基于所述升房规则、房型升级等级、预测的交易数据和用户信息,分析所述用户的升房概率,包括:基于所述升房规则确定升房数量,并基于所述升房规则和用户等级确定升房优先级;将所述升房数量、升房优先级、房型升级等级和预测的交易数据输入到预测模型中,输出对应的升房概率。基于所述升房规则确定升房数量,该升房数量可为该酒店剩余的升房数量,或者该用户能够升房的次数等。基于所述升房规则和用户等级确定升房优先级,其中,用户等级越高,升房的优先级越高。
本申请实施例中,可预先训练用于预测升房概率的预测模型(或称第二预测模型),该预测模型可基于随机森林、贝叶斯模型、线性回归、支持向量机、神经网络等模型构建,基于历史的升级相关的数据,如升房数量、升房优先级、房型升级等级和交易数据和升房结果等训练,得到预测模型。相应,可以将升房数量、升房优先级、房型升级等级和预测的交易数据输入到预测模型中,通过预测模型进行处理,预测升级到各房型升级等级的升房概率。
基于该概率可以确定升房结果,然后反馈升房结果给用户,通知其升房的结果。其中,所述依据所述升房概率确定升房结果,包括:判断所述升房概率是否满足升房条件;若所述升房概率满足升房条件,确定升级的房间等级并生成升房成功的升房结果;若所述升房概率不满足升房条件,生成升房失败的升房结果。
其中,升房条件为用于判断升房是否成功的条件,例如升房条件为升房概率大于升房概率阈值等,相应可以判断升房概率是否大于升房概率阈值,若是,则升房概率满足升房条件,否则升房概率不满足升房条件。其中,升房概率阈值、升房条件可动态调整,例如在模型初始上线时设置升房概率阈值为100%,随着时间的推移,数据的增多,将升房概率阈值调整为90%等。在升房概率满足升房条件时,确定升级的房型等级,还可生成升房成功的升房结果。在升房概率不满足升房条件时,生成升房失败的升房结果。又如,升房条件为升房分值大于升房分数阈值等,相应可以判断升房分值是否大于升房分数阈值,若是,则升房分值满足升房条件,若各升房分值均不满足升房分数阈值,则升房分值不满足升房条件。若有多个升房分值满足升房条件,可以选择等级最高的房型等级座位升房等级,其中,升房分数阈值、升房条件也可动态调整。
本申请实施例中,若升级的房型等级存在空房,则可以计算升房概率、升房分值等来分析升房结果,若不存在空房则可确定升房失败的升房结果。但是,升房服务是酒店对象提供的增值服务,即使升级的房型等级存在空房也不必然能够升级,这与用户的会员等级、酒店对象的升级规则、酒店的房间预定情况等相关。例如,用户等级越高,升级成功的可能也就越高。
步骤110,反馈所述升房结果。
本申请实施例中,还可将升级的房型等级发送给用户,用户在页面中确认是否升级该房型等级,并反馈确定结果。基于该确认结果生成升房结果。在一些示例中,也可默认为自动确认,则可将该房型等级添加到升房结果中。
在确定出房型等级之后,可以将对应房型等级的库存锁定,如将对应房型等级的库存-n,n为升级房间的数量。在库存锁定之后,可以更新用户的预定订单,将预定订单中预定信息的房间类型修改为升级后的房间类型。并且释放用户之前房型等级对应房型的库存。
本申请实施例可以酒店的APP和网站,也可应用于提供旅行、住宿等服务的平台APP和网站。其中,若是平台APP和网站,则可以和对应酒店对象的数据库或管理系统连通,实时获取酒店对象的各门店的整体交易数据。当用户在平台申请升房预约服务时,升房引擎基于该门店实交易数据和历史交易数据进行房态预测,并结合该门店的升房规则,实时计算用户升房成功的概率。当用户升房成功概率达到升房阈值,如100%时,系统将升房结果通过直连接口实时反馈给集团系统进行升房锁定,用户到店即可享受升房权益。
综上,提供升房服务给用户,对应可接收用户的升房请求,所述升房请求包括用户标识,然后依据所述用户标识查询对应用户的预定信息,所述预定信息包括房型等级,从而基于预定信息执行升级处理,可依据所述房型等级确定房型升级等级,预测所述房型升级等级对应的交易数据,从而能够预测该酒店房型的交易情况,给升级提供数据基础,提高升房分析的准确性,之后基于所述房型升级等级、预测的交易数据,确定升房结果,反馈所述升房结果,基于自动预测的升房概率进行升房,提高升房的准确性,给用户提供便捷。
在上述实施例的基础上,本申请实施例还能够结合用户信息、酒店的升房规则等进行执行升房处理,给用户提供便捷的服务。
参照图2,示出了本申请的另一种房型升级方法实施例的步骤流程图。
步骤202,接收升房请求,所述升房请求包括用户标识。
在页面中提供升房入口,用户可基于升房入口触发升房请求,以申请升级房间的房型等级。
步骤204,依据所述用户标识确定用户信息,所述用户信息包括:用户等级和订单信息。
步骤206,依据所述订单信息查询预定订单对应的预定信息,所述预定信息还包括预定时间。
从该升房请求中获取标识,基于该用户标识查询用户信息,包括用户等级,以及订单信息。从订单信息中获取预定订单的预定信息,包括预定时间、房型等级等。
