CN117390647A - 基于大数据分析的车辆智慧服务方法、装置及智能终端 - Google Patents
基于大数据分析的车辆智慧服务方法、装置及智能终端 Download PDFInfo
- Publication number
- CN117390647A CN117390647A CN202311384097.6A CN202311384097A CN117390647A CN 117390647 A CN117390647 A CN 117390647A CN 202311384097 A CN202311384097 A CN 202311384097A CN 117390647 A CN117390647 A CN 117390647A
- Authority
- CN
- China
- Prior art keywords
- service
- data
- vehicle
- active
- scene
- 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 62
- 238000007405 data analysis Methods 0.000 title claims abstract description 35
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000012423 maintenance Methods 0.000 claims description 86
- 238000004458 analytical method Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 19
- 238000004140 cleaning Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 10
- 230000003796 beauty Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 9
- 238000010276 construction Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000000977 initiatory effect Effects 0.000 description 4
- 102000029749 Microtubule Human genes 0.000 description 3
- 108091022875 Microtubule Proteins 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 210000004688 microtubule Anatomy 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 206010044565 Tremor Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000010410 layer Substances 0.000 description 2
- 239000010705 motor oil Substances 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000002346 layers by function Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Marketing (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Bioethics (AREA)
- Computer Security & Cryptography (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于大数据分析的车辆智慧服务方法、装置及智能终端,所述方法包括采集原始车辆服务数据,并对原始车辆服务数据进行加密和预处理,得到最终车辆服务数据,其中,原始车辆服务数据包括私域数据和公域数据;根据最终车辆服务数据建立服务场景;基于服务场景,应用预设的算法模型对所述最终车辆服务数据进行分析,得到所述服务场景所对应的主动服务线索和服务触发条件;根据服务触发条件,下达所述主动服务线索,并根据主动服务线索,为车辆提供服务。本发明可提供智慧主动服务,通过打通私域数据和外部公域数据,扩充了数据。同时,能够结合各算法模型组合应用,最大限度的对数据进行挖掘应用,改善了服务体验。
Description
技术领域
本发明涉及数字化服务领域,具体涉及一种基于大数据分析的车辆智慧服务方法、装置及智能终端。
背景技术
数字化服务是指将传统的产品或服务通过应用数字技术和互联网等信息通信技术,转化为基于数字平台的服务形式。数字化服务利用计算机、互联网、移动设备等技术手段,实现信息的数字化、在线化、智能化和个性化,提供更便捷、高效、个性化和优质的服务体验。
当前在汽车售后数字化服务领域主要有以下四类方法:基于客户所提出的需求提供服务、基于固定的时间提供服务、基于业务系统记录的要求提供服务、基于局部数据主动提供对应服务。其中,基于客户所提出的需求提供服务,是根据客户主动提出的服务需求,向客户提供的被动服务,不能主动发现客户的服务需求。基于固定的时间提供服务,根据前期所制定的标准服务时间要求,在固定的时间向客户发起服务邀约,未能考虑到客户的实际用车习惯、车辆情况,往往即满足不了客户的服务要求,又打扰客户。基于业务系统记录的要求提供服务,目前采用该种服务模式的车企较多。也就是通过业务系统记录客户可能的下次服务需求时间,并在这个时间到达时提供邀约服务,然而在未来的一段时间里,即无法精准识别客户是否出现特殊情况,也无法识别出在这个时间段内是否会产生更多的服务需求。另外,需要人工及时在服务时间发起服务,不能通过技术手段主动的来发起服务邀约。基于局部数据主动提供对应服务,例如部分车企借助车载设备,读取车辆相关数据,并通过该数据向客户发起主动服务;还有部分车企借且所记录的维修记录,通过简单的规则来预测客户的服务需求时间,具备一定的片面性。此种服务虽然具备一定的主动服务特点,然后所提供的服务比较偏面,在整个车辆服务周期内,所涉及的范围较小,比较分散,客户感知度比较有限。
