CN117522529A - 基于数据分析的智慧药房推荐方法及系统 - Google Patents
基于数据分析的智慧药房推荐方法及系统 Download PDFInfo
- Publication number
- CN117522529A CN117522529A CN202410017441.6A CN202410017441A CN117522529A CN 117522529 A CN117522529 A CN 117522529A CN 202410017441 A CN202410017441 A CN 202410017441A CN 117522529 A CN117522529 A CN 117522529A
- Authority
- CN
- China
- Prior art keywords
- intelligent pharmacy
- pharmacy
- user
- intelligent
- order
- 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 45
- 238000007405 data analysis Methods 0.000 title claims abstract description 26
- 238000013139 quantization Methods 0.000 claims abstract description 37
- 229940126532 prescription medicine Drugs 0.000 claims abstract description 14
- 239000003814 drug Substances 0.000 claims description 110
- 229940079593 drug Drugs 0.000 claims description 62
- 230000006399 behavior Effects 0.000 claims description 35
- 239000000955 prescription drug Substances 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000012946 outsourcing Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000820 nonprescription drug Substances 0.000 description 1
- 230000000630 rising effect Effects 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及数据分析技术领域，具体涉及基于数据分析的智慧药房推荐方法及系统，包括：采集每个智慧药房的开设天数和每个订单的订单数据，确定每个智慧药房的服务完善量化指标，根据每个智慧药房的复购用户的购药行为规律量化指标和复购用户在每个智慧药房的订单中处方药品的种类数量，确定用户对每个智慧药房的选择倾向量化指标，根据每个智慧药房的服务完善量化指标和用户对每个智慧药房的选择倾向量化指标，确定每个智慧药房的推荐值，根据每个智慧药房的开设天数对每个智慧药房的推荐值进行修正，根据修正后的推荐值向用户推荐智慧药房。本发明通过客观数据确定每个智慧药房的推荐值，提高推荐的智慧药房的服务质量，提高用户的服务体验感。
Description
技术领域
本发明涉及数据分析技术领域，具体涉及基于数据分析的智慧药房推荐方法及系统。
背景技术
现代化的智慧药房的兴起可以满足人们24小时的用药需求，提供更高效、便捷、安全的药品分发和健康服务的药房模式，随着移动端设备的普及，用户可以通过智慧药房在线平台方便快速地完成访问药品信息、咨询医生、药品下单等流程。
为满足用户线上购药的需求，智慧药房在线平台通过智慧药房推荐系统向用户推荐智慧药房；现有的智慧药房推荐系统中，通常是依据智慧药房的历史评分数据，根据智慧药房的综合评分和好评率，向用户推荐评价好的智慧药房。由于评分数据受到优惠活动和用户习惯等不确定性因素影响，通过上述方案推荐的智慧药房的服务质量不好，导致用户的服务体验感较差。
发明内容
本发明提供基于数据分析的智慧药房推荐方法及系统，以解决现有的问题。
本发明提供了基于数据分析的智慧药房推荐方法，该方法包括以下步骤：
