CN117094486A - 送装工程师推荐方法、装置、电子设备及存储介质 - Google Patents
送装工程师推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117094486A CN117094486A CN202310602934.1A CN202310602934A CN117094486A CN 117094486 A CN117094486 A CN 117094486A CN 202310602934 A CN202310602934 A CN 202310602934A CN 117094486 A CN117094486 A CN 117094486A
- Authority
- CN
- China
- Prior art keywords
- engineer
- shipping
- engineers
- candidate
- delivery
- 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 60
- 238000011156 evaluation Methods 0.000 claims abstract description 145
- 239000011159 matrix material Substances 0.000 claims abstract description 78
- 230000006399 behavior Effects 0.000 claims description 76
- 238000004806 packaging method and process Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 abstract description 10
- 238000009434 installation Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052697 platinum Inorganic materials 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- 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
- G06Q30/0282—Rating or review of business operators or products
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的送装工程师推荐方法、装置、电子设备及存储介质,包括:获取用户等级和工程师初始推荐分值,以匹配备选工程师;构建行为特征矩阵,获取多维度加权评价值,以利用多维度评价加权值修正行为特征矩阵;修正后得到预期满意度;获取目标推荐分值,用于确定推荐工程师。本发明基于用户等级和送装工程师的初始推荐分值初步筛选备选工程师,然后根据各备选工程师针对所有送装商品的历史用户评价值构建行为特征矩阵,再通过各备选工程师的多维度评价值精细化修正得到预期满意度,最终基于预期满意度修正初始分值得到目标推荐分值以确定出推荐工程师,通过综合评估多维度数据,能有效提高推荐送装工程师与目标用户之间的适配性,提升用户体验。
Description
技术领域
本发明涉及物流配送领域,尤其涉及一种送装工程师推荐方法、装置、电子设备及存储介质。
背景技术
在物流配送过程中,网点管理员接收到不同订单后,需要根据每个订单相关的订单信息,主要包括不同的送装商品信息,来选择、安排合适的送装工程师为用户提供上门配送和安装服务。
目前主要通过订单信息中的位置、时间和技能方向等来匹配送装工程师,用于判断的数据维度较少,容易导致匹配到的送装工程师与用户之间的适配性较差,给用户带来不好体验。
因此,业界亟需一种新的送装工程师推荐方法,用于克服上述现有技术中所存在的缺陷。
发明内容
本发明提供一种送装工程师推荐方法、装置、电子设备及存储介质,用以解决现有技术中送装工程师与用户之间的适配性较差,给用户带来不好体验的缺陷。
第一方面,本发明提供一种送装工程师推荐方法,包括:
获取待处理订单相关的目标用户的用户等级和所有送装工程师的初始推荐分值,用以匹配到用于完成所述待处理订单的多名备选送装工程师;
根据所述待处理订单中所有送装商品的类别信息和各备选送装工程师的历史用户评价值,构建行为特征矩阵;所述行为特征矩阵包含各备选送装工程师完成各类别送装商品后的用户评价值;
获取各备选送装工程师的多维度加权评价值,以利用所述多维度评价加权值对所述行为特征矩阵进行修正;修正后的所述行为特征矩阵包含各备选送装工程师完成各类别送装商品的预期满意度;
基于各备选送装工程师的所述预期满意度,对各备选送装工程师的所述初始推荐分值进行修正,获取各备选送装工程师的送装所述待处理订单各类别的送装商品的目标推荐分值;
基于各备选送装工程师的送装所述待处理订单各类别的送装商品的目标推荐分值,确定推荐送装工程师。
根据本发明提供的一种送装工程师推荐方法,在获取待处理订单相关的目标用户的用户等级和所有送装工程师的初始推荐分值之前,还包括:
获取服务区域内各送装工程师的历史用户评价值;
将所述历史用户评价值的平均值,确定为各送装工程师的所述初始推荐分值;
获取所述目标用户的身份标识,以基于所述身份标识确定所述目标用户的用户标签,所述用户标签用于表征所述目标用户的用户等级。
根据本发明提供的一种送装工程师推荐方法,所述获取待处理订单相关的目标用户的用户等级和所有送装工程师的初始推荐分值,用以匹配到用于完成所述待处理订单的多名备选送装工程师,包括:
将所有送装工程师的初始推荐分值中的最大值和最小值作为区间的起始值,构建分值区间;
按照所述用户等级的等级数,将所述分值区间划分为多个分值子区间;
根据各备选送装工程师的初始推荐分值所属的分值子区间,将所有送装工程师划分为多个送装工程师小组;
根据所述用户等级,确定所述多个送装工程师小组中的目标送装工程师小组;
所述目标送装工程师小组中的送装工程师为所述备选送装工程师,所述用户等级的大小与分值子区间中的初始推荐分值的大小是相关的。
根据本发明提供的一种送装工程师推荐方法,所述行为特征矩阵中第m行第n列对应的特征数据为第m名备选送装工程师在送装第n种类别的送装商品后的用户评价值;或,所述行为特征矩阵中第m行第n列对应的特征数据为第n名备选送装工程师在送装第m种类别的送装商品后的用户评价值。
根据本发明提供的一种送装工程师推荐方法,针对任一备选送装工程师,所述获取各备选送装工程师的多维度加权评价值,包括:
将所述任一备选送装工程师的每一预设考核项的统计次数和所述任一备选送装工程师的历史送装总次数之间的比值,确定为所述任一备选送装工程师在一个维度下的评价百分比;
对所述任一备选送装工程师在每个维度下的评价百分比,以及每一维度的预设权重比进行加权求和处理,获取所述任一备选送装工程师的多维度加权评价值