因此,现有技术还有待于改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种基于大数据分析的车辆智慧服务方法、装置及智能终端,旨在解决现有技术中不能主动发现客户的服务需求、未能考虑到客户的实际用车习惯和车辆情况、无法精准识别客户是否出现特殊情况以及服务感知有限的问题。
本发明解决技术问题所采用的技术方案如下:
第一方面,本发明提供一种基于大数据分析的车辆智慧服务方法,其中,所述方法包括:
采集原始车辆服务数据,并对所述原始车辆服务数据进行加密和预处理,得到最终车辆服务数据,其中,所述原始车辆服务数据包括私域数据和公域数据;
根据所述最终车辆服务数据建立服务场景;
基于所述服务场景,应用预设的算法模型对所述最终车辆服务数据进行分析,得到所述服务场景所对应的主动服务线索和服务触发条件,其中所述主动服务线索包括服务场景、动作规则配置、线索捕捉方式和推送方式,所述服务触发条件包括触发方式、触发时间和触发对象;
根据所述服务触发条件,下达所述主动服务线索,并根据所述主动服务线索,为车辆提供服务。
根据上述技术手段,本申请实施例首先采集原始车辆服务数据,并对原始车辆服务数据进行加密和预处理,得到最终车辆服务数据,避免了因数据较少导致分析结果存在盲点以及限制的问题。然后,根据最终车辆服务数据建立服务场景,通过对车辆服务数据的分析智能地建立不同的服务场景,克服了被动提供服务、按固定时间提供服务、依靠人工判断来提供服务、以及依据局部数据提供分散的对应服务等缺限。接着,基于服务场景,建立并训练算法模型,并根据所述算法模型对所述最终车辆服务数据进行分析,得到主动服务线索和服务触发条件,通过应用算法模型对服务的对象、时间、方式及服务经销商的精准识别,在客户需要服务时,及时、主动的产生服务线索。最后根据服务触发条件,下达主动服务线索,并根据主动服务线索,为车辆提供服务,根据线索提供主动服务,避免错过及时服务时间,可以有效的提升客户服务满意度,并在主动服务过程中挖掘客户服务价值。
在一种实现方式中,所述采集原始车辆服务数据,包括:
获取每个车辆的唯一标识,并根据所述唯一标识收集每个车辆在DCS/DMS系统中的客户资料、历史维保数据和车况数据、车企的车机系统中的车辆行驶数据以及车企的备件管理系统中的备件数据;其中,所述唯一标识包括车架号、驾驶证号、身份证号、微信号;
根据所述客户资料、历史维保数据、车况数据、车辆行驶数据和备件数据,得到所述私域数据;
根据所述唯一标识收集公域数据平台中的车险保单数据和车辆维保数据;
根据所述车险保单数据和车辆维保数据,得到所述公域数据;
汇集所述私域数据和公域数据,得到原始车辆服务数据。
根据上述技术手段,本申请实施例同时采集公域数据和私域数据,使得数据源更为全面,避免了因数据较少导致分析结果存在盲点以及限制的问题。
在一种实现方式中,所述对所述原始车辆服务数据进行加密和预处理,得到最终车辆服务数据,包括:
通过sha1安全散列算法对所述原始车辆服务数据进行加密,得到加密后的车辆服务数据;
对所述加密后的车辆服务数据进行数据清洗,得到所述最终车辆服务数据,其中所述数据清洗包括数据去重、缺失值填补、异常值去除、数据标准化和数据转换。
根据上述技术手段,本申请实施例通过对原始车辆服务数据进行加密,提高了数据安全性。通过对原始车辆服务数据进行数据清洗可以消除数据错误和噪声、提高数据的准确性和可靠性,从而并提高分析和建模的精度。
在一种实现方式中,所述根据所述最终车辆服务数据建立服务场景,包括:
根据所述客户资料,构建主动关怀场景;
根据所述历史维保数据、车况数据、车辆行驶数据、车险保单数据和车辆维保数据,构建车辆保养到期服务场景;
根据所述车况数据、车辆行驶数据和备件数据,构建事故维修主动服务场景和故障维修主动服务场景;
根据所述客户资料、车况数据和备件数据,构建美容改装主动服务场景;
分析所述最终车辆服务数据的数据特征,并根据所述数据特征,创建创新型主动服务场景;
根据所述主动关怀场景、车辆保养到期服务场景、事故维修主动服务场景、故障维修主动服务场景、美容改装主动服务场景和创新型主动服务场景,得到所述服务场景。
根据上述技术手段,本申请实施例通过对车辆服务数据的分析智能地建立不同的服务场景,克服了被动提供服务、按固定时间提供服务、依靠人工判断来提供服务、以及依据局部数据提供分散的对应服务等缺限。
在一种实现方式中,所述基于所述服务场景,应用预设的算法模型对所述最终车辆服务数据进行分析,得到所述服务场景所对应的主动服务线索和服务触发条件之前,包括:
为每个服务场景,分别建立算法模型;
获取每个场景的训练数据集,并通过所述训练数据集对所述算法模型进行训练,得到每个服务场景对应的算法模型。
根据上述技术手段,本申请实施例通过为每个服务场景建立算法模型,并对模型进行训练,实现了通过应用算法模型对服务的对像、时间、方式及服务经销商的精准识别,在客户需要服务时,及时、主动的产生服务线索,即实现智能化分析过程。
在一种实现方式中,所述根据所述服务触发条件,下达所述主动服务线索,并根据所述主动服务线索,为车辆提供服务,包括:
在到达所述触发时间,触发所述触发对象采用所述触发方式下发所述主动服务线索,并获取下发结果;
若所述下发结果为下发成功,则根据所述主动服务线索,为车辆提供服务,并获取客户评价信息和服务过程数据;
若所述下发结果为下发失败,则获取失败原因,并根据所述失败原因发送提示信息;其中,所述提示信息中包括失败原因和整改措施。
根据上述技术手段,本申请实施例根据主动服务线索提供主动服务,避免错过及时服务时间,通过对下发结果进行判断,可以保证服务的实施效果,提升客户满意度。
在一种实现方式中,所述方法还包括:
将所述服务过程数据汇集进所述最终车辆服务数据中,重新执行所述基于所述服务场景,应用预设的算法模型对所述最终车辆服务数据进行分析,得到所述服务场景所对应的主动服务线索和服务触发条件的步骤;
对所述客户评价信息和服务过程数据进行分析,得到优化方案,并根据所述优化方案对所述主动服务线索进行优化。