采集每个智慧药房的开设天数和每个订单的订单数据；所述订单数据包括订单的捡取药品估计时间、捡取药品时间、用户以及订单中的所有种药品的类型，所述类型包括处方药品以及非处方药品；
根据每个智慧药房的所有订单的捡取药品时间和捡取药品估计时间，确定每个智慧药房的服务完善量化指标；
根据每个复购用户的相邻两个订单的时间间隔和相邻两个订单中药品的重复数量，确定复购用户的购药行为规律量化指标；
根据每个智慧药房的复购用户的购药行为规律量化指标和复购用户在每个智慧药房的订单中处方药品的种类数量，确定用户对每个智慧药房的选择倾向量化指标；
根据每个智慧药房的服务完善量化指标和用户对每个智慧药房的选择倾向量化指标，确定每个智慧药房的推荐值；
根据每个智慧药房的开设天数对每个智慧药房的推荐值进行修正，确定每个智慧药房修正后的推荐值；
根据修正后的推荐值向用户推荐智慧药房。
进一步地，所述根据每个智慧药房的所有订单的捡取药品时间和捡取药品估计时间，确定每个智慧药房的服务完善量化指标，包括：
；
式中，表示智慧药房的服务完善量化指标，n表示智慧药房的所有订单的数量，表示智慧药房的所有订单中的第i个订单的创建时间，/>表示智慧药房的所有订单中的第i个订单的捡取药品时间，/>表示智慧药房的所有订单中的第i个订单的捡取药品估计时间。
进一步地，所述根据每个复购用户的相邻两个订单的时间间隔和相邻两个订单中药品的重复数量，确定复购用户的购药行为规律量化指标，包括：
；
式中，w表示复购用户的购药行为规律量化指标，N表示复购用户的所有订单的数量，表示复购用户的所有订单中第j个订单的时间间隔，/>表示复购用户的所有订单的时间间隔的均值，/>表示复购用户的第j个订单的药品集合，/>表示复购用户的第j-1个订单的药品集合，/>表示交集，/>表示并集，/>表示集合中元素的数量，/>表示复购用户的第j个订单的药品集合和第j-1个订单的药品集合的交集中元素的数量，表示复购用户的第j个订单的药品集合和第j-1个订单的药品集合的并集中元素的数量。
进一步地，所述根据每个智慧药房的复购用户的购药行为规律量化指标和复购用户在每个智慧药房的订单中处方药品的种类数量，确定用户对每个智慧药房的选择倾向量化指标，包括：
；
式中，表示用户对智慧药房的选择倾向量化指标，/>表示该智慧药房的所有复购用户中的h个复购用户的购药行为规律量化指标，/>表示该智慧药房的h个复购用户购买的所有种处方药品的种类数量，/>表示该智慧药房的第h个复购用户购买的所有种药品的种类数量。
进一步地，所述根据每个智慧药房的服务完善量化指标和用户对每个智慧药房的选择倾向量化指标，确定每个智慧药房的推荐值，包括：
将每个智慧药房的服务完善量化指标和用户对每个智慧药房的选择倾向量化指标的乘积，作为每个智慧药房的推荐值。
进一步地，所述根据每个智慧药房的开设天数对每个智慧药房的推荐值进行修正，确定每个智慧药房修正后的推荐值，包括：
；
式中，表示智慧药房修正后的推荐值，s表示智慧药房的开设天数，M表示智慧药房推荐系统上所有智慧药房的数量，/>表示所有智慧药房中的第k个智慧药房的开设天数，表示智慧药房的推荐值，/>表示智慧药房的服务完善量化指标，/>表示用户对智慧药房的选择倾向量化指标。
进一步地，所述第j个订单的时间间隔，包括：
第j个订单的时间间隔是指第j个订单的创建时间与第j-1个订单的创建时间的差值。
进一步地，所述复购用户，包括：
所述复购用户是指在同一个智慧药房中的订单数量大于或者等于2的用户。
进一步地，所述根据修正后的推荐值向用户推荐智慧药房，包括：
按照修正后的推荐值从大到小的顺序，向用户推荐智慧药房。
本发明还提出基于数据分析的智慧药房推荐系统，包括存储器、处理器以及存储在所述存储器中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计算机程序时实现任意一项所述基于数据分析的智慧药房推荐方法的步骤。
本发明的技术方案的有益效果是：本发明通过每个智慧药房的所有订单的捡取药品时间和捡取药品估计时间、每个智慧药房的复购用户的购药行为规律量化指标和复购用户在每个智慧药房的订单中处方药品的种类数量等客观数据，确定每个智慧药房的服务完善量化指标和用户对每个智慧药房的选择倾向量化指标，根据每个智慧药房的服务完善量化指标和用户对每个智慧药房的选择倾向量化指标，确定每个智慧药房的推荐值，根据每个智慧药房的开设天数对每个智慧药房的推荐值进行修正，提高推荐的智慧药房的服务质量，提高用户的服务体验感。