根据本发明提供的一种送装工程师推荐方法,针对所述行为特征矩阵中的任一特征数据,所述利用所述多维度评价加权值对所述行为特征矩阵进行修正,包括:
获取所述任一特征数据,确定对应的目标备选送装工程师和送装商品的目标类别;
将所述任一特征数据与所述目标备选送装工程师的多维度加权评价值的累加值作为修正后特征数据;
所述修正后特征数据为所述目标备选送装工程师完成所述目标类别送装商品的预期满意度。
根据本发明提供的一种送装工程师推荐方法,所述基于各备选送装工程师的所述预期满意度,对各备选送装工程师的所述初始推荐分值进行修正,获取各备选送装工程师的送装所述待处理订单各类别的送装商品的目标推荐分值,包括:
将任一备选送装工程师完成各类别送装商品的预期满意度与所述初始推荐分值的累加值,作为所述任一备选送装工程师完成各类别送装商品的目标推荐分值。
根据本发明提供的一种送装工程师推荐方法,所述基于各备选送装工程师的送装所述待处理订单各类别的送装商品的目标推荐分值,确定推荐送装工程师,包括:
获取各备选送装工程师,送装每一类别的送装商品的目标推荐分值的累加值,作为所述备选送装工程师的得分;
将所述得分最高的备选送装工程师,作为所述推荐送装工程师。
第二方面,本发明还提供一种送装工程师推荐装置,包括:
送装工程师初筛单元,用于获取待处理订单相关的目标用户的用户等级和所有送装工程师的初始推荐分值,用以匹配到用于完成所述待处理订单的多名备选送装工程师;
特征采集单元,用于根据所述待处理订单中所有送装商品的类别信息和各备选送装工程师的历史用户评价值,构建行为特征矩阵;所述行为特征矩阵包含各备选送装工程师完成各类别送装商品后的用户评价值;
预期满意度确定单元,用于获取各备选送装工程师的多维度加权评价值,以利用所述多维度评价加权值对所述行为特征矩阵进行修正;修正后的所述行为特征矩阵包含各备选送装工程师完成各类别送装商品的预期满意度;
推荐分值计算单元,用于基于各备选送装工程师的所述预期满意度,对各备选送装工程师的所述初始推荐分值进行修正,获取各备选送装工程师的送装所述待处理订单各类别的送装商品的目标推荐分值;
送装工程师确定单元,用于基于各备选送装工程师的送装所述待处理订单各类别的送装商品的目标推荐分值,确定推荐送装工程师。
第三方面,本发明还提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述送装工程师推荐方法。
第四方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述送装工程师推荐方法。
第五方面,本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述送装工程师推荐方法。
本发明实施例中的上述一个或多个技术方案,至少具有如下技术效果之一:
基于用户等级和送装工程师的初始推荐分值初步筛选备选工程师,然后根据各备选工程师针对所有送装商品的历史用户评价值构建行为特征矩阵,再通过各备选工程师的多维度评价值精细化修正得到预期满意度,最终基于预期满意度修正初始分值得到目标推荐分值以确定出推荐工程师,通过综合评估多维度数据,能有效提高推荐送装工程师与目标用户之间的适配性,提升用户体验。
进一步的,通过综合考虑各送装工程师的历史用户评价值的平均值作为初始推荐分值,并通过目标用户的身份标识确定目标用户的用户等级,以便于根据目标用户的用户等级以及初始推荐分值,初步筛选合适的备选送装工程师,提高送装工程师推荐效率与精度。
更进一步的,基于用户等级的等级数划分多个分值子区间,则当确定目标用户的等级时,便可快速确定出对应的用于服务该等级的目标送装工程师小组,进而也就确定了多名备选送装工程师,实现合理分配备选送装工程师,以便于后续确定推荐送装工程师,提高推荐效率。
再进一步的,通过综合考虑多维度下的预设考核项的评价百分比,并进行加权求和处理,以获取用于体现送装工程师服务能力、服务态度的多维度加权评价值,以便于后续修正行为特征矩阵,提高用户以及送装工程师之间的适配性。
再进一步的,通过确定任一特征数据的目标备选送装工程师的多维度加权评价值,修正该任一特征数据以作为预期满意度,能够通过预期满意度反映出送装工程师的服务能力、服务态度等信息,在综合考虑多维度数据的基础上,提高送装工程师推荐效率、精度。
再进一步的,基于各备选送装工程师完成各类别送装商品的预期满意度以及初始推荐分值,确定出各备选送装工程师的目标推荐分值,以便于后续根据所有备选送装工程师的目标推荐分值,确定出最终的推荐送装工程师,有效提高送装工程师推荐精度。
更进一步的,通过选择得分最高的送装工程师作为推荐送装工程师,使得送装工程师尽可能适配用户的送装商品服务,有效确保用户体验。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的送装工程师推荐方法的流程示意图之一;
图2是本发明提供的送装工程师推荐方法的流程示意图之二;
图3是本发明提供的送装工程师推荐装置的结构示意图;
图4是本发明提供的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施例用于说明本发明,但不能用来限制本发明的范围。
在本发明实施例的描述中,需要说明的是,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明实施例的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明实施例中的具体含义。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明实施例的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
本发明提出以下各实施例。下面结合附图和实施例对本申请的实施方式作进一步详细描述。以下实施例用于说明本申请,但不能用来限制本申请的范围。
图1是本发明提供的送装工程师推荐方法的流程示意图之一,如图1所示,包括但不限于以下步骤:
步骤101:获取待处理订单相关的目标用户的用户等级和所有送装工程师的初始推荐分值,用以匹配到用于完成待处理订单的多名备选送装工程师。
具体地,当用户提交待处理订单后,便可获取与待处理订单相关的目标用户的用户等级,以及获取所有送装工程师的初始推荐分值。其中,送装工程师可以包括配送工程师和/或安装工程师。
可选地,目标用户的用户等级可以根据目标用户的历史订单数量和/或历史订单金额来确定,例如目标用户的历史订单数量越多,则对应的目标用户的用户等级越高。
可选地,目标用户的用户等级还可以根据目标用户开通的会员权限来确定,例如目标用户开通的会员权限为最高的“黑金会员”,则对应的用户等级为最高的1级;若目标用户开通的会员权限为“白金会员”,则对应的用户等级为2级。
每一送装工程师的初始推荐分值可以根据每一送装工程师各自的历史送装服务的完成次数、完成质量以及服务后用户评价值确定。一般来说,初始推荐分值可以设置在[0,10]这一个分值区间内。