根据上述技术手段,本申请实施例通过应用算法模型对服务的对像、时间、方式及服务经销商的精准识别,在客户需要服务时,及时、主动的产生服务线索。通过对客户评价信息的搜集和分析,可以有效的提升客户服务满意度,并在主动服务过程中挖掘客户服务价值。
第二方面,本发明实施例还提供一种基于大数据分析的车辆智慧服务装置,其中,所述装置包括:
数据采集模块,用于采集原始车辆服务数据,并对所述原始车辆服务数据进行加密和预处理,得到最终车辆服务数据,其中,所述原始车辆服务数据包括私域数据和公域数据;
服务场景建立模块,用于根据所述最终车辆服务数据建立服务场景;
分析模块,用于应用预设的算法模型对所述最终车辆服务数据进行分析,得到所述服务场景所对应的主动服务线索和服务触发条件,其中所述主动服务线索包括服务场景、动作规则配置、线索捕捉方式和推送方式,所述服务触发条件包括触发方式、触发时间和触发对象;
服务模块,用于根据所述服务触发条件,下达所述主动服务线索,并根据所述主动服务线索,为车辆提供服务。
第三方面,本发明实施例还提供一种智能终端,其中,所述智能终端包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的基于大数据分析的车辆智慧服务程序,所述处理器执行所述基于大数据分析的车辆智慧服务程序时,实现如以上任一项所述的基于大数据分析的车辆智慧服务方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,其中,所述计算机可读存储介质上存储有基于大数据分析的车辆智慧服务程序,所述基于大数据分析的车辆智慧服务程序被处理器执行时,实现如以上任一项所述的基于大数据分析的车辆智慧服务方法的步骤。
有益效果:
(1)本申请实施例采集原始车辆服务数据,并对原始车辆服务数据进行加密和预处理,得到最终车辆服务数据,通过打通各业务系统的私域数据和外部公域数据,避免了因数据较少导致分析结果存在盲点以及限制的问题。然后,根据最终车辆服务数据建立服务场景,通过对车辆服务数据的分析智能地建立不同的服务场景,克服了被动提供服务、按固定时间提供服务、依靠人工判断来提供服务、以及依据局部数据提供分散的对应服务等缺限。接着,基于服务场景,建立并训练算法模型,并根据所述算法模型对所述最终车辆服务数据进行分析,得到主动服务线索和服务触发条件,通过应用算法模型对服务的对像、时间、方式及服务经销商的精准识别,在客户需要服务时,及时、主动的产生服务线索。最后根据服务触发条件,下达主动服务线索,并根据主动服务线索,为车辆提供服务,根据线索提供主动服务,避免错过及时服务时间,可以有效的提升客户服务满意度,并在主动服务过程中挖掘客户服务价值。
(2)本申请实施例通过对原始车辆服务数据进行加密,提高了数据安全性。通过对原始车辆服务数据进行数据清洗可以消除数据错误和噪声、提高数据的准确性和可靠性,从而并提高分析和建模的精度。
(3)本申请实施例通过对下发结果进行监控,可以及时的发现服务线索下发过程中的故障点,通过对故障的及时清除保证了主动服务的实施效果,提升客户满意度。
本申请附加的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,或通过本申请的实践了解到。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有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中记载的一些实施例,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是本发明实施例提供的基于大数据分析的车辆智慧服务方法流程示意图。
图2是本发明实施例提供的方法构建流程和实施路径示意图。
图3是本发明实施例提供的基于大数据分析的车辆智慧服务装置的原理框图。
图4是本发明实施例提供的智能终端的内部结构原理框图。
具体实施方式
以下将参照附图和优选实施例来说明本发明的实施方式,本领域技术人员可由本说明书中所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。 应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
数字化已经渗透进汽车全产业链之中,汽车企业都在大张旗鼓地进行数字化转型升级。当前汽车产业随着汽车市场从增量市场向保有量市场的转移,产值收益也在向售后方向转移,汽车企业售后业务需要在独立售后、备件管理、呆滞件销售、事故车维修等方面入手,完成数字化转型升级。同时,在后市场领域中,与保险行业建立跨行业协作,在数据、业务两个层面实现共研共建共赢。
传统的汽车售后服务存在以下问题:
1、主动服务内容有局限性,覆盖范围较小,未能覆盖车辆全生命周期的服务范围。
2、未能及时、准确的主动识别出客户的服务需求,不能在客户需要服务时,及时发起服务邀约。
3、依靠人工记录、判断、并在规定的时间里,发起服务邀约,比较容易造成误判、错失最佳服务时间。
4、在仅使用比较分散的独立数据进行分析时,没有打通车辆服务全链接路的数据,存在数据较少、数据分散、比较片面性的技术问题、以及主动服务的精准性问题;
5、当市场环境和数据情况产生变化时,难以及时发现变动并快速进行调整应对策略。
针对上述问题,本发明提出一种智慧主动服务识别方法,克服了被动提供服务、按固定时间提供服务、依靠人工判断来提供服务、以及依据局部数据提供分散的对应服务等缺限。本发明通过打通各业务系统的私域数据和外部公域数据,避免了因数据较少导致分析结果存在盲点以及限制的技术弱点。同时,提出了结合车企的技术服务政策、车辆状况、以及客户特征,能够结合各算法模型组合应用,最大限度的对数据进行挖掘应用,力求基于数据,去精准驱动业务,实现智慧化主动服务。另外也兼顾了客户对服务体验的改善。
示例性方法
本实施例提供一种基于大数据分析的车辆智慧服务方法。如图1所示,所述方法包括如下步骤:
步骤S100、采集原始车辆服务数据,并对所述原始车辆服务数据进行加密和预处理,得到最终车辆服务数据,其中,所述原始车辆服务数据包括私域数据和公域数据。