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为本发明的基于数据分析的智慧药房推荐方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于数据分析的智慧药房推荐方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的基于数据分析的智慧药房推荐方法的具体方案。
智慧药房系统包括用户端、药房端、骑手端：用户在智慧药房系统的用户端中选择智慧药房，下单所需药品并付款后，用户的订单被创建，此时订单的状态为“已创建”，订单被创建的时刻为订单的创建时间，智慧药房系统通过对智慧药房捡取订单上的药品所需的时间进行估计，给出订单的捡取药品估计时间；智慧药房系统将创建后的订单分配给骑手；同时智慧药房根据药房端上接收到的订单捡取药品，智慧药房完成订单上的药品捡取后，在药房端将订单的状态修改为“捡取药品完成”，订单的状态修改为“捡取药品完成”的时刻为订单的捡取药品时间；智慧药房系统通过对骑手送达订单所需的时间进行估计，给出订单的完成估计时间，骑手将捡取药品送到用户手中，在用户确认收到的药品与订单准确无误后，骑手在骑手端将订单的状态修改为“订单完成”，状态修改为“订单完成”的时刻为订单的完成时间。
因此，每个订单的订单数据除了用户ID以及订单中的所有种药品的名称、类型外，还包括：订单的创建时间、捡取药品估计时间、捡取药品时间、完成估计时间和完成时间。其中，订单的捡取药品时间和创建时间的时间间隔，反映了智慧药房的订单数据中的订单的完成情况；同一个用户在同一个智慧药店的多个订单中的药品数量、药品类型，以及多个订单的时间间隔，反映了用户在该智慧药店的复购行为。
现在很多在线平台都会注重用户的主观反馈，通过开设评价功能来收集用户的反馈意见，部分智慧药房为了提高用户对该药房的评分，推出好评返现、好评返优惠券等优惠活动，导致部分用户会因为智慧药店的好评返现、好评返优惠券等优惠活动，给智慧药店一个较高的评分，而并不是根据自身对智慧药店的服务的真实评价进行评分；所以在智慧药房的历史评分数据中，部分用户会因为智慧药店的好评返现、好评返优惠券等优惠活动，给智慧药店一个较高的评分，还有部分用户没有在购买药品后进行评分的习惯，因此，智慧药房的历史评分数据受到优惠活动和用户习惯等不确定性因素影响，导致智慧药房的历史评分数据并不能准确地反映智慧药房的实际服务质量，所以现有的智慧药房推荐系统中，根据智慧药房的综合评分和好评率，向用户推荐评价好的智慧药房的服务质量不好，导致用户的服务体验感较差。
智慧药房的订单数据中的订单的完成情况才是智慧药房的服务完善量化指标的客观表现；智慧药房的订单数据中用户在该智慧药店的复购行为不会受到优惠活动和用户习惯等不确定性因素影响，部分用户会因为智慧药店的好评返现、好评返优惠券等优惠活动，给智慧药店一个较高的评分，但是如果该智慧药房的服务确实不好，用户不会在该智慧药店进行复购，所以用户在智慧药店的复购行为能够客观的反映用户对智慧药房的选择倾向量化指标。
综上，为了提高用户对智慧药房推荐系统的，本实施例依据智慧药房的订单数据中智慧药店的订单的完成情况以及用户在该智慧药店的复购行为，反映的智慧药房的服务完善量化指标和用户对智慧药房的选择倾向量化指标，获得每个智慧药店的推荐值，按照推荐值将智慧药房推荐给用户。
请参阅图1，其示出了本发明一个实施例提供的基于数据分析的智慧药房推荐方法的步骤流程图，该方法包括以下步骤：
S001，采集每个智慧药房的开设天数和每个订单的订单数据。
在本实施例中，采集每个智慧药房的开设天数，采集每个智慧药房的每个订单从被创建到完成的过程中的订单数据，每个订单的订单数据包括：订单的创建时间、捡取药品估计时间、捡取药品时间、完成估计时间、完成时间、用户以及订单中的所有种药品的名称、类型，所述类型是指药品是处方药品或者非处方药品。
S002、根据每个智慧药房的所有订单的捡取药品时间和捡取药品估计时间，确定每个智慧药房的服务完善量化指标；根据每个复购用户的相邻两个订单的时间间隔和相邻两个订单中药品的重复数量，确定复购用户的购药行为规律量化指标；根据每个智慧药房的复购用户的购药行为规律量化指标和复购用户在每个智慧药房的订单中处方药品的种类数量，确定用户对每个智慧药房的选择倾向量化指标。