进一步地,获取到待处理订单相关的目标用户的用户等级和所有送装工程师的初始推荐分值后,便可根据用户等级对应的分值区间,匹配对应初始推荐分值的送装工程师作为用于完成待处理订单的多名备选送装工程师。
例如,在通过目标用户的用户等级以及所有送装工程师的初始推荐分值,初步筛选送装工程师的时候,可以是筛选出三名送装工程师作为用于完成待处理订单的备选送装工程师。
步骤102:根据待处理订单中所有送装商品的类别信息和各备选送装工程师的历史用户评价值,构建行为特征矩阵。
其中,上述行为特征矩阵主要包括各备选送装工程师完成各类别送装商品后的用户评价值。
具体地,进一步获取待处理订单中所有送装商品的类别信息,例如可以获取到空调、冰箱、电视等需要送装商品的类别信息。
进一步地,获取各备选送装工程师的历史用户评价值,其中,历史用户评价值是指各备选送装工程师完成各类别送装商品的送装服务后的用户评价值的平均值。
进一步地,可以基于获取到的待处理订单中所有送装商品的类别信息和各备选送装工程师的历史用户评价值,构建行为特征矩阵。
表1是一行为特征矩阵的示意表,如表1所示,送装工程师1完成送装商品A的送装服务后的历史用户评价值为4.75,完成送装商品B的送装服务后的历史用户评价值为4.20,完成送装商品C的送装服务后的历史用户评价值为4.53,送装工程师2和送装工程师3完成送装商品A、B、C的送装服务后的历史用户评价值也可以直接从表1中获取到,对此不再赘述。
表1行为特征矩阵的示意表
送装商品A | 送装商品B | 送装商品C | |
送装工程师1 | 4.75 | 4.20 | 4.53 |
送装工程师2 | 4.85 | 4.63 | 4.34 |
送装工程师3 | 3.95 | 4.68 | 4.75 |
因此,通过获取待处理订单中所有送装商品的类别信息和各备选送装工程师的历史用户评价值,便可整合构建出一个行为特征矩阵,且该行为特征矩阵包括有各备选送装工程师完成各类别送装商品的送装服务后的用户评价值。
步骤103:获取各备选送装工程师的多维度加权评价值,以利用多维度评价加权值对行为特征矩阵进行修正。
其中,修正后的行为特征矩阵包含各备选送装工程师完成各类别送装商品的预期满意度。
具体地,可以根据各备选送装工程师在额定送装服务次数内的服务表现,或者也可以根据各备选送装工程师在额定时间段内的服务表现,确定各备选送装工程师的多维度加权评价值。其中,服务表现可以包括按时上门服务次数、服务质量、服务满意度指标等。
当获取到各备选送装工程师的多维度加权评价值后,可以利用多维度加权评价值对行为特征矩阵进行修正。
需要说明的是,每一备选送装工程师的多维度加权评价值,仅用于修正自身的完成各类别送装商品后的用户评价值,即备选送装工程师1的多维度加权评价值用于修正备选送装工程师1完成各类别送装商品后的用户评价值,备选送装工程师2的多维度加权评价值用于修正备选送装工程师2完成各类别送装商品后的用户评价值,以此类推,直至根据各备选送装工程师的多维度加权评价值,修正行为特征矩阵中的所有用户评价值,则视为完成对行为特征矩阵的修正过程。
步骤104:基于各备选送装工程师的预期满意度,对各备选送装工程师的初始推荐分值进行修正,获取各备选送装工程师的送装待处理订单各类别的送装商品的目标推荐分值。
具体地,通过修正后的行为特征矩阵,确定各备选送装工程师完成各类别送装商品的送装服务的预期满意度,并基于得到的各备选送装工程师的预期满意度,对各备选送装工程师的初始推荐分值进行修正,精细化确定出各备选送装工程师的送装待处理订单各类别的送装商品的目标推荐分值。
可选地,表2是备选送装工程师的预期满意度的示意表,如表2所示,送装工程师1完成送装商品A的送装服务的预期满意度为4.83,送装工程师1完成送装商品B的送装服务的预期满意度为4.28,送装工程师1完成送装商品A的送装服务的预期满意度为4.61。
表2备选送装工程师的预期满意度的示意表
送装商品A | 送装商品B | 送装商品C | |
送装工程师1 | 4.83 | 4.28 | 4.61 |
进一步地,表3是备选送装工程师的目标推荐分值的示意表,如表3所示,假设送装工程师1的初始推荐分值为4分,则通过送装工程师1的预期满意度对初始推荐分值进行修正,得到送装工程师1的送装待处理订单各类别的送装商品的目标推荐分值,具体为:送装工程师1完成送装商品A的送装服务的预期满意度为4.83+4=8.83,送装工程师1完成送装商品B的送装服务的预期满意度为4.28+4=8.28,送装工程师1完成送装商品C的送装服务的预期满意度为4.61+4=8.61。
表3备选送装工程师的目标推荐分值的示意表
送装商品A | 送装商品B | 送装商品C | |
送装工程师1 | 4.83+4=8.83 | 4.28+4=8.28 | 4.61+4=8.61 |
步骤105:基于各备选送装工程师的送装待处理订单各类别的送装商品的目标推荐分值,确定推荐送装工程师。
具体地,当获取到各备选送装工程师的送装待处理订单各类别的送装商品的目标推荐分值,可以通过计算各备选送装工程师的目标推荐分值的平均值,并取最大平均值对应的备选送装工程师作为推荐送装工程师。
可选地,也可以通过计算各备选送装工程师各类别的送装商品的目标推荐分值的总和,并取最大总和对应的备选送装工程师作为推荐送装工程师。
因此,相较于现有技术中仅仅基于简单的位置、时间、所需送装技能方向去匹配送装工程师,本发明实施例提供的送装工程师推荐方法,通过初步筛选以及精细化筛选,综合考虑多维度数据,评估不同待处理订单下各送装工程师的得分,以确定最适配目标用户的送装工程师作为推荐送装工程师,以便于网点管理员安排工作任务。
本发明实施例提供的送装工程师推荐方法,基于用户等级和送装工程师的初始推荐分值初步筛选备选工程师,然后根据各备选工程师针对所有送装商品的历史用户评价值构建行为特征矩阵,再通过各备选工程师的多维度评价值精细化修正得到预期满意度,最终基于预期满意度修正初始分值得到目标推荐分值以确定出推荐工程师,通过综合评估多维度数据,能有效提高推荐送装工程师与目标用户之间的适配性,提升用户体验。
基于上述实施例,作为一种可选的实施例,在上述步骤101获取待处理订单相关的目标用户的用户等级和所有送装工程师的初始推荐分值之前,还包括:
获取服务区域内各送装工程师的历史用户评价值。
将历史用户评价值的平均值,确定为各送装工程师的初始推荐分值。
获取目标用户的身份标识,以基于身份标识确定目标用户的用户标签,用户标签用于表征目标用户的用户等级。
具体地,可以通过获取在目标用户服务区域内的各送装工程师的历史用户评价值,并通过计算历史用户评价值的平均值,确定为各送装工程师的初始推荐分值。
作为一种可选的实施例,在计算得到各送装工程师的历史用户评价值的平均值后,还可以进一步获取各送装工程师的技能证书数量,并通过各送装工程师的技能证书数量修正各送装工程师的历史用户评价值的平均值,将修正后的平均值作为各送装工程师的初始推荐分值。