具体地,私域数据是指通过企业拥有和控制的用户数据和沟通渠道,通常是指企业自身的客户群体获取的数据。这些数据和渠道包括企业自己的官方网站、小程序商城、公众号、微信群、企业微信或个人微信等。私域数据对企业来说具有高度的可控性和可定制性,在私域中,企业可以自由地收集、分析和利用用户数据,以更好地了解用户需求和行为,与用户进行直接的沟通、推广和销售,并建立更紧密的用户关系。公域数据是指通过企业无法直接掌控和管理的市场环境和渠道获取的数据。这些包括百度抖音搜索引擎、社交媒体如抖音快手、第三方网站和公共事务平台等。
具体地,在仅使用比较分散的独立数据进行分析时,若没有打通车辆服务全链接路的数据,就会造成数据较少、数据分散、比较片面性的技术问题从而导致主动服务的精准性下降。本实施例中将来自私域数据和公域数据的车辆服务数据打通,既可以得到企业自身的客户群体的数据,又可以获取第三方网站和公共事务平台数据,实现了数据的丰富性和多样性,进而提高了后续的服务的精准性。
在一种实现方式中,本实施例所述步骤S100包括如下步骤:
步骤S101、获取每个车辆的唯一标识,并根据所述唯一标识收集每个车辆在DCS/DMS系统中的客户资料、历史维保数据和车况数据、车企的车机系统中的车辆行驶数据以及车企的备件管理系统中的备件数据;其中,所述唯一标识包括车架号、驾驶证号、身份证号、微信号;
具体地,因对于同一个客户或者同一辆车,私域数据和公域数据来源不同,这就需要根据用户标识进行统一,就可以通过唯一标识将私域数据与公域数据打通且不产生数据冲突和混乱。本实施例通过车架号(VIN)、手机号、证件号、备件编码、微信小程序标识等创建OneID匹配联动机制,其中,微信小程序标识即openid客户唯一标识,unionid同一客户在不同应用中的唯一标识,appid应用唯一标识,确保多方数据安全性。
步骤S102、根据所述客户资料、历史维保数据、车况数据、车辆行驶数据和备件数据,得到所述私域数据;
具体地,本实施例中私域数据中的客户资料包括姓名、电话、年龄、性别、证件类型、证件号、所在城市、职业。历史维保数据:维修日期、维修类型、送修人、维保项目、维保备件、维修金额、支付方式。车况数据包括刹车片使用情况、轮胎使用情况、空汽滤芯使用情况、空调滤芯使用情况。车辆行驶数据包括车辆当前里程、日行驶里程、日行驶时间、日打火次数。备件数据包括备件编码、备件名称、备件库存、备件价格、备件适用车型。
步骤S103、根据所述唯一标识收集公域数据平台中的车险保单数据和车辆维保数据;
步骤S104、根据所述车险保单数据和车辆维保数据,得到所述公域数据;
步骤S105、汇集所述私域数据和公域数据,得到原始车辆服务数据。
具体地,本实施例中公域数据包括公域数据平台中的车险保单数据、车辆外部维保数据、二手车交易数据等。将公域数据与公域数据打通,再通过唯一标识进行合并,就可以确保双方数据拉通的统一性。
步骤S106、通过sha1安全散列算法对所述原始车辆服务数据进行加密,得到加密后的车辆服务数据;
步骤S107、对所述加密后的车辆服务数据进行数据清洗,得到所述最终车辆服务数据,其中所述数据清洗包括数据去重、缺失值填补、异常值去除、数据标准化和数据转换。
具体地,数据清洗是指对数据进行处理和加工,以使其适合进行分析和建模。数据清洗包括去除重复数据、填补缺失值、处理异常值和转换数据格式等操作,以提高数据的准确性和可靠性。数据清洗通常是数据处理过程的一个必要步骤,它可以消除数据错误和噪声,并提高分析和建模的精度。
具体地,如图2所示,本实施例数据进行sha1加密,确保多方数据拉通的安全性。再对打通后的数据进行清洗,从而把数据接入到大数据平台。
步骤S200、根据所述最终车辆服务数据建立服务场景。
在一种实现方式中,本实施例所述步骤S200包括如下步骤:
步骤S201、根据所述客户资料,构建主动关怀场景;
步骤S202、根据所述历史维保数据、车况数据、车辆行驶数据、车险保单数据和车辆维保数据,构建车辆保养到期服务场景;
步骤S203、根据所述车况数据、车辆行驶数据和备件数据,构建事故维修主动服务场景和故障维修主动服务场景;
步骤S204、根据所述客户资料、车况数据和备件数据,构建美容改装主动服务场景;
步骤S205、分析所述最终车辆服务数据的数据特征,并根据所述数据特征,创建创新型主动服务场景;
步骤S206、根据所述主动关怀场景、车辆保养到期服务场景、事故维修主动服务场景、故障维修主动服务场景、美容改装主动服务场景和创新型主动服务场景,得到所述服务场景。
具体地,本实施例中,在汇聚各业务系统的数据后,并对数据进行分析,以避免因数据少而导致数据分析所得出的结果存在盲点以及限制,根据业务经验,结合数据可支撑到的业务范围,建立主动服务业务场景通过对大数据进行分析可提供主动服务的业务范围,并建立业务场景。
具体地,通过分析客户数据内容与特征,建立针对人员的主动服务业务场景以及服务执行方式,例如客户生日关怀服务。通过分析车辆与维保数据内容与特征,建立针对车辆的主动服务业务场景,例如车辆保养主动邀约服务。通过大数据挖掘创新型服务模式和服务场景,例如准流失主动挽留服务。通过历史维保数据中的上一次保养时间、里程数,并结合车企对汽车售后保养的政策要求,构建车辆保养到期服务场景。还可通过业务专家对大数据进行分析,并根据数据特征,构建有利于提升车企权益和增加客户满意度的创新型服务场景。
举例说明,当获取到客户资料,就可以知道客户的出生日期,这样在客户生日当天,向客户主动推送关怀信息,并附上生日关怀礼,例如:生日当天进站保养,可以享受精美生日礼物一份。这就构建成了主动关怀场景。再比如,根据历史维保数据发现车辆上一次保养为6个月前,保养里程为20000公里,同时车企保养政策中规定,该车辆在6个月或行驶10000公里时,需要进行更换机油和机滤的保养,则在到达该日期时,应向客户主动发起保养提醒与服务邀请,这就构建成了车辆保养到期服务场景。再比如,当客户到达保养时间、但未能及时回站进行保养时,则该客户可能存在流失风险,并把该类客户定义为准流失客户,并为其建立准流失服务场景,在客户出现准流失时,触发准流失线索,对客户主动发起挽留服务,这就构建成了创新型主动服务场景。
步骤S300、应用预设的算法模型对所述最终车辆服务数据进行分析,得到所述服务场景所对应的主动服务线索和服务触发条件,其中所述主动服务线索包括服务场景、动作规则配置、线索捕捉方式和推送方式,所述服务触发条件包括触发方式、触发时间和触发对象。
具体地,通过建立算法模型并对车辆服务数据进行分析,可以确定由谁、在什么时候、通过什么方式、为谁、提供什么样服务的主动服务线索。本实施例中通过设计支撑主动服务场景运行的算法模型,可精准识别出主动服务的对像、时间、方式、服务内容、以及提供服务的经销商等。