在本实施例中，针对任意一个智慧药房，根据该智慧药房的每个订单的捡取药品时间和捡取药品估计时间，确定该智慧药房的服务完善量化指标；所述该智慧药房的服务完善量化指标的具体计算公式为：
；
式中，表示智慧药房的服务完善量化指标，n表示智慧药房的所有订单的数量，表示智慧药房的所有订单中的第i个订单的创建时间，/>表示智慧药房的所有订单中的第i个订单的捡取药品时间，/>表示智慧药房的所有订单中的第i个订单的捡取药品估计时间。
需要说明的是，对于服务完善程度不足的智慧药房，药房在根据订单捡取药品时，是有一定的概率出现误捡或者漏捡的，导致订单的捡取药品时间比订单的捡取药品估计时间晚，即导致订单的创建时间和捡取药品时间之间的时间间隔，比订单的创建时间和捡取药品估计时间之间的时间间隔长，用户对智慧药房的服务体验感下降，所以订单的创建时间和捡取药品估计时间之间的时间间隔，与订单的创建时间和捡取药品时间之间的时间间隔的比值越大，则说明药房根据订单捡取药品的时间越短，订单中的药品可能被越快地交付到用户手中，则智慧药房的服务完善量化指标越高。
在本实施例中，智慧药房系统的用户有两种，分别是新用户与复购用户，新用户是指在智慧药房中只有一个订单的用户，复购用户是指在同一个智慧药房中的订单数量大于或者等于2的用户；对于新用户来说，产生的订单只能反映新用户的购药需求，并不能反映新用户对智慧药房的选择倾向量化指标，而对于复购用户，复购用户在该智慧药房进行复购，不仅能够反映复购用户的购药需求，还能反映复购用户对智慧药房的选择倾向量化指标。
进一步，针对任意一个智慧药房，根据复购用户的购药行为规律量化指标和复购用户在该智慧药房的订单中处方药品的种类数量，确定用户对该智慧药房的选择倾向量化指标；所述用户对该智慧药房的选择倾向量化指标的具体计算公式为：
；
式中，表示用户对智慧药房的选择倾向量化指标，/>表示该智慧药房的所有复购用户中的h个复购用户的购药行为规律量化指标，/>表示该智慧药房的h个复购用户购买的所有种处方药品的种类数量，/>表示该智慧药房的第h个复购用户购买的所有种药品的种类数量。
需要说明的是，对于用户自身来说，相对于购买的非处方药品的数量，在智慧药房购买的处方药品的数量，更能说明用户对智慧药房的选择倾向量化指标，因为处方药品通常用于治疗少数患者的特有病症，而且处方药品往往具有相对较小的药品剂量，用户在线上购买处方药品时，需要先和药师进行线上沟通问诊并开具处方之后方可购买，因此用户在线上购买处方药品存在沟通成本，而用户在具有额外沟通成本的情况下，依然愿意线上在该智慧药房购买处方药品，说明用户对智慧药房的服务满意，所以复购用户在一个智慧药房购买的处方药品的种类数量越多，则说明该智慧药房越经常被复购用户选择，用户对该智慧药房的选择倾向量化指标越大。
进一步需要说明的是，对于该智慧药房的复购用户来说，在该智慧药房的进行多次复购有两方面原因，一方面是由于复购用户对该智慧药房的服务满意，另一方面是由于复购用户自身原因需要长期且规律服用某些处方药品，导致复购用户的购药行为具有规律性，因此才会在该智慧药房进行多次复购；如果是第一种情况，则复购用户在该智慧药房购买的处方药品的种类数量，确实能够说明复购用户对该智慧药房的选择倾向量化指标，如果是第二种情况，说明该复购用户在该智慧药房的进行多次复购，是受到该复购用户自身的购药行为规律量化指标影响，所以复购用户在该智慧药房购买的处方药品的种类数量不能准确说明复购用户选择该智慧药房的倾向性；综上，为了准确说明用户对智慧药房的选择倾向量化指标，将复购用户的购药行为规律量化指标作为权值，当复购用户的购药行为规律量化指标越大时，说明该复购用户在该智慧药房的进行多次复购，是受到该复购用户自身的购药行为规律量化指标影响，则用户对智慧药房的选择倾向量化指标越小，当复购用户的购药行为规律量化指标越小时，说明该复购用户在该智慧药房的进行多次复购，不是受到该复购用户自身的购药行为规律量化指标影响，而是复购用户对该智慧药房的服务满意，则用户对智慧药房的选择倾向量化指标越大。
需要说明的是，若复购用户由于自身原因需要长期且规律服用某些特定药品，则该复购用户每隔相同时间就会去购买一次这些特定药品，所以复购用户的购药行为规律量化指标体现在订单的时间间隔和订单中药品的重复数量两个方面。
在本实施例中，针对该智慧药房的任意一个复购用户，根据复购用户的相邻两个订单的时间间隔和相邻两个订单中药品的重复数量，确定复购用户的购药行为规律量化指标；所述复购用户的购药行为规律量化指标的具体计算公式为：
；