例如,送装工程师1的历史用户评价值的平均值为3.5,送装工程师2的历史用户评价值的平均值为4.5,则可以确定送装工程师1的初始推荐分值为3.5,送装工程师2的初始推荐分值为4.5;进一步地,也可以获取到送装工程师1的技能证书数量为3,送装工程师2的技能证书数量为4,则可以通过各送装工程师的技能证书数量修正各送装工程师的历史用户评价值的平均值,得到修正后的送装工程师1的历史用户评价值的平均值为3.5+3=6.5作为最终的初始推荐分值,修正后的送装工程师2的历史用户评价值的平均值为4.5+4=8.5作为最终的初始推荐分值。
进一步地,获取目标用户的身份标识,以基于身份标识确定目标用户的用户标签,用户标签用于表征目标用户的用户等级。其中,身份标识可以包括有目标用户的历史订单数量、历史订单评价值以及历史订单配合度等指标。
可选地,可以通过预先设定对应关系,以确定目标用户的身份标识与用户标签之间的关系,例如,用户标签中共包括有1、2、3共三级用户等级,当用户的订单数量在十件以下时,对应的用户标签中的用户等级为最低的3级;当用户的订单数量在十件以上,二十件以下时,对应的用户标签中的用户等级为2级;当用户的订单数量在二十件以上时,对应的用户标签中的用户等级为最高的1级。
可以理解的是,当目标用户的用户等级越高,则向其推荐的送装工程师的服务能力与服务态度等也就越好。
本发明实施例提供的送装工程师推荐方法,通过综合考虑各送装工程师的历史用户评价值的平均值作为初始推荐分值,并通过目标用户的身份标识确定目标用户的用户等级,以便于根据目标用户的用户等级以及初始推荐分值,初步筛选合适的备选送装工程师,提高送装工程师推荐效率与精度。
基于上述实施例,作为一种可选的实施例,获取待处理订单相关的目标用户的用户等级和所有送装工程师的初始推荐分值,用以匹配到用于完成待处理订单的多名备选送装工程师,包括:
将所有送装工程师的初始推荐分值中的最大值和最小值作为区间的起始值,构建分值区间。
按照用户等级的等级数,将分值区间划分为多个分值子区间。
根据各备选送装工程师的初始推荐分值所属的分值子区间,将所有送装工程师划分为多个送装工程师小组。
根据用户等级,确定多个送装工程师小组中的目标送装工程师小组。
其中,目标送装工程师小组中的送装工程师为备选送装工程师,用户等级的大小与分值子区间中的初始推荐分值的大小是相关的。
具体地,当确定所有送装工程师的初始推荐分值后,基于初始推荐分值的最大值和最小值作为区间的起始值,构建分值区间。
例如,确定所有送装工程师的初始推荐分值的最大值为9分,最小值为1分,则可以构建出分值区间为[1,9]。
进一步地,按照用户等级的等级数,将分值区间划分为多个分值子区间,例如,当用户等级的等级数总共有1、2、3三级时,可以将分值区间[1,9]划分为三个分值子区间。
可选地,可以将分值区间[1,9]划分为[1,5]、[3,7]、[6,9]总共三个分值子区间,其中,[1,5]分值子区间的送装工程师主要用于服务等级为3级的目标用户,[3,7]分值子区间的送装工程师主要用于服务等级为2级的目标用户,[6,9]分值子区间的送装工程师主要用于服务等级为1级的目标用户。
进一步地,根据各备选送装工程师的初始推荐分值所属的分值子区间,将所有送装工程划分为多个送装工程师小组。
例如,表4为送装工程师的初始推荐分值的示意表,如表4所示,送装工程师1的初始推荐分值为8.5,送装工程师2的初始推荐分值为6.5,送装工程师3的初始推荐分值为4.5,则可以基于划分好的[1,5]、[3,7]、[6,9]总共三个分值子区间,将送装工程师1、2划分为第一送装工程师小组,用于服务1级目标用户,将送装工程师2、3划分为第二送装工程师小组,用于服务2级目标用户,将送装工程师3划分为第三送装工程师小组,用于服务3级目标用户。
因此,本发明实施例提供的送装工程师推荐方法,并不会简单将任一送装工程师局限于仅服务单个等级下的目标用户,而是通过合理划分互有重叠的多个分值子区间,进而使得不同送装工程师尽可能服务多个等级下的目标用户,提高其工作效率。
表4送装工程师的初始推荐分值的示意表
初始推荐分值 | |
送装工程师1 | 8.5 |
送装工程师2 | 6.5 |
送装工程师3 | 4.5 |
进一步地,根据获取到的用户等级,确定多个送装工程师小组中的目标送装工程师小组。其中,目标送装工程师小组中的送装工程师为备选送装工程师,用户等级的大小与分值子区间中的初始推荐分值的大小是相关的。
例如,基于上述实施例,当获取到目标用户的用户等级为2级时,则可以确定多个送装工程师小组中的第二送装工程师小组为目标送装工程师小组,第二送装工程师小组中的送装工程师2、3为备选送装工程师。
本发明实施例提供的送装工程师推荐方法,基于用户等级的等级数划分多个分值子区间,则当确定目标用户的等级时,便可快速确定出对应的用于服务该等级的目标送装工程师小组,进而也就确定了多名备选送装工程师,实现合理分配备选送装工程师,以便于后续确定推荐送装工程师,提高推荐效率。
基于上述实施例,作为一种可选的实施例,行为特征矩阵中第m行第n列对应的特征数据为第m名备选送装工程师在送装第n种类别的送装商品后的用户评价值;或,行为特征矩阵中第m行第n列对应的特征数据为第n名备选送装工程师在送装第m种类别的送装商品后的用户评价值。
具体地,在基于待处理订单中所有送装商品的类别信息和各备选送装工程师的历史用户评价值,构建行为特征矩阵的时候,可以通过多种组合排列方式构建。
可选地,表5为一种行为特征矩阵的示意表,表6为另一种行为特征矩阵的示意表,如表5和表6所示,行为特征矩阵中第m行第n列对应的特征数据可以是第m名备选送装工程师在送装第n种类别的送装商品后的用户评价值,也可以是第n名备选送装工程师在送装第m种类别的送装商品后的用户评价值。
表5一种行为特征矩阵的示意表
送装商品A | 送装商品B | 送装商品C | 送装商品D | |
送装工程师1 | 4.75 | 4.20 | 4.53 | 4.18 |
送装工程师2 | 4.85 | 4.63 | 4.34 | 4.57 |
送装工程师3 | 3.95 | 4.68 | 4.75 | 4.25 |
表6另一种行为特征矩阵的示意表
送装工程师1 | 送装工程师2 | 送装工程师3 | |
送装商品A | 4.75 | 4.85 | 3.95 |
送装商品B | 4.20 | 4.63 | 4.68 |
送装商品C | 4.53 | 4.34 | 4.75 |
送装商品D | 4.18 | 4.57 | 4.25 |
本发明实施例提供的送装工程师推荐方法,通过设置多种行为特征矩阵构建方式,以便于后续对行为特征矩阵进行修正,提高送装工程师推荐效率。
基于上述实施例,作为一种可选的实施例,针对任一备选送装工程师,获取各备选送装工程师的多维度加权评价值,包括:
将任一备选送装工程师的每一预设考核项的统计次数和任一备选送装工程师的历史送装总次数之间的比值,确定为任一备选送装工程师在一个维度下的评价百分比。
对任一备选送装工程师在每个维度下的评价百分比,以及每一维度的预设权重比进行加权求和处理,获取任一备选送装工程师的多维度加权评价值。