具体地,如图2所示,服务中台的构建,通过计算机技术人员,构建主动服务线索的捕提与发起主动服务的服务中台构建服务中台的线索中心,实现线索捕提功能,用于把算法模型识别出来的主动服务线索捕提出来,并根据算法模型识别出来的触发方式、触发时间、以及触发对像,发起主动服务的触达与下发。
举例说明,服务中台根据捕提规则获取主动服务线索,例如是根据日期到达时进行捕提(例如保养日期到达时进行提醒)、还是服务需求产生时(车辆出现故障时立即捕提),立即进行捕提。再把服务线索通过客户端APP、企微管家服务群、短信息主动推送给客户,对客户进行服务关怀与服务提醒、邀约,同时把服务线索通过服务中台下发到服务经销商进行主动服务跟踪。
在一种实现方式中,本实施例所述步骤S300之前包括如下步骤:
步骤S301、为每个服务场景,分别建立算法模型;
步骤S302、获取每个场景的训练数据集,并通过所述训练数据集对所述算法模型进行训练,得到每个服务场景对应的算法模型;
具体地,本实施例中为服务场景建立的算法模型包含:主用车人识别算法模型,营运车辆识别算法模型、下次保养提醒日期算法模型、服务责任经销商算法模型、客户消费偏好识别算法、服务智能推荐算法模型等。每个场景中所用到的算法模型可为多个。分别获取每个场景的训练数据集,并通过训练数据集分别训练对应场景下的算法模型,得到每个服务场景下训练过的算法模型。再通过设计主用车人识别算法模型对客户、车辆特征进行识别,识别出一车关联多人时(如登记车主、实际主用车人、历史送修人)应该向哪一个人提供主动服务,避免不必要的打扰;识别出车辆特征后,提供个性化的主动服务,例如营运用途车辆由于日行驶里程较多,则提供主动服务的周期较短。通过下次保养提醒日期算法模型对主动服务的日期进行精准识别,识别出在某个相对最佳时间点,向客户触发主动服务,例如下次保养提醒日期的识别。通过服务责任经销商算法模型对服务经销商、服务方式进行精准识别,识别出哪一个服务经销商、以什么样的方式向客户提供主动服务为相对最佳。通过客户消费偏好识别算法对服务内容进行精准识别,识别出某个客户、某辆车需要获取什么样的服务内容(如服务项目、服务备件)。
举例说明,在一个实施例中,为了不打扰客户,应直接向主要使用车辆的人员来发起主动服务邀请,主用车人识别算法模型可通过大数据识别出某辆车在关联到多个人员时,该向哪个人员发起主动服务邀请,可以有效减少对其他人员的打扰。
步骤S400、根据所述服务触发条件,下达所述主动服务线索,并根据所述主动服务线索,为车辆提供服务。
在一种实现方式中,本实施例所述步骤S400包括如下步骤:
步骤S401、在到达所述触发时间,触发所述触发对象采用所述触发方式下发所述主动服务线索,并获取下发结果;
步骤S402、若所述下发结果为下发成功,则根据所述主动服务线索,为车辆提供服务,并获取客户评价信息和服务过程数据;
步骤S403、若所述下发结果为下发失败,则获取失败原因,并根据所述失败原因发送提示信息;其中,所述提示信息中包括失败原因和整改措施。
具体地,通过构建或打通与已有可触达或下发系统之间的通道,把主动服务线索直接触达或下发到客户端、服务经销商端。根据主动服务的需要,如果车企已经有的客户端、服务经销商端的系统可以满足主动服务触达和下发的需要,则直接进行打通使用。如果车企现有系统不能满足主动服务触达和下发的需要,则重新设计所需要的系统功能,用于实现主动服务的需要。同时,构建服务中台主动服务的执行跟踪功能,包括:线索查看功能、线索邀约功能、线索执行过程统计分析功能等,用于监控、推进、反馈执行结果。
举例说明,把主动服务线索直接触达或下发到车企现有的客户端APP,若客户端APP具备主动预约功能,并且能满足主动服务需要,则可以直接把服务中台与客户端APP进行数据打通;如果具备、但不能满足,则可以对客户端APP进行设计与功能改造。如果车企没有客户端APP或APP中不具备主动预约功能,则需要重新设计与实现该功能。客户收到服务提醒后,根据服务需求,主动发起或确认服务预约。客户在进行服务预约时,可以看到所推荐的服务内容(服务产品),并对服务内容、服务时间、服务提供经销商进行确认,确认无误后提交服务预约单。针对未及时接受服务的客户,服务经销商可以通过电话、企微管家服务群对客户进行联系与邀约。并登记联系邀约情况,包含登记联系成功与否、联系失败的原因信息。如果联系成功,可以直接代客进行服务预约。客户到店后,实施具体的维修、保养服务,并登记维修、保养服务的记录信息,产生新的维保数据。
在一种实现方式中,本实施例所述方法还包括如下步骤:
步骤M100、将所述服务过程数据汇集进所述最终车辆服务数据中,重新执行所述基于所述服务场景,应用预设的算法模型对所述最终车辆服务数据进行分析,得到所述服务场景所对应的主动服务线索和服务触发条件的步骤;
步骤M200、对所述客户评价信息和服务过程数据进行分析,得到优化方案,并根据所述优化方案对所述主动服务线索进行优化。
具体地,如图2所示,服务完成后,客户进行服务直评,并把整个服务过程执行数据,再次通过打通的数据接入方法,接入到大数据平台,并用于补充下一次主动服务发起的数据源,同时也完成整个主动服务的闭环。通过对数据和服务效果的分析,再对服务的智慧化、主动化方面进行更进一步的分析与优化。在算法模型层面,算法模型的实现,除了基于原有接入的大数据之外,还需要基于主动服务过程中所产生的数据,对算法模型进行回归持续优化迭代。通过服务中台功能层面进行持续优化迭代,不断完善汽车售后维保服务的智慧化与主动化。
具体地,针对未及时接受服务的客户,服务经销商可以通过电话、企微管家服务群对客户进行联系与邀约。并登记联系邀约情况,包含登记联系成功与否、联系失败的原因信息。如果联系成功,可以直接代客进行预约服务。客户到店后,实施具体的维修、保养服务,并登记维修、保养服务的记录信息,产生新的维保数据。实现了在市场环境、客户需求特点、车辆情况、数据情况发生变化时,通过对数据的分析能够及时发现问题,并通过优化算法模型来快速调整主动服务策略。
示例性装置
如图3中所示,本实施例还提供一种基于大数据分析的车辆智慧服务装置,所述装置包括:
数据采集模块10,用于采集原始车辆服务数据,并对所述原始车辆服务数据进行加密和预处理,得到最终车辆服务数据,其中,所述原始车辆服务数据包括私域数据和公域数据;