式中，w表示复购用户的购药行为规律量化指标，N表示复购用户的所有订单的数量，表示复购用户的所有订单中第j个订单的时间间隔，第j个订单的时间间隔是指第j个订单的创建时间与第j-1个订单的创建时间的差值，/>表示复购用户的所有订单的时间间隔的均值，/>表示复购用户的第j个订单的药品集合，即第j个订单中的所有种药品组成的集合，/>表示复购用户的第j-1个订单的药品集合，/>表示交集，/>表示并集，/>表示集合中元素的数量，/>表示复购用户的第j个订单的药品集合和第j-1个订单的药品集合的交集中元素的数量，/>表示复购用户的第j个订单的药品集合和第j-1个订单的药品集合的并集中元素的数量。
需要说明的是，复购用户的所有相邻两个订单的时间间隔与平均时间间隔的差异越小，则所有相邻两个订单的时间间隔越接近，则复购用户的购药行为越具有规律性，所以复购用户的购药行为规律量化指标越大；复购用户的所有相邻两个订单的药品集合的交集中元素数量越多，说明复购用户的相邻两个订单购买的药品的越一致，则复购用户的购药行为越具有规律性，所以复购用户的购药行为规律量化指标越大。
S003、根据每个智慧药房的服务完善量化指标和用户对每个智慧药房的选择倾向量化指标，确定每个智慧药房的推荐值；根据每个智慧药房的开设天数对每个智慧药房的推荐值进行修正，根据修正后的推荐值向用户推荐智慧药房。
需要说明的是，智慧药房的服务完善量化指标越高且用户对智慧药房的选择倾向量化指标越大，则智慧药房的推荐值越高。由于经验不足且不被用户所熟知，新开设的智慧药房的服务完善量化指标不高，且用户对新开设的智慧药房的选择倾向量化指标也不高，而开设时间较长的智慧药房，通过不断积累经验和扩展用户，理应具有越完善的服务，且用户越倾向于选择开设时间较长的智慧药房，因此开设时间越长的智慧药房的服务完善量化指标应该越高，且用户对开设时间越长的智慧药房的选择倾向量化指标应该越高。所以智慧药房的开设时间对智慧药房的推荐值存在影响，为了更准确的向用户推荐智慧药房，需要根据智慧药房的开设天数对智慧药房的推荐值进行修正。
在本实施例中，针对任意一个智慧药房，根据该智慧药房的服务完善量化指标和用户对该智慧药房的选择倾向量化指标，确定该智慧药房的推荐值；根据该智慧药房的开设天数对该智慧药房的推荐值进行修正，确定该智慧药房修正后的推荐值；所述该智慧药房修正后的推荐值的具体计算公式为：
；
式中，表示智慧药房修正后的推荐值，s表示智慧药房的开设天数，M表示智慧药房推荐系统上所有智慧药房的数量，/>表示所有智慧药房中的第k个智慧药房的开设天数，/>表示智慧药房的推荐值，/>表示智慧药房的服务完善量化指标，/>表示用户对智慧药房的选择倾向量化指标。
修正后的推荐值越大的智慧药房的服务完善量化指标越高且用户对智慧药房的选择倾向量化指标越大，因此，按照修正后的推荐值从大到小的顺序，向用户推荐智慧药房。
本发明还提出基于数据分析的智慧药房推荐系统，包括存储器、处理器以及存储在所述存储器中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计算机程序时实现任意一项所述基于数据分析的智慧药房推荐方法的步骤。
本发明通过每个智慧药房的所有订单的捡取药品时间和捡取药品估计时间、每个智慧药房的复购用户的购药行为规律量化指标和复购用户在每个智慧药房的订单中处方药品的种类数量等客观数据，确定每个智慧药房的服务完善量化指标和用户对每个智慧药房的选择倾向量化指标，根据每个智慧药房的服务完善量化指标和用户对每个智慧药房的选择倾向量化指标，确定每个智慧药房的推荐值，根据每个智慧药房的开设天数对每个智慧药房的推荐值进行修正，提高推荐的智慧药房的服务质量，提高用户的服务体验感。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.基于数据分析的智慧药房推荐方法，其特征在于，所述方法包括以下步骤：
采集每个智慧药房的开设天数和每个订单的订单数据；所述订单数据包括订单的捡取药品估计时间、捡取药品时间、用户以及订单中的所有种药品的类型，所述类型包括处方药品以及非处方药品；
根据每个智慧药房的所有订单的捡取药品时间和捡取药品估计时间，确定每个智慧药房的服务完善量化指标；
根据每个复购用户的相邻两个订单的时间间隔和相邻两个订单中药品的重复数量，确定复购用户的购药行为规律量化指标；
根据每个智慧药房的复购用户的购药行为规律量化指标和复购用户在每个智慧药房的订单中处方药品的种类数量，确定用户对每个智慧药房的选择倾向量化指标；