具体地,在获取各备选送装工程师的多维度加权评价值的时候,针对任一备选送装工程师,获取该任一备选送装工程师的每一预设考核项的统计次数以及历史送装总次数,并将每一预设考核项的统计次数与历史送装总次数之间的比值确定为该任一备选送装工程师在一个维度下的评价百分比,则当包括多个预设考核项的时候,也就可以确定出多个纬度下的评价百分比。
进一步地,当获取该任一备选送装工程师在每个维度下的评价百分比,以及每一维度的预设权重比后,便可进行加权求和处理,获取到该任一备选送装工程师的多维度加权评价值。
可选地,预设考核项可以包括有延后改约率、上门准时率、满意度、投诉率、安装预约及时率、安装取消率。其中,延后改约率是指与目标用户预约时间时延后改约的占比次数;上门准时率是指送准工程师在预约时间内到达目的地的占比次数;满意度是指用户对送准工程师的送装服务的满意度评分占比;投诉率是指用户投诉占比次数;安装预约及时率是指用户下单后能及时完成安装的占比次数;安装取消率是指用户下单后因网点或送装工程师导致的取消订单占比次数。
可选地,由于不同预设考核项反应的侧重点不同,因此可以预先设置延后改约率的预设权重比为10%、上门准时率的预设权重比为20%、满意度的预设权重比为30%、投诉率的预设权重比为20%、安装预约及时率的预设权重比为15%、安装取消率的预设权重比为5%。
可选地,表7为多维度加权评价值的示意表,如表7所示,当确定出送装工程1的各个预设考核项的评价百分比以及预设权重比后,便可进行加权求和处理,计算得到送装工程1的多维度评价加权值为1.79。
表7多维度加权评价值的示意表
作为一种可选的实施例,预设考核项还可以包括有安装故障率、遗漏商品率等不同维度的考核项,并可以对应设置合理的预设权重比。
本发明实施例提供的送装工程师推荐方法,通过综合考虑多维度下的预设考核项的评价百分比,并进行加权求和处理,以获取用于体现送装工程师服务能力、服务态度的多维度加权评价值,以便于后续修正行为特征矩阵,提高用户以及送装工程师之间的适配性。
基于上述实施例,作为一种可选的实施例,针对行为特征矩阵中的任一特征数据,利用多维度评价加权值对行为特征矩阵进行修正,包括:
获取任一特征数据,确定对应的目标备选送装工程师和送装商品的目标类别。
将任一特征数据与目标备选送装工程师的多维度加权评价值的累加值作为修正后特征数据。
修正后特征数据为目标备选送装工程师完成目标类别送装商品的预期满意度。
具体地,当获取到任一特征数据的时候,可以基于其所属的行列属性,确定对应的目标备选送装工程师和送装商品的目标类别,进而再将该任一特征数据与确定到的目标备选送装工程师的多维度加权评价值的累加值作为修正后特征数据。
例如,获取到A特征数据4.75后,确定对应的目标备选送装工程师为送装工程师1,送装商品的目标类别为送装商品A,并进一步获取到送装工程师1的多维度加权评价值为1.79,则可将A特征数据4.75与送装工程师1的多维度加权评价值累加得到的4.75+1.79=6.54作为修正后特征数据。
其中,获取到的修正后特征数据为目标备选送装工程师完成对应目标类别送装商品的预期满意度。
例如,基于上述实施例,送装工程师1送装目标类别为送装商品A的预期满意度为6.54。
本发明实施例提供的送装工程师推荐方法,通过确定任一特征数据的目标备选送装工程师的多维度加权评价值,修正该任一特征数据以作为预期满意度,能够通过预期满意度反映出送装工程师的服务能力、服务态度等信息,在综合考虑多维度数据的基础上,提高送装工程师推荐效率、精度。
基于上述实施例,作为一种可选的实施例,上述步骤104基于各备选送装工程师的预期满意度,对各备选送装工程师的初始推荐分值进行修正,获取各备选送装工程师的送装待处理订单各类别的送装商品的目标推荐分值,包括:
将任一备选送装工程师完成各类别送装商品的预期满意度与初始推荐分值的累加值,作为任一备选送装工程师完成各类别送装商品的目标推荐分值。
具体地,获取到任一备选送装工程师完成各类别送装商品的预期满意度以及初始推荐分值后,便可将各类别送装商品的预期满意度以及初始推荐分值的累加值,作为该任一备选送装工程师完成各类别送装商品的目标推荐分值。
例如,获取到送装工程师1的初始推荐分值为4.0,完成送装商品A的预期满意度为5.3,完成送装商品B的预期满意度为5.8,完成送装商品C的预期满意度为6.0,则可以进一步获取到各类别送装商品的预期满意度以及初始推荐分值的累加值,具体为:完成送装商品A的目标推荐分值为4.0+5.3=9.3,完成送装商品A的目标推荐分值为4.0+5.8=9.8,完成送装商品A的目标推荐分值为4.0+6.0=10.0。
进一步地,通过遍历获取所有备选送装工程师完成各类别送装商品的预期满意度以及初始推荐分值,便可确定所有备选送装工程师完成各类别送装商品的目标推荐分值,以便于后续根据所有备选送装工程师的目标推荐分值,确定出最终的推荐送装工程师。
本发明实施例提供的送装工程师推荐方法,基于各备选送装工程师完成各类别送装商品的预期满意度以及初始推荐分值,确定出各备选送装工程师的目标推荐分值,以便于后续根据所有备选送装工程师的目标推荐分值,确定出最终的推荐送装工程师,有效提高送装工程师推荐精度。
基于上述实施例,作为一种可选的实施例,上述步骤105基于各备选送装工程师的送装待处理订单各类别的送装商品的目标推荐分值,确定推荐送装工程师,包括:
获取各备选送装工程师,送装每一类别的送装商品的目标推荐分值的累加值,作为备选送装工程师的得分。
将得分最高的备选送装工程师,作为推荐送装工程师。
具体地,当通过遍历获取所有备选送装工程师完成各类别送装商品的预期满意度以及初始推荐分值,以进一步确定所有备选送装工程师完成各类别送装商品的目标推荐分值后,针对各备选送装工程师送装每一类别的送装商品的目标推荐分值的累加值,作为各备选送装工程师的得分。
最后,将得分最高的备选送装工程师,作为推荐送装工程师。
可选地,表8是各备选送装工程师的得分示意表,如表8所示,获取到送装工程师1、2、3在分别送装类别为送装商品A、B、C的目标推荐分值,进而可以基于送装工程师1送装商品A、B、C的目标推荐分值的累加值,得到送装工程师1的得分为6.78+7.58+6.94=21.30,送装工程师2和3的得分同样可以基于各自的目标推荐分值的累加值分别计算得到为20.99和21.88。
因此,得分最高的送装工程师3将作为推荐送装工程师,用于完成待处理订单中的各类别的送装商品的送装服务。
表8各备选送装工程师的得分示意表
送装商品A | 送装商品B | 送装商品C | 得分 | |
送装工程师1 | 6.78 | 7.58 | 6.94 | 21.30 |
送装工程师2 | 8.53 | 5.72 | 6.74 | 20.99 |
送装工程师3 | 9.05 | 5.68 | 7.15 | 21.88 |
本发明实施例提供的送装工程师推荐方法,通过选择得分最高的送装工程师作为推荐送装工程师,使得送装工程师尽可能适配用户的送装商品服务,有效确保用户体验。
最后,为了更清楚地说明本发明实施例提供的送装工程师推荐方法,特提供以下实施例:
图2是本发明提供的送装工程师推荐方法的流程示意图之二,如图2所示,包括但不限于以下步骤:
首先,当接收到目标用户的配送请求以及对应的订单信息后,基于目标用户的用户等级,确定多个送装工程师的初始推荐分值,并基于用户等级从中初步筛选出备选送装工程师;
然后,从数据库中调取与订单信息中的服务商品相关的送装工程师的历史评价值,构建行为特征矩阵;
进一步地,获取任一送装工程师的多维度加权平均值,并对构建好的行为特征矩阵进行修正,从而确定任一送装工程师送装多个服务商品的预期满意度;
再对于每一送装工程师,基于获取到的送装多个服务商品的预期满意度,对初始推荐分值进行修正,得到每一送装工程师的目标推荐分值;
最后,通过获取到的每一送装工程师的目标推荐分值,从中选择分值最高者作为向目标用户推荐的目标送装工程师。
图3是本发明提供的送装工程师推荐装置的结构示意图,如图3所示,主要包括:送装工程师初筛单元31、特征采集单元32、预期满意度确定单元33、推荐分值计算单元34和送装工程师确定单元35,其中:
送装工程师初筛单元31,用于获取待处理订单相关的目标用户的用户等级和所有送装工程师的初始推荐分值,用以匹配到用于完成待处理订单的多名备选送装工程师。
作为一种可选的实施例,目标用户的用户等级可以根据目标用户的历史订单数量以及历史订单评价值确定,每一送装工程师的初始推荐分值可以根据每一送装工程师各自的历史送装服务的完成次数、完成质量以及服务后用户评价值确定。
可选地,通过目标用户的用户等级以及所有送装工程师的初始推荐分值初步粗略筛选送装工程师的时候,可以是筛选出三名送装工程师作为用于完成待处理订单的备选送装工程师。
特征采集单元32,用于根据待处理订单中所有送装商品的类别信息和各备选送装工程师的历史用户评价值,构建行为特征矩阵;行为特征矩阵包含各备选送装工程师完成各类别送装商品后的用户评价值。
预期满意度确定单元33,用于获取各备选送装工程师的多维度加权评价值,以利用多维度评价加权值对行为特征矩阵进行修正;修正后的行为特征矩阵包含各备选送装工程师完成各类别送装商品的预期满意度。
需要说明的是,每一备选送装工程师的多维度加权评价值,仅用于修正自身的完成各类别送装商品后的用户评价值,即备选送装工程师1的多维度加权评价值用于修正备选送装工程师1完成各类别送装商品后的用户评价值,备选送装工程师2的多维度加权评价值用于修正备选送装工程师2完成各类别送装商品后的用户评价值,以此类推,直至根据各备选送装工程师的多维度加权评价值,修正行为特征矩阵中的所有用户评价值,则视为完成对行为特征矩阵的修正过程。
推荐分值计算单元34,用于基于各备选送装工程师的预期满意度,对各备选送装工程师的初始推荐分值进行修正,获取各备选送装工程师的送装待处理订单各类别的送装商品的目标推荐分值。
可选地,通过修正后的行为特征矩阵,确定各备选送装工程师完成各类别送装商品的送装服务的预期满意度,并基于得到的各备选送装工程师的预期满意度,对各备选送装工程师的初始推荐分值进行修正,精细化确定出各备选送装工程师的送装待处理订单各类别的送装商品的目标推荐分值。
送装工程师确定单元35,用于基于各备选送装工程师的送装待处理订单各类别的送装商品的目标推荐分值,确定推荐送装工程师。
作为一种可选的实施例,当获取到各备选送装工程师的送装待处理订单各类别的送装商品的目标推荐分值,可以通过计算各备选送装工程师的目标推荐分值的平均值,并取最大平均值对应的备选送装工程师作为推荐送装工程师。
作为另一种可选的实施例,也可以通过计算各备选送装工程师各类别的送装商品的目标推荐分值的总和,并取最大总和对应的备选送装工程师作为推荐送装工程师。
需要说明的是,本发明实施例提供的送装工程师推荐装置,在具体运行时,可以执行上述任一实施例的送装工程师推荐方法,对此本实施例不作赘述。
本发明实施例提供的送装工程师推荐装置,基于用户等级和送装工程师的初始推荐分值初步筛选备选工程师,然后根据各备选工程师针对所有送装商品的历史用户评价值构建行为特征矩阵,再通过各备选工程师的多维度评价值精细化修正得到预期满意度,最终基于预期满意度修正初始分值得到目标推荐分值以确定出推荐工程师,通过综合评估多维度数据,能有效提高推荐送装工程师与目标用户之间的适配性,提升用户体验。
图4示例了一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令,以执行如下方法:获取待处理订单相关的目标用户的用户等级和所有送装工程师的初始推荐分值,用以匹配到用于完成待处理订单的多名备选送装工程师;根据所述待处理订单中所有送装商品的类别信息和各备选送装工程师的历史用户评价值,构建行为特征矩阵;所述行为特征矩阵包含各备选送装工程师完成各类别送装商品后的用户评价值;获取各备选送装工程师的多维度加权评价值,以利用所述多维度评价加权值对所述行为特征矩阵进行修正;修正后的所述行为特征矩阵包含各备选送装工程师完成各类别送装商品的预期满意度;基于各备选送装工程师的所述预期满意度,对各备选送装工程师的所述初始推荐分值进行修正,获取各备选送装工程师的送装所述待处理订单各类别的送装商品的目标推荐分值;基于各备选送装工程师的送装所述待处理订单各类别的送装商品的目标推荐分值,确定推荐送装工程师。
此外,上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对相关技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:获取待处理订单相关的目标用户的用户等级和所有送装工程师的初始推荐分值,用以匹配到用于完成所述待处理订单的多名备选送装工程师;根据所述待处理订单中所有送装商品的类别信息和各备选送装工程师的历史用户评价值,构建行为特征矩阵;所述行为特征矩阵包含各备选送装工程师完成各类别送装商品后的用户评价值;获取各备选送装工程师的多维度加权评价值,以利用所述多维度评价加权值对所述行为特征矩阵进行修正;修正后的所述行为特征矩阵包含各备选送装工程师完成各类别送装商品的预期满意度;基于各备选送装工程师的所述预期满意度,对各备选送装工程师的所述初始推荐分值进行修正,获取各备选送装工程师的送装所述待处理订单各类别的送装商品的目标推荐分值;基于各备选送装工程师的送装所述待处理订单各类别的送装商品的目标推荐分值,确定推荐送装工程师。
又一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的方法,例如包括:获取待处理订单相关的目标用户的用户等级和所有送装工程师的初始推荐分值,用以匹配到用于完成所述待处理订单的多名备选送装工程师;根据所述待处理订单中所有送装商品的类别信息和各备选送装工程师的历史用户评价值,构建行为特征矩阵;所述行为特征矩阵包含各备选送装工程师完成各类别送装商品后的用户评价值;获取各备选送装工程师的多维度加权评价值,以利用所述多维度评价加权值对所述行为特征矩阵进行修正;修正后的所述行为特征矩阵包含各备选送装工程师完成各类别送装商品的预期满意度;基于各备选送装工程师的所述预期满意度,对各备选送装工程师的所述初始推荐分值进行修正,获取各备选送装工程师的送装所述待处理订单各类别的送装商品的目标推荐分值;基于各备选送装工程师的送装所述待处理订单各类别的送装商品的目标推荐分值,确定推荐送装工程师。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是,以上实施方式仅用于说明本发明,而非对本发明的限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行各种组合、修改或者等同替换,都不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围中。