步骤208,依据所述用户等级和房型等级确定至少一个房型升级等级。
基于该用户等级和房型等级可以确定该用户能够升级的等级,确定至少一个房型升级等级,例如,用户预定房间的房型等级为x,基于用户等级确定可以升级1级,则房型升级等级Y=x+1,又如可以升级两个等级,则房型升级等级Y=x+1或Y=x+2。
步骤210,获取预定时间内的预定数据和历史成交数据。
步骤212,基于所述预定数据和历史成交数据,预测所述房型升级等级对应房型在预定时间的交易数据。
可以获取当前在预定时间的预定数据,即在预定时间入住、住宿该酒店的房间的预定数据。历史成交数据指的是历史数据中交易成功的数据。基于该预定数据和历史成交数据预测在预定时间的交易数据。
步骤214,基于所述订单信息确定酒店对象,获取所述酒店对象的升房规则。
步骤216,基于所述升房规则确定升房数量,并基于所述升房规则和用户等级确定升房优先级。
步骤218,将所述升房数量、升房优先级、房型升级等级和预测的交易数据输入到预测模型中,输出对应的升房概率。
基于所述订单信息确定酒店对象,获取所述酒店对象的升房规则,基于该升房规则确定该酒店对象目前剩余的升房数量,即可以升级的房间数量。并且基于升房规则和用户等级确定升房优先级,然后可以将升房数量、升房优先级、房型升级等级和预测的交易数据输入到预测模型中,输出对应的升房概率。
步骤220,判断所述升房概率是否满足升房条件;
若是,即所述升房概率满足升房条件,若否,即所述升房概率不满足升房条件。
步骤220,确定升级的房型等级。
若升房概率满足升房条件,确定升级的房型等级。
步骤222,生成升房结果。
若升房概率满足升房条件,确定升级的房型等级,然后生成升房成功的升房结果。
若所述升房概率不满足升房条件,生成升房失败的升房结果。
步骤224,依据所述升级的房间等级锁定对应房型等级的库存,并更新所述用户的预定订单。
步骤226,释放原始预定的房型等级的库存。
将升级的房间等级锁定对应房型的库存,然后更新该用户的预定订单的订单信息,并且释放预定订单之前所预定的房型的库存,从而完成该用户房间的升级。
综上,能够在接收到用户的升房请求之后,自动匹配订单对应的房型升级等级,可以预测预定时间的交易数据,并结合酒店对象的升房规则,确定用户的升房概率,从而得到相应的升房结果,从而提供升房服务给用户,提高用户升房的便捷性,提高用户体验。
在上述实施例的基础上,本申请实施例还提供了一种房型升级方法,用户在网站或APP页面预定房间后,可给用户提供升房入口,能够给用户升房提供便利。
参照图3,示出了本申请实施例的一种房型升级方法交互示意图。
步骤302,服务端提供订单关联页面给客户端。
本申请实施例中,订单关联页面为与订单相关的页面,如订单页面、预定结果页面等,显示订单信息或订单结果的页面。
一些可选实施例中,在房间预定成功后,基于预定房间的房型等级和用户等级确定满足升房规则时,在预定结果中添加升房入口。其中,用户预定房间,在选择房间生成预定订单后,会进行支付,有些选择信用支付则直接显示预定结果页面或订单页面。如果需要用户支付则在支付完成后反馈预定结果页面。在支付成功后,可以检测该用户的用户等级,并获取预定房间的房型等级。基于用户等级确定用户是否具有升房的资格,如与升房规则匹配确定该用户能够使用升房服务。还可基于房型等级确定该房型是否能够升级,例如已经是最高等级的房型,则不能再升级。或者房型为能够升级的最高等级,则也不能再升级。相应,在用户能够使用升房服务且房型等级也能够提升的情况下,在预定结果页面中添加升房入口,反馈添加升房入口的预定结果页面的页面数据给客户端。客户端解析页面显示预定结果页面,如图4所示。
另外一些实施例中,用户完成房间的预定后,可以查看订单信息,触发订单查看入口可以发送订单查看请求,该订单查看请求包括订单标识。响应于对订单入口的触发,客户端生成并发送订单查看请求,所述订单查看请求包括订单标识。服务端依据所述订单标识获取预定订单的订单信息。服务端依据所述订单信息确定满足升房规则时,在订单页面中添加升房入口。服务端反馈所述订单页面的页面数据。客户端解析所述页面数据,显示订单页面。其中,服务端依据该订单标识查看订单信息和用户信息,基于订单信息确定房型等级,基于用户信息确定用户等级。基于用户等级确定用户是否具有升房的资格,如与升房规则匹配确定该用户能够使用升房服务。还可基于房型等级确定该房型是否能够升级,例如已经是最高等级的房型,则不能再升级。或者房型为能够升级的最高等级,则也不能再升级。相应,在用户能够使用升房服务且房型等级也能够提升的情况下,在订单页面中添加升房入口,反馈添加升房入口的订单页面的页面数据给客户端。客户端解析页面数据显示订单页面,如图5所示。
从而在订单关联页面中显示有升房入口,可以提供升房服务给用户。
步骤304,响应于对所述升房入口的触发,客户端生成升房请求。