根据每个智慧药房的服务完善量化指标和用户对每个智慧药房的选择倾向量化指标，确定每个智慧药房的推荐值；
根据每个智慧药房的开设天数对每个智慧药房的推荐值进行修正，确定每个智慧药房修正后的推荐值；
根据修正后的推荐值向用户推荐智慧药房。
2.根据权利要求1所述的基于数据分析的智慧药房推荐方法，其特征在于，所述根据每个智慧药房的所有订单的捡取药品时间和捡取药品估计时间，确定每个智慧药房的服务完善量化指标，包括：
；
式中，表示智慧药房的服务完善量化指标，n表示智慧药房的所有订单的数量，/>表示智慧药房的所有订单中的第i个订单的创建时间，/>表示智慧药房的所有订单中的第i个订单的捡取药品时间，/>表示智慧药房的所有订单中的第i个订单的捡取药品估计时间。
3.根据权利要求1所述的基于数据分析的智慧药房推荐方法，其特征在于，所述根据每个复购用户的相邻两个订单的时间间隔和相邻两个订单中药品的重复数量，确定复购用户的购药行为规律量化指标，包括：
；
式中，w表示复购用户的购药行为规律量化指标，N表示复购用户的所有订单的数量，表示复购用户的所有订单中第j个订单的时间间隔，/>表示复购用户的所有订单的时间间隔的均值，/>表示复购用户的第j个订单的药品集合，/>表示复购用户的第j-1个订单的药品集合，/>表示交集，/>表示并集，/>表示集合中元素的数量，/>表示复购用户的第j个订单的药品集合和第j-1个订单的药品集合的交集中元素的数量，/>表示复购用户的第j个订单的药品集合和第j-1个订单的药品集合的并集中元素的数量。
4.根据权利要求1所述的基于数据分析的智慧药房推荐方法，其特征在于，所述根据每个智慧药房的复购用户的购药行为规律量化指标和复购用户在每个智慧药房的订单中处方药品的种类数量，确定用户对每个智慧药房的选择倾向量化指标，包括：
；
式中，表示用户对智慧药房的选择倾向量化指标，/>表示该智慧药房的所有复购用户中的h个复购用户的购药行为规律量化指标，/>表示该智慧药房的h个复购用户购买的所有种处方药品的种类数量，/>表示该智慧药房的第h个复购用户购买的所有种药品的种类数量。
5.根据权利要求1所述的基于数据分析的智慧药房推荐方法，其特征在于，所述根据每个智慧药房的服务完善量化指标和用户对每个智慧药房的选择倾向量化指标，确定每个智慧药房的推荐值，包括：
将每个智慧药房的服务完善量化指标和用户对每个智慧药房的选择倾向量化指标的乘积，作为每个智慧药房的推荐值。
6.根据权利要求5所述的基于数据分析的智慧药房推荐方法，其特征在于，所述根据每个智慧药房的开设天数对每个智慧药房的推荐值进行修正，确定每个智慧药房修正后的推荐值，包括：
；
式中，表示智慧药房修正后的推荐值，s表示智慧药房的开设天数，M表示智慧药房推荐系统上所有智慧药房的数量，/>表示所有智慧药房中的第k个智慧药房的开设天数，表示智慧药房的推荐值，/>表示智慧药房的服务完善量化指标，/>表示用户对智慧药房的选择倾向量化指标。
7.根据权利要求3所述的基于数据分析的智慧药房推荐方法，其特征在于，所述第j个订单的时间间隔，包括：
第j个订单的时间间隔是指第j个订单的创建时间与第j-1个订单的创建时间的差值。
8.根据权利要求1所述的基于数据分析的智慧药房推荐方法，其特征在于，所述复购用户，包括：
所述复购用户是指在同一个智慧药房中的订单数量大于或者等于2的用户。
9.根据权利要求1所述的基于数据分析的智慧药房推荐方法，其特征在于，所述根据修正后的推荐值向用户推荐智慧药房，包括：
按照修正后的推荐值从大到小的顺序，向用户推荐智慧药房。
10.基于数据分析的智慧药房推荐系统，包括存储器、处理器以及存储在所述存储器中并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1-9任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410017441.6A CN117522529B (zh) | 2024-01-05 | 2024-01-05 | 基于数据分析的智慧药房推荐方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410017441.6A CN117522529B (zh) | 2024-01-05 | 2024-01-05 | 基于数据分析的智慧药房推荐方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117522529A true CN117522529A (zh) | 2024-02-06 |