服务场景建立模块20,用于根据所述最终车辆服务数据建立服务场景;
分析模块30,用于应用预设的算法模型对所述最终车辆服务数据进行分析,得到所述服务场景所对应的主动服务线索和服务触发条件,其中所述主动服务线索包括服务场景、动作规则配置、线索捕捉方式和推送方式,所述服务触发条件包括触发方式、触发时间和触发对象;
服务模块40,用于根据所述服务触发条件,下达所述主动服务线索,并根据所述主动服务线索,为车辆提供服务。
在一种实现方式中,所述数据采集模块10包括:
标识单元,获取每个车辆的唯一标识,并根据所述唯一标识收集每个车辆在DCS/DMS系统中的客户资料、历史维保数据和车况数据、车企的车机系统中的车辆行驶数据以及车企的备件管理系统中的备件数据;其中,所述唯一标识包括车架号、驾驶证号、身份证号、微信号;
私域数据获取单元,用于根据所述客户资料、历史维保数据、车况数据、车辆行驶数据和备件数据,得到所述私域数据;
维保数据获取单元,用于根据所述唯一标识收集公域数据平台中的车险保单数据和车辆维保数据;
公域数据获取单元,用于根据所述车险保单数据和车辆维保数据,得到所述公域数据;
原始车辆服务数据获取单元,用于汇集所述私域数据和公域数据,得到原始车辆服务数据。
加密单元,用于通过sha1安全散列算法对所述原始车辆服务数据进行加密,得到加密后的车辆服务数据;
数据清洗单元,用于对所述加密后的车辆服务数据进行数据清洗,得到所述最终车辆服务数据,其中所述数据清洗包括数据去重、缺失值填补、异常值去除、数据标准化和数据转换。
在一种实现方式中,所述服务场景建立模块20包括:
主动关怀场景构建单元,用于根据所述客户资料,构建主动关怀场景;
车辆保养到期服务场景构建单元,用于根据所述历史维保数据、车况数据、车辆行驶数据、车险保单数据和车辆维保数据,构建车辆保养到期服务场景;
维修场景构建单元,用于根据所述车况数据、车辆行驶数据和备件数据,构建事故维修主动服务场景和故障维修主动服务场景;
美容改装主动服务场景构建单元,用于根据所述客户资料、车况数据和备件数据,构建美容改装主动服务场景;
创新型主动服务场景构建单元,用于分析所述最终车辆服务数据的数据特征,并根据所述数据特征,创建创新型主动服务场景;
服务场景构建单元,用于根据所述主动关怀场景、车辆保养到期服务场景、事故维修主动服务场景、故障维修主动服务场景、美容改装主动服务场景和创新型主动服务场景,得到所述服务场景。
在一种实现方式中,所述分析模块30包括:
建模单元,用于为每个服务场景,分别建立算法模型;
模型训练单元,用于从所述最终车辆服务数据中提取训练数据集,并通过所述训练数据集对所述算法模型进行训练,得到每个服务场景的算法模型;
算法分析单元,用于在每个服务场景下,分别通过所述算法模型对所述最终车辆服务数据进行分析,得到每个场景下的主动服务线索和服务触发条件,其中所述主动服务线索包括服务场景、动作规则配置、线索捕捉方式和推送方式,所述服务触发条件包括触发方式、触发时间、以及触发对象。
在一种实现方式中,所述服务模块40包括:
线索下发单元,用于在到达所述触发时间,触发所述触发对象采用所述触发方式下发所述主动服务线索,并获取下发结果;
主动服务单元,用于若所述下发结果为下发成功,则根据所述主动服务线索,为车辆提供服务,并获取客户评价信息和服务过程数据;
故障报警单元,用于若所述下发结果为下发失败,则获取失败原因,并根据所述失败原因发送提示信息;其中,所述提示信息中包括失败原因和整改措施。
在一种实现方式中,本实施例所述装置还包括:
算法迭代单元,用于将所述服务过程数据汇集进所述最终车辆服务数据中,重新执行所述基于所述服务场景,应用预设的算法模型对所述最终车辆服务数据进行分析,得到所述服务场景所对应的主动服务线索和服务触发条件的步骤;
优化单元,用于对所述客户评价信息和服务过程数据进行分析,得到优化方案,并根据所述优化方案对所述主动服务线索进行优化。
基于上述实施例,本发明还提供了一种智能终端,其原理框图可以如图4所示。该智能终端包括通过系统总线连接的处理器、存储器、网络接口、显示屏、温度传感器。其中,该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于大数据分析的车辆智慧服务方法。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏,该智能终端的温度传感器是预先在智能终端内部设置,用于检测内部设备的运行温度。
本领域技术人员可以理解,图4中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的智能终端的限定,具体的智能终端以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种智能终端,智能终端包括存储器、处理器及存储在存储器中并可在处理器上运行的基于大数据分析的车辆智慧服务程序,处理器执行基于大数据分析的车辆智慧服务程序时,实现如下操作指令:
采集原始车辆服务数据,并对所述原始车辆服务数据进行加密和预处理,得到最终车辆服务数据,其中,所述原始车辆服务数据包括私域数据和公域数据;
根据所述最终车辆服务数据建立服务场景;
基于所述服务场景,应用预设的算法模型对所述最终车辆服务数据进行分析,得到所述服务场景所对应的主动服务线索和服务触发条件,其中所述主动服务线索包括服务场景、动作规则配置、线索捕捉方式和推送方式,所述服务触发条件包括触发方式、触发时间和触发对象;
根据所述服务触发条件,下达所述主动服务线索,并根据所述主动服务线索,为车辆提供服务。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、运营数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双运营数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上,本发明公开了一种基于大数据分析的车辆智慧服务方法、装置及智能终端,所述方法包括采集原始车辆服务数据,并对原始车辆服务数据进行加密和预处理,得到最终车辆服务数据,其中,原始车辆服务数据包括私域数据和公域数据;根据最终车辆服务数据建立服务场景;基于服务场景,建立并训练算法模型,并根据算法模型对最终车辆服务数据进行分析,得到主动服务线索和服务触发条件;根据服务触发条件,下达所述主动服务线索,并根据主动服务线索,为车辆提供服务。本发明的可提供智慧主动服务,通过打通私域数据和外部公域数据,扩充了数据。同时,能够结合各算法模型组合应用,最大限度的对数据进行挖掘应用,改善了服务体验。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于大数据分析的车辆智慧服务方法,其特征在于,所述方法包括:
采集原始车辆服务数据,并对所述原始车辆服务数据进行加密和预处理,得到最终车辆服务数据,其中,所述原始车辆服务数据包括私域数据和公域数据;
根据所述最终车辆服务数据建立服务场景;
基于所述服务场景,应用预设的算法模型对所述最终车辆服务数据进行分析,得到所述服务场景所对应的主动服务线索和服务触发条件,其中所述主动服务线索包括服务场景、动作规则配置、线索捕捉方式和推送方式,所述服务触发条件包括触发方式、触发时间和触发对象;
根据所述服务触发条件,下达所述主动服务线索,并根据所述主动服务线索,为车辆提供服务。
2.根据权利要求1所述的基于大数据分析的车辆智慧服务方法,其特征在于,所述采集原始车辆服务数据,包括:
获取每个车辆的唯一标识,并根据所述唯一标识收集每个车辆在DCS/DMS系统中的客户资料、历史维保数据和车况数据、车企的车机系统中的车辆行驶数据以及车企的备件管理系统中的备件数据;其中,所述唯一标识包括车架号、驾驶证号、身份证号、微信号;
根据所述客户资料、历史维保数据、车况数据、车辆行驶数据和备件数据,得到所述私域数据;
根据所述唯一标识收集公域数据平台中的车险保单数据和车辆维保数据;
根据所述车险保单数据和车辆维保数据,得到所述公域数据;
汇集所述私域数据和公域数据,得到原始车辆服务数据。
3.根据权利要求1所述的基于大数据分析的车辆智慧服务方法,其特征在于,所述对所述原始车辆服务数据进行加密和预处理,得到最终车辆服务数据,包括:
通过sha1安全散列算法对所述原始车辆服务数据进行加密,得到加密后的车辆服务数据;
对所述加密后的车辆服务数据进行数据清洗,得到所述最终车辆服务数据,其中所述数据清洗包括数据去重、缺失值填补、异常值去除、数据标准化和数据转换中的一种或者多种。
4.根据权利要求2所述的基于大数据分析的车辆智慧服务方法,其特征在于,所述根据所述最终车辆服务数据建立服务场景,包括:
根据所述客户资料,构建主动关怀场景;
根据所述历史维保数据、车况数据、车辆行驶数据、车险保单数据和车辆维保数据,构建车辆保养到期服务场景;
根据所述车况数据、车辆行驶数据和备件数据,构建事故维修主动服务场景和故障维修主动服务场景;
根据所述客户资料、车况数据和备件数据,构建美容改装主动服务场景;
分析所述最终车辆服务数据的数据特征,并根据所述数据特征,创建创新型主动服务场景;
根据所述主动关怀场景、车辆保养到期服务场景、事故维修主动服务场景、故障维修主动服务场景、美容改装主动服务场景和创新型主动服务场景,得到所述服务场景。
5.根据权利要求1所述的基于大数据分析的车辆智慧服务方法,其特征在于,所述基于所述服务场景,应用预设的算法模型对所述最终车辆服务数据进行分析,得到所述服务场景所对应的主动服务线索和服务触发条件之前,包括:
为每个服务场景,分别建立算法模型;
获取每个场景的训练数据集,并通过所述训练数据集对所述算法模型进行训练,得到每个服务场景对应的算法模型。
6.根据权利要求5所述的基于大数据分析的车辆智慧服务方法,其特征在于,所述根据所述服务触发条件,下达所述主动服务线索,并根据所述主动服务线索,为车辆提供服务,包括:
在到达所述触发时间,触发所述触发对象采用所述触发方式下发所述主动服务线索,并获取下发结果;
若所述下发结果为下发成功,则根据所述主动服务线索,为车辆提供服务,并获取客户评价信息和服务过程数据;
若所述下发结果为下发失败,则获取失败原因,并根据所述失败原因发送提示信息;其中,所述提示信息中包括失败原因和整改措施。
7.根据权利要求6所述的基于大数据分析的车辆智慧服务方法,其特征在于,所述方法还包括:
将所述服务过程数据汇集进所述最终车辆服务数据中,重新执行所述基于所述服务场景,应用预设的算法模型对所述最终车辆服务数据进行分析,得到所述服务场景所对应的主动服务线索和服务触发条件的步骤;
对所述客户评价信息和服务过程数据进行分析,得到优化方案,并根据所述优化方案对所述主动服务线索进行优化。
8.一种基于大数据分析的车辆智慧服务装置,其特征在于,所述装置包括:
数据采集模块,用于采集原始车辆服务数据,并对所述原始车辆服务数据进行加密和预处理,得到最终车辆服务数据,其中,所述原始车辆服务数据包括私域数据和公域数据;
服务场景建立模块,用于根据所述最终车辆服务数据建立服务场景;
分析模块,用于基于所述服务场景,应用预设的算法模型对所述最终车辆服务数据进行分析,得到所述服务场景所对应的主动服务线索和服务触发条件,其中所述主动服务线索包括服务场景、动作规则配置、线索捕捉方式和推送方式,所述服务触发条件包括触发方式、触发时间和触发对象;
服务模块,用于根据所述服务触发条件,下达所述主动服务线索,并根据所述主动服务线索,为车辆提供服务。
9.一种智能终端,其特征在于,所述智能终端包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的基于大数据分析的车辆智慧服务程序,所述处理器执行所述基于大数据分析的车辆智慧服务程序时,实现如权利要求1-7任一项所述的基于大数据分析的车辆智慧服务方法的步骤。
10.一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上存储有基于大数据分析的车辆智慧服务程序,所述基于大数据分析的车辆智慧服务程序被处理器执行时,实现如权利要求1-7任一项所述的基于大数据分析的车辆智慧服务方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311384097.6A CN117390647A (zh) | 2023-10-24 | 2023-10-24 | 基于大数据分析的车辆智慧服务方法、装置及智能终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311384097.6A CN117390647A (zh) | 2023-10-24 | 2023-10-24 | 基于大数据分析的车辆智慧服务方法、装置及智能终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117390647A true CN117390647A (zh) | 2024-01-12 |