用户想要升级房型时,可以触发升房入口,响应于对所述升房入口的触发,客户端获取该订单的订单标识,将订单标识添加到升房请求中。还可获取用户标识添加到升房请求中。
步骤306,客户端发送所述升房请求。
步骤308,服务端依据所述订单标识查询对应用户的预定信息。
服务端依据所述订单标识查询预定订单的订单信息,基于订单信息确定预定时间、房型等级,作为预定信息。其中,若升房请求中没有用户标识,也可基于订单信息获取用户标识。
步骤310,服务端依据所述房型等级确定房型升级等级。
服务端基于所述用户标识查询用户信息,依据所述用户信息确定用户等级,依据所述用户等级和房型等级确定至少一个房型升级等级。
步骤312,服务端预测所述房型升级等级对应的交易数据。
服务端获取预定时间的预定数据和历史成交数据;基于所述预定数据和历史成交数据,预测所述房型升级等级对应房型在预定时间的交易数据。
步骤314,服务端基于所述房型升级等级、预测的交易数据,分析所述用户的升房概率。
服务端基于所述订单信息确定酒店对象,获取所述酒店对象的升房规则;基于所述升房规则、房型升级等级、预测的交易数据和用户等级,分析所述用户的升房概率。
所述基于所述升房规则、房型升级等级、预测的交易数据和用户信息,分析所述用户的升房概率,包括:基于所述升房规则确定升房数量,并基于所述升房规则和用户等级确定升房优先级;将所述升房数量、升房优先级、房型升级等级和预测的交易数据输入到预测模型中,输出对应的升房概率。
步骤316,服务端依据所述升房概率确定升房结果。
服务端判断所述升房概率是否满足升房条件;若所述升房概率满足升房条件,确定升级的房型等级并生成升房成功的升房结果;若所述升房概率不满足升房条件,生成升房失败的升房结果。
其中,依据所述升级的房间等级更新所述酒店对象的升房数量。依据所述升级的房间等级确定已经升级的房间数量,基于已经升级的房间数量更新酒店对象的升房数量。
依据所述升级的房间等级锁定对应房型的库存,并更新所述用户的预定订单;释放原始预定的房型等级的库存。
步骤318,服务端反馈升房结果给客户端。
步骤320,客户端显示升房结果。
服务端将升房成功或失败的升房结果反馈给客户端,从而用户可通过客户端查看升房结果,无需到店再确定能否升级。
综上,能够在页面中提供升房入口,从而用户能够直观的了解预定的房间是否能够升级,充分享受酒店提供的服务和权益。在用户确定升级的情况下,基于升房入口的触发生成升房请求,服务端基于升房请求自动检测升房概率,确定升房结果,给用户提供便捷的服务。
在上述实施例的基础上,本申请实施例提供了一种房型升级方法,如图6所示:
步骤602,提供订单关联页面,所述订单关联页面包括:升房入口。
步骤604,响应于对所述升房入口的触发,生成升房请求,所述升房请求包括订单标识。
步骤606,发送所述升房请求,以依据所述升房请求确定升房概率得到升房结果,所述升房概率基于对所述房型升房等级、预测的交易数据的分析确定,所述预测的交易数据预测得到,所述房型升房等级依据所述房型等级确定。
步骤608,接收升房结果并展示。
在上述实施例的基础上,本申请实施例提供了一种房型升级方法,如图7所示:
步骤702,显示预定结果页面,所述预定结果页面包括升房入口;
步骤704,响应于对所述升房入口的触发,生成升房请求,所述升房请求包括订单标识。
步骤706,发送所述升房请求,以依据所述升房请求确定升房概率得到升房结果,所述升房概率基于对所述房型升房等级、预测的交易数据的分析确定,所述预测的交易数据预测得到,所述房型升房等级依据所述房型等级确定。
步骤708,接收升房结果并展示。
在上述实施例的基础上,本申请实施例提供了一种房型升级方法,如图8所示:
步骤802,显示目标页面,所述目标页面包括:订单查看入口。
步骤804,响应于对所述订单查看入口的触发,生成订单查看请求,所述订单查看请求包括订单标识。
步骤806,发送订单查看请求。
步骤808,接收页面数据。
步骤810,解析页面数据并显示订单页面,所述订单页面包括:升房入口。
步骤812,响应于对所述升房入口的触发,生成升房请求,所述升房请求包括订单标识。
步骤814,发送所述升房请求,以依据所述升房请求确定升房概率得到升房结果,所述升房概率基于对所述房型升房等级、预测的交易数据的分析确定,所述预测的交易数据预测得到,所述房型升房等级依据所述房型等级确定。
步骤816,接收升房结果并展示。
从而能够通过页面方便的使用升级服务,无需再电话沟通或到店才能确认。基于酒店房源信息实时计算升房成功的概率,能够显著提升升房确定性和降低人工投入成本,最终提升会员侧权益满意度。
需要说明的是,本申请实施例中可能会涉及到对用户数据的使用,在实际应用中,可以在符合所在国的适用法律法规要求的情况下(例如,用户明确同意,对用户切实通知,等),在适用法律法规允许的范围内在本文描述的方案中使用用户特定的个人数据。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请实施例并不受所描述的动作顺序的限制,因为依据本申请实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本申请实施例所必须的。