| CN117522529B CN117522529B (zh) | 2024-04-05 |
Family
ID=89751734
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410017441.6A Active CN117522529B (zh) | 2024-01-05 | 2024-01-05 | 基于数据分析的智慧药房推荐方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117522529B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160030681A (ko) * | 2014-09-11 | 2016-03-21 | 주식회사 유비케어 | 처방전 견적에 기초한 약국 추천 장치 및 방법 |
| CN109509529A (zh) * | 2018-10-27 | 2019-03-22 | 平安医疗健康管理股份有限公司 | 一种药房选择方法、服务器、计算机可读存储介质及系统 |
| CN111968716A (zh) * | 2020-07-13 | 2020-11-20 | 江苏联环健康大药房连锁有限公司 | 一种智慧药店系统 |
| CN113362921A (zh) * | 2021-06-04 | 2021-09-07 | 莫世成 | 一种基于云计算的医疗服务方法及系统 |
| CN114676891A (zh) * | 2022-03-08 | 2022-06-28 | 乔艳丽 | 一种智慧药房服务评估方法及系统 |
| CN115662654A (zh) * | 2022-09-16 | 2023-01-31 | 康键信息技术（深圳）有限公司 | 基于智能药箱的药品管理方法、装置、设备及存储介质 |
| CN116429135A (zh) * | 2023-03-20 | 2023-07-14 | 杭州康晟健康管理咨询有限公司 | 一种智慧药店的路径管理方法 |
| US20230268049A1 (en) * | 2022-02-23 | 2023-08-24 | Precintel., Inc. | Pharmacy platform system for providing electroceutical service based on online and offline and method thereof |
-
2024
- 2024-01-05 CN CN202410017441.6A patent/CN117522529B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160030681A (ko) * | 2014-09-11 | 2016-03-21 | 주식회사 유비케어 | 처방전 견적에 기초한 약국 추천 장치 및 방법 |
| CN109509529A (zh) * | 2018-10-27 | 2019-03-22 | 平安医疗健康管理股份有限公司 | 一种药房选择方法、服务器、计算机可读存储介质及系统 |
| CN111968716A (zh) * | 2020-07-13 | 2020-11-20 | 江苏联环健康大药房连锁有限公司 | 一种智慧药店系统 |
| CN113362921A (zh) * | 2021-06-04 | 2021-09-07 | 莫世成 | 一种基于云计算的医疗服务方法及系统 |
| US20230268049A1 (en) * | 2022-02-23 | 2023-08-24 | Precintel., Inc. | Pharmacy platform system for providing electroceutical service based on online and offline and method thereof |
| CN114676891A (zh) * | 2022-03-08 | 2022-06-28 | 乔艳丽 | 一种智慧药房服务评估方法及系统 |