Claims (12)
1.一种送装工程师推荐方法,其特征在于,包括:
获取待处理订单相关的目标用户的用户等级和所有送装工程师的初始推荐分值,用以匹配到用于完成所述待处理订单的多名备选送装工程师;
根据所述待处理订单中所有送装商品的类别信息和各备选送装工程师的历史用户评价值,构建行为特征矩阵;所述行为特征矩阵包含各备选送装工程师完成各类别送装商品后的用户评价值;
获取各备选送装工程师的多维度加权评价值,以利用所述多维度评价加权值对所述行为特征矩阵进行修正;修正后的所述行为特征矩阵包含各备选送装工程师完成各类别送装商品的预期满意度;
基于各备选送装工程师的所述预期满意度,对各备选送装工程师的所述初始推荐分值进行修正,获取各备选送装工程师的送装所述待处理订单各类别的送装商品的目标推荐分值;
基于各备选送装工程师的送装所述待处理订单各类别的送装商品的目标推荐分值,确定推荐送装工程师。
2.根据权利要求1所述的送装工程师推荐方法,其特征在于,在获取待处理订单相关的目标用户的用户等级和所有送装工程师的初始推荐分值之前,还包括:
获取服务区域内各送装工程师的历史用户评价值;
将所述历史用户评价值的平均值,确定为各送装工程师的所述初始推荐分值;
获取所述目标用户的身份标识,以基于所述身份标识确定所述目标用户的用户标签,所述用户标签用于表征所述目标用户的用户等级。
3.根据权利要求1所述的送装工程师推荐方法,其特征在于,所述获取待处理订单相关的目标用户的用户等级和所有送装工程师的初始推荐分值,用以匹配到用于完成所述待处理订单的多名备选送装工程师,包括:
将所有送装工程师的初始推荐分值中的最大值和最小值作为区间的起始值,构建分值区间;
按照所述用户等级的等级数,将所述分值区间划分为多个分值子区间;
根据各备选送装工程师的初始推荐分值所属的分值子区间,将所有送装工程师划分为多个送装工程师小组;
根据所述用户等级,确定所述多个送装工程师小组中的目标送装工程师小组;
所述目标送装工程师小组中的送装工程师为所述备选送装工程师,所述用户等级的大小与分值子区间中的初始推荐分值的大小是相关的。
4.根据权利要求1所述的送装工程师推荐方法,其特征在于,所述行为特征矩阵中第m行第n列对应的特征数据为第m名备选送装工程师在送装第n种类别的送装商品后的用户评价值;或,所述行为特征矩阵中第m行第n列对应的特征数据为第n名备选送装工程师在送装第m种类别的送装商品后的用户评价值。
5.根据权利要求1-4任一项所述的送装工程师推荐方法,其特征在于,针对任一备选送装工程师,所述获取各备选送装工程师的多维度加权评价值,包括:
将所述任一备选送装工程师的每一预设考核项的统计次数和所述任一备选送装工程师的历史送装总次数之间的比值,确定为所述任一备选送装工程师在一个维度下的评价百分比;
对所述任一备选送装工程师在每个维度下的评价百分比,以及每一维度的预设权重比进行加权求和处理,获取所述任一备选送装工程师的多维度加权评价值。
6.根据权利要求1-4任一项所述的送装工程师推荐方法,其特征在于,针对所述行为特征矩阵中的任一特征数据,所述利用所述多维度评价加权值对所述行为特征矩阵进行修正,包括:
获取所述任一特征数据,确定对应的目标备选送装工程师和送装商品的目标类别;
将所述任一特征数据与所述目标备选送装工程师的多维度加权评价值的累加值作为修正后特征数据;
所述修正后特征数据为所述目标备选送装工程师完成所述目标类别送装商品的预期满意度。
7.根据权利要求1-4任一项所述的送装工程师推荐方法,其特征在于,所述基于各备选送装工程师的所述预期满意度,对各备选送装工程师的所述初始推荐分值进行修正,获取各备选送装工程师的送装所述待处理订单各类别的送装商品的目标推荐分值,包括:
将任一备选送装工程师完成各类别送装商品的预期满意度与所述初始推荐分值的累加值,作为所述任一备选送装工程师完成各类别送装商品的目标推荐分值。
8.根据权利要求1-4任一项所述的送装工程师推荐方法,其特征在于,所述基于各备选送装工程师的送装所述待处理订单各类别的送装商品的目标推荐分值,确定推荐送装工程师,包括:
获取各备选送装工程师,送装每一类别的送装商品的目标推荐分值的累加值,作为所述备选送装工程师的得分;
将所述得分最高的备选送装工程师,作为所述推荐送装工程师。
9.一种送装工程师推荐装置,其特征在于,包括:
送装工程师初筛单元,用于获取待处理订单相关的目标用户的用户等级和所有送装工程师的初始推荐分值,用以匹配到用于完成所述待处理订单的多名备选送装工程师;
特征采集单元,用于根据所述待处理订单中所有送装商品的类别信息和各备选送装工程师的历史用户评价值,构建行为特征矩阵;所述行为特征矩阵包含各备选送装工程师完成各类别送装商品后的用户评价值;
预期满意度确定单元,用于获取各备选送装工程师的多维度加权评价值,以利用所述多维度评价加权值对所述行为特征矩阵进行修正;修正后的所述行为特征矩阵包含各备选送装工程师完成各类别送装商品的预期满意度;
推荐分值计算单元,用于基于各备选送装工程师的所述预期满意度,对各备选送装工程师的所述初始推荐分值进行修正,获取各备选送装工程师的送装所述待处理订单各类别的送装商品的目标推荐分值;
送装工程师确定单元,用于基于各备选送装工程师的送装所述待处理订单各类别的送装商品的目标推荐分值,确定推荐送装工程师。
10.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,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任一项所述送装工程师推荐方法的步骤。
11.一种非暂态计算机可读存储介质,其上存储有计算机程序,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任一项所述送装工程师推荐方法的步骤。
12.一种计算机程序产品,包括计算机程序,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任一项所述送装工程师推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310602934.1A CN117094486A (zh) | 2023-05-25 | 2023-05-25 | 送装工程师推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310602934.1A CN117094486A (zh) | 2023-05-25 | 2023-05-25 | 送装工程师推荐方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117094486A true CN117094486A (zh) | 2023-11-21 |