在上述实施例的基础上,本实施例还提供了一种房型升级装置,应用于服务端设备等电子设备中,所述装置包括:
请求接收模块,用于接收升房请求,所述升房请求包括订单标识;
预定查询模块,用于依据所述订单标识查询对应用户的预定信息,所述预定信息包括房型等级;
交易预测模块,用于依据所述房型等级确定房型升级等级,预测所述房型升级等级对应的交易数据;
结果分析模块,用于基于所述房型升级等级、预测的交易数据,确定升房结果;
结果确定模块,用于反馈所述升房结果。
综上,提供升房服务给用户,对应可接收用户的升房请求,所述升房请求包括用户标识,然后依据所述用户标识查询对应用户的预定信息,所述预定信息包括房型等级,从而基于预定信息执行升级处理,可依据所述房型等级确定房型升级等级,预测所述房型升级等级对应的交易数据,从而能够预测该酒店房型的交易情况,给升级提供数据基础,提高升房分析的准确性,之后基于所述房型升级等级、预测的交易数据,确定升房结果并反馈,从而能够预测交易情况并自动分析升房结果,提高升房的准确性,给用户提供便捷。
所述预定查询模块,用于依据所述订单标识查询预定订单的订单信息,基于订单信息确定预定时间、房型等级,作为预定信息。
所述升房请求还包括用户订单标识,所述交易预测模块,用于基于所述用户标识查询用户信息,依据所述用户信息确定用户等级;依据所述用户等级和房型等级确定至少一个房型升级等级。
所述交易预测模块,用于获取预定时间的预定数据和历史成交数据;基于所述预定数据和历史成交数据,预测所述房型升级等级对应房型在预定时间的交易数据。
所述结果分析模块,包括概率分析子模块,用于基于所述房型升级等级、预测的交易数据,分析所述用户的升房概率;结果分析子模块,用于基于所述升房概率确定升房结果。
所述概率分析子模块,用于基于所述订单信息确定酒店对象,获取所述酒店对象的升房规则;基于所述升房规则、房型升级等级、预测的交易数据和用户等级,分析所述用户的升房概率。
所述概率分析子模块,用于基于所述升房规则确定升房数量,并基于所述升房规则和用户等级确定升房优先级;将所述升房数量、升房优先级、房型升级等级和预测的交易数据输入到预测模型中,输出对应的升房概率。
所述结果分析子模块,用于判断所述升房概率是否满足升房条件;若所述升房概率满足升房条件,确定升级的房型等级并生成升房成功的升房结果;若所述升房概率不满足升房条件,生成升房失败的升房结果。
还包括:升房更新模块,用于依据所述升级的房间等级更新所述酒店对象的升房数量。
酒店更新模块,用于依据所述升级的房间等级锁定对应房型的库存,并更新所述用户的预定订单;释放原始预定的房型等级的库存。
入口提供模块,用于在房间预定成功后,基于预定房间的房型等级和用户等级确定满足升房规则时,在预定结果页面中添加升房入口;基于订单查看请求确定所述订单的订单信息满足升房规则,在订单页面中添加升房入口。
所述入口提供模块,用于接收订单查看请求,所述订单查看请求包括订单标识;依据所述订单标识获取预定订单的订单信息;依据所述订单信息确定满足升房规则时,在订单页面中添加升房入口;反馈所述订单页面的页面数据。
在上述实施例的基础上,本实施例还提供了一种房型升级装置,应用于客户端设备等电子设备中,所述装置包括:
页面提供模块,用于提供订单关联页面,所述订单关联页面包括:升房入口;
入口触发模块,用于响应于对所述升房入口的触发,生成升房请求,所述升房请求包括订单标识;
请求发送模块,用于发送所述升房请求,以依据所述升房请求确定升房概率得到升房结果,所述升房概率基于对所述房型升房等级、预测的交易数据的分析确定,所述预测的交易数据预测得到,所述房型升房等级依据所述房型等级确定;
结果展示模块,用于接收升房结果并展示。
所述页面提供模块,还用于显示预定结果页面,所述预定结果页面包括升房入口;或,显示订单页面,所述订单页面包括升房入口。
本申请实施例能够在接收到用户的升房请求之后,自动匹配订单对应的房型升级等级,可以预测预定时间的交易数据,并结合酒店对象的升房规则,确定用户的升房概率,从而得到相应的升房结果,从而提供升房服务给用户,提高用户升房的便捷性,提高用户体验。
能够在页面中提供升房入口,从而用户能够直观的了解预定的房间是否能够升级,充分享受酒店提供的服务和权益。在用户确定升级的情况下,基于升房入口的触发生成升房请求,服务端基于升房请求自动检测升房概率,确定升房结果,给用户提供便捷的服务。
本申请实施例还提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模块(programs),该一个或多个模块被应用在设备时,可以使得该设备执行本申请实施例中各方法步骤的指令(instructions)。