Family
ID=89462617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311384097.6A Pending CN117390647A (zh) | 2023-10-24 | 2023-10-24 | 基于大数据分析的车辆智慧服务方法、装置及智能终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117390647A (zh) |
-
2023
- 2023-10-24 CN CN202311384097.6A patent/CN117390647A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11030702B1 (en) | Mobile insurance platform system | |
US11842404B2 (en) | Enhancement using analytics based on vehicle kinematic data | |
US20200090208A1 (en) | Rewards for custom data transmissions | |
CA2948106C (en) | Systems and method for tracking behavior of networked devices using hybrid public-private blockchain ledgers | |
US10140782B2 (en) | Vehicle sharing tool based on vehicle condition assessments | |
US10109119B2 (en) | System and method for automotive diagnostic tool data collection and analysis | |
CN106458110B (zh) | 用于促进汽车机修工之间的协作的系统和方法 | |
US11250283B1 (en) | Verifying odometer mileage using captured images and optical character recognition (OCR) | |
US20160063640A1 (en) | Systems And Methods For Verification Of Vehicle Mileage Readings | |
US11095655B2 (en) | Person-to-person network architecture for secure authorization and approval | |
US20190259093A1 (en) | Blockchain-based connected user communication and interface system | |
US20130325943A1 (en) | Systems and methods for the reporting of social incidents, interests, and/or services | |
CN105144140A (zh) | 用于远程信息控制及通信的系统及方法 | |
CN103747092A (zh) | 一种汽车售后管理系统和方法 | |
US11928898B2 (en) | Systems and methods for facilitating vehicle related problems | |
CN110648244A (zh) | 基于区块链的车险方案生成方法、装置和行车数据处理系统 | |
US20210303350A1 (en) | System for tracking a resource performance and maintenance | |
US9996885B1 (en) | System and method for facilitating vehicle insurance services | |
CN117390647A (zh) | 基于大数据分析的车辆智慧服务方法、装置及智能终端 | |
US20210303349A1 (en) | System for tracking a resource maintenance and resource capabilities | |
US20230351380A1 (en) | Systems and methods for generating a smart contract for a parametric event using machine learning algorithms | |
US20230169497A1 (en) | Automotive payment platform | |
US11068999B1 (en) | Social media data aggregation to optimize underwriting | |
US20220414495A1 (en) | System and method for determining expected loss using a machine learning framework | |
Colot et al. | Connected Car Platforms, A Field Trial: Are They Ready for Usage-Based Insurance? |
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 |