Family
ID=88772348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310602934.1A Pending CN117094486A (zh) | 2023-05-25 | 2023-05-25 | 送装工程师推荐方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117094486A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109376977A (zh) * | 2018-08-16 | 2019-02-22 | 中国平安人寿保险股份有限公司 | 推荐代理人方法、电子设备以及计算机可读存储介质 |
CN109615251A (zh) * | 2018-12-18 | 2019-04-12 | 北京领科智汇科技有限公司 | 一种基于主客观综合加权多维信息的科研人员学术能力评价方法 |
CN109993542A (zh) * | 2017-12-28 | 2019-07-09 | 青岛日日顺电器服务有限公司 | 一种分派工单的方法、装置、服务器及存储介质 |
CN114819688A (zh) * | 2022-05-09 | 2022-07-29 | 中移(杭州)信息技术有限公司 | 工单分派方法、设备、存储介质及装置 |
CN114971205A (zh) * | 2022-04-29 | 2022-08-30 | 上海华兴数字科技有限公司 | 派单方法和系统 |
CN115953080A (zh) * | 2023-02-28 | 2023-04-11 | 广州平云小匠科技有限公司 | 工程师服务等级确定方法、设备和存储介质 |
-
2023
- 2023-05-25 CN CN202310602934.1A patent/CN117094486A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993542A (zh) * | 2017-12-28 | 2019-07-09 | 青岛日日顺电器服务有限公司 | 一种分派工单的方法、装置、服务器及存储介质 |
CN109376977A (zh) * | 2018-08-16 | 2019-02-22 | 中国平安人寿保险股份有限公司 | 推荐代理人方法、电子设备以及计算机可读存储介质 |
CN109615251A (zh) * | 2018-12-18 | 2019-04-12 | 北京领科智汇科技有限公司 | 一种基于主客观综合加权多维信息的科研人员学术能力评价方法 |
CN114971205A (zh) * | 2022-04-29 | 2022-08-30 | 上海华兴数字科技有限公司 | 派单方法和系统 |
CN114819688A (zh) * | 2022-05-09 | 2022-07-29 | 中移(杭州)信息技术有限公司 | 工单分派方法、设备、存储介质及装置 |
CN115953080A (zh) * | 2023-02-28 | 2023-04-11 | 广州平云小匠科技有限公司 | 工程师服务等级确定方法、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107133752B (zh) | 用于物流配送的数据处理、基于配送方的移动终端进行物流配送的方法和装置 | |
CN110766269A (zh) | 一种任务分配方法、装置、可读存储介质及终端设备 | |
US20150154619A1 (en) | Systems and Methods for Forecasting | |
CN108074158B (zh) | 共享租赁平台的用户推荐页面展示方法、装置及服务器 | |
KR20110082597A (ko) | 자동화된 명세, 추정, 원인 드라이버들의 디스커버리 및 마켓 응답 탄력성들 또는 리프트 인자 | |
CN102385729A (zh) | 一种广告投放策略的评估方法和装置 | |
CN110582064A (zh) | 一种短信分发方法、装置、设备、介质 | |
WO2020073515A1 (zh) | 基于数据分析选择供应商的方法、装置和计算机设备 | |
CN109447442A (zh) | 一种市场环境下考虑不同用户需求的售电企业供电质量动态评估方法 | |
CN111598457B (zh) | 一种电力无线网络质量的确定方法及装置 | |
CN111212082B (zh) | 基于云平台的资源价值评估用户管理方法及相关产品 | |
CN114187072A (zh) | 聚合打车方法、装置、计算机设备及存储介质 | |
CN108921309A (zh) | 会议室预订优化方法、系统、可读存储介质及计算机设备 | |
US20020178129A1 (en) | Lease-business support apparatus, lease-business support method, recording medium containing program for operating the lease-business support apparatus, and recording medium containing program for executing the lease-business support method | |
CN117094486A (zh) | 送装工程师推荐方法、装置、电子设备及存储介质 | |
CN110070392B (zh) | 用户流失预警方法和装置 | |
CN108109042A (zh) | 业务优惠信息推送方法及装置 | |
CN114064646A (zh) | 多维模型卷积计算方法、装置、可读存储介质和电子设备 | |
CN116151872A (zh) | 产品特性分析方法和装置 | |
CN111768139B (zh) | 备货处理方法、装置、设备及存储介质 | |
CN107665454A (zh) | 一种服务商品的综合排序方法 | |
CN116805219A (zh) | 基于四个维度实现分类分级的供应商管理方法及装置 | |
CN112990948A (zh) | 服务评估方法、装置、设备、存储介质及计算机程序产品 | |
CN112016863A (zh) | 确定配送范围的方法、装置、可读存储介质和电子设备 | |
KR101847723B1 (ko) | 리스크 관리 시스템 및 방법 |
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 |