本申请实施例还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中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如本申请实施例所述的方法。
本申请实施例还提供了一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;所述存储器存储计算机执行指令;所述处理器执行所述存储器存储的计算机执行指令,以实现如本申请实施例所述的方法。本申请实施例中,所述电子设备包括服务器、终端设备等设备。
本公开的实施例可被实现为使用任意适当的硬件,固件,软件,或及其任意组合进行想要的配置的装置,该装置可包括服务器(集群)、终端等电子设备。图9示意性地示出了可被用于实现本申请中所述的各个实施例的示例性装置900。
对于一个实施例,图9示出了示例性装置900,该装置具有一个或多个处理器902、被耦合到(一个或多个)处理器902中的至少一个的控制模块(芯片组)904、被耦合到控制模块904的存储器906、被耦合到控制模块904的非易失性存储器(NVM)/存储设备908、被耦合到控制模块904的一个或多个输入/输出设备910,以及被耦合到控制模块904的网络接口912。
处理器902可包括一个或多个单核或多核处理器,处理器902可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中,装置900能够作为本申请实施例中所述服务端、终端等设备。
在一些实施例中,装置900可包括具有指令914的一个或多个计算机可读介质(例如,存储器906或NVM/存储设备908)以及与该一个或多个计算机可读介质相合并被配置为执行指令914以实现模块从而执行本公开中所述的动作的一个或多个处理器902。
对于一个实施例,控制模块904可包括任意适当的接口控制器,以向(一个或多个)处理器902中的至少一个和/或与控制模块904通信的任意适当的设备或组件提供任意适当的接口。
控制模块904可包括存储器控制器模块,以向存储器906提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
存储器906可被用于例如为装置900加载和存储数据和/或指令914。对于一个实施例,存储器906可包括任意适当的易失性存储器,例如,适当的DRAM。在一些实施例中,存储器906可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例,控制模块904可包括一个或多个输入/输出控制器,以向NVM/存储设备908及(一个或多个)输入/输出设备910提供接口。
例如,NVM/存储设备908可被用于存储数据和/或指令914。NVM/存储设备908可包括任意适当的非易失性存储器(例如,闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如,一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备908可包括作为装置900被安装在其上的设备的一部分的存储资源,或者其可被该设备访问可不必作为该设备的一部分。例如,NVM/存储设备908可通过网络经由(一个或多个)输入/输出设备910进行访问。
(一个或多个)输入/输出设备910可为装置900提供接口以与任意其他适当的设备通信,输入/输出设备910可以包括通信组件、音频组件、传感器组件等。网络接口912可为装置900提供接口以通过一个或多个网络通信,装置900可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信,例如接入基于通信标准的无线网络,如蓝牙、WiFi、2G、3G、4G、5G等,或它们的组合进行无线通信。
对于一个实施例,(一个或多个)处理器902中的至少一个可与控制模块904的一个或多个控制器(例如,存储器控制器模块)的逻辑封装在一起。对于一个实施例,(一个或多个)处理器902中的至少一个可与控制模块904的一个或多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例,(一个或多个)处理器902中的至少一个可与控制模块904的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例,(一个或多个)处理器902中的至少一个可与控制模块904的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。
在各个实施例中,装置900可以但不限于是:服务器、台式计算设备或移动计算设备(例如,膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中,装置900可具有更多或更少的组件和/或不同的架构。例如,在一些实施例中,装置900包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
其中,检测装置中可采用主控芯片作为处理器或控制模块,传感器数据、位置信息等存储到存储器或NVM/存储设备中,传感器组可作为输入/输出设备,通信接口可包括网络接口。
本申请实施例还提供了一种电子设备,包括:处理器;和存储器,其上存储有可执行代码,当所述可执行代码被执行时,使得所述处理器执行如本申请实施例中一个或多个所述的方法。本申请实施例中存储器中可存储各种数据,如目标文件、文件与应用关联数据等各种数据,还可包括用户行为数据等,从而为各种处理提供数据基础。
本申请实施例还提供了一个或多个机器可读介质,其上存储有可执行代码,当所述可执行代码被执行时,使得处理器执行如本申请实施例中一个或多个所述的方法。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种房型升级处理方法、一种电子设备和一种存储介质,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (14)
1.一种房型升级方法,其特征在于,所述方法包括:
接收升房请求,所述升房请求包括订单标识;
依据所述订单标识查询对应用户的预定信息,所述预定信息包括房型等级;
依据所述房型等级确定房型升级等级,预测所述房型升级等级对应的交易数据;
基于所述房型升级等级、预测的交易数据,确定升房结果;
反馈所述升房结果。
2.根据权利要求1所述的方法,其特征在于,所述依据所述订单标识查询对应用户的预定信息,包括:
依据所述订单标识查询预定订单的订单信息,基于订单信息确定预定时间、房型等级,作为预定信息。
3.根据权利要求2所述的方法,其特征在于,所述升房请求还包括用户订单标识,所述依据所述房型等级确定房型升级等级,包括:
基于所述用户标识查询用户信息,依据所述用户信息确定用户等级;
依据所述用户等级和房型等级确定至少一个房型升级等级。
4.根据权利要求2所述的方法,其特征在于,所述预测所述房型升级等级对应的交易数据,包括:
获取预定时间的预定数据和历史成交数据;
基于所述预定数据和历史成交数据,预测所述房型升级等级对应房型在预定时间的交易数据。
5.根据权利要求3所述的方法,其特征在于,基于所述房型升级等级、预测的交易数据,确定升房结果,包括:
基于所述房型升级等级、预测的交易数据,分析升房概率;
基于升房概率确定升房结果。
6.根据权利要求5所述的方法,其特征在于,所述基于所述房型升级等级、预测的交易数据,分析所述用户的升房概率,包括:
基于所述订单信息确定酒店对象,获取所述酒店对象的升房规则;
基于所述升房规则、房型升级等级、预测的交易数据和用户等级,分析所述用户的升房概率。
7.根据权利要求6所述的方法,其特征在于,所述基于所述升房规则、房型升级等级、预测的交易数据和用户信息,分析所述用户的升房概率,包括:
基于所述升房规则确定升房数量,并基于所述升房规则和用户等级确定升房优先级;
将所述升房数量、升房优先级、房型升级等级和预测的交易数据输入到预测模型中,输出对应的升房概率。
8.根据权利要求1所述的方法,其特征在于,所述依据所述升房概率确定升房结果,包括:
判断所述升房概率是否满足升房条件;
若所述升房概率满足升房条件,确定升级的房型等级并生成升房成功的升房结果;
若所述升房概率不满足升房条件,生成升房失败的升房结果。
9.根据权利要求8所述的方法,其特征在于,还包括:
依据所述升级的房间等级锁定对应房型的库存,并更新所述用户的预定订单;
释放原始预定的房型等级的库存。
10.根据权利要求1所述的方法,其特征在于,还包括以下至少一种提供升房入口的步骤:
在房间预定成功后,基于预定房间的房型等级和用户等级确定满足升房规则时,在预定结果页面中添加升房入口;
基于订单查看请求确定所述订单的订单信息满足升房规则,在订单页面中添加升房入口。
11.一种房型升级方法,其特征在于,所述方法包括:
提供订单关联页面,所述订单关联页面包括:升房入口;
响应于对所述升房入口的触发,生成升房请求,所述升房请求包括订单标识;
发送所述升房请求,以依据所述升房请求确定升房概率得到升房结果,所述升房概率基于对所述房型升房等级、预测的交易数据的分析确定,所述预测的交易数据预测得到,所述房型升房等级依据所述房型等级确定;
接收升房结果并展示。
12.根据权利要求11所述的方法,其特征在于,还包括:
显示预定结果页面,所述预定结果页面包括升房入口;或,
显示订单页面,所述订单页面包括升房入口。
13.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1-12中任一项所述的方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-12中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310606851.XA CN116402587B (zh) | 2023-05-26 | 2023-05-26 | 一种房型升级方法、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310606851.XA CN116402587B (zh) | 2023-05-26 | 2023-05-26 | 一种房型升级方法、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116402587A true CN116402587A (zh) | 2023-07-07 |
CN116402587B CN116402587B (zh) | 2023-09-26 |
Family
ID=87007876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310606851.XA Active CN116402587B (zh) | 2023-05-26 | 2023-05-26 | 一种房型升级方法、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116402587B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140207499A1 (en) * | 2013-01-24 | 2014-07-24 | Room 77, Inc. | Check-in to a hotel room online |
CN107506877A (zh) * | 2017-09-30 | 2017-12-22 | 携程计算机技术(上海)有限公司 | Ota平台到店无房的预测方法及系统 |
US20190057464A1 (en) * | 2017-08-17 | 2019-02-21 | Direct Booking LLP | Systems and methods for constructing and indexing a rule based offer database |
CN113724039A (zh) * | 2021-08-03 | 2021-11-30 | 携程计算机技术(上海)有限公司 | Ota网站的酒店推荐方法、系统、设备及可读存储介质 |
CN114399409A (zh) * | 2022-01-20 | 2022-04-26 | 携程商旅信息服务(上海)有限公司 | 基于差旅用户的房间分配方法、系统、设备及存储介质 |
CN115169757A (zh) * | 2022-09-07 | 2022-10-11 | 中国民航信息网络股份有限公司 | 旅客升舱预测方法、旅客升舱预测模型获得方法及装置 |
-
2023
- 2023-05-26 CN CN202310606851.XA patent/CN116402587B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140207499A1 (en) * | 2013-01-24 | 2014-07-24 | Room 77, Inc. | Check-in to a hotel room online |
US20190057464A1 (en) * | 2017-08-17 | 2019-02-21 | Direct Booking LLP | Systems and methods for constructing and indexing a rule based offer database |
CN107506877A (zh) * | 2017-09-30 | 2017-12-22 | 携程计算机技术(上海)有限公司 | Ota平台到店无房的预测方法及系统 |
CN113724039A (zh) * | 2021-08-03 | 2021-11-30 | 携程计算机技术(上海)有限公司 | Ota网站的酒店推荐方法、系统、设备及可读存储介质 |
CN114399409A (zh) * | 2022-01-20 | 2022-04-26 | 携程商旅信息服务(上海)有限公司 | 基于差旅用户的房间分配方法、系统、设备及存储介质 |
CN115169757A (zh) * | 2022-09-07 | 2022-10-11 | 中国民航信息网络股份有限公司 | 旅客升舱预测方法、旅客升舱预测模型获得方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116402587B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230342686A1 (en) | Session-based transportation dispatch | |
US20200296053A1 (en) | Instant notification of load balance and resource scheduling based on resource capacities and event recognition | |
US11915195B2 (en) | Systems and methods for intelligent field matching and anomaly detection | |
US20190297450A1 (en) | Optimizing pickup locations for transportation requests based on context information | |
US10204374B1 (en) | Parallel fraud check | |
US10984498B2 (en) | Managing transportation deployment using customer activity | |
US10372804B2 (en) | Interactive audio validation/assistance system and methodologies | |
US10996943B2 (en) | Systems and methods for providing predictive quality analysis | |
US20130166357A1 (en) | Recommender engine | |
US20160364657A1 (en) | Managing user transportation needs without user intervention | |
CN108346095B (zh) | 联合系统的管控方法、装置、设备及计算机可读存储介质 | |
US11681964B2 (en) | System and method for optimizing design, workflows, performance, and configurations based on design elements | |
US20240171679A1 (en) | Systems and methods for generating customized customer service menu | |
US11997001B2 (en) | Enhanced network load allocation and variant selection for multivariate testing | |
CN116402587B (zh) | 一种房型升级方法、设备和介质 | |
US11822562B2 (en) | Unstructured text processing for geographical location determination system | |
CN109804349A (zh) | 用于减少下载要求的系统和方法 | |
US20200090194A1 (en) | Automated resource allocation based on predictive analysis | |
US11475214B1 (en) | Systems and methods for auto-completing fields on digital forms | |
US20170053354A1 (en) | Licensing manager | |
US20180189907A1 (en) | Systems, apparatus, and methods for managing stand-in attorney appearances | |
US20200265439A1 (en) | Predicting and resolving request holds | |
EP3002665B1 (en) | Communication device crawler | |
US20170255972A1 (en) | Enhancement to customer feedback systems | |
CN111752740B (zh) | 微服务异常补偿方法、装置、设备与计算机可读存储介质 |
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 |