| CN115662654A (zh) * | 2022-09-16 | 2023-01-31 | 康键信息技术（深圳）有限公司 | 基于智能药箱的药品管理方法、装置、设备及存储介质 |
| CN116429135A (zh) * | 2023-03-20 | 2023-07-14 | 杭州康晟健康管理咨询有限公司 | 一种智慧药店的路径管理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117522529B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chetan Panse et al. | Understanding consumer behaviour towards utilization of online food delivery platforms | |
| Osadchiy et al. | Selling with binding reservations in the presence of strategic consumers | |
| Zwanziger et al. | The effects of hospital competition and the Medicare PPS program on hospital cost behavior in California | |
| US7831451B1 (en) | Systems and methods for insurance underwriting | |
| US7720743B1 (en) | Methods and apparatus for online auctions and market-places utilizing program terms | |
| US8251702B2 (en) | Methods and apparatus for online auctions and market-places utilizing program terms | |
| US20090106054A1 (en) | Clinical data evaluation and scoring for non clinical purposes such as business methods for health insurance options | |
| EP3070667A1 (en) | Revenue management system and revenue management method | |
| CN106504098A (zh) | 一种基于大数据技术的金融投资系统的投资方法 | |
| JP2013519939A (ja) | 再購入傾向を予測する方法および装置 | |
| CN106469392A (zh) | 选择及推荐展示对象的方法及装置 | |
| CN107798057A (zh) | 交易数据处理方法、装置、存储介质和计算机设备 | |
| Paul et al. | Socially optimal contracting between a regional blood bank and hospitals | |
| Hu et al. | Supplier behavior in capacity investment competition: An experimental study | |
| CN117522529B (zh) | 基于数据分析的智慧药房推荐方法及系统 | |
| CN112862618A (zh) | 调仓提示方法、装置、电子设备和存储介质 | |
| Chatterjee | A brief survey of the theory of auction | |
| CN114943582A (zh) | 一种信息推荐方法、系统及推荐服务器 | |
| Prager et al. | Regulating Out-of-Network Hospital Payments: Disagreement Payoffs, Negotiated Prices, and Access | |
| JP5232513B2 (ja) | 証券取引発注処理システムおよびその方法、並びにプログラム | |
| JP2022027957A (ja) | 金融商品取引管理装置、金融商品取引管理システム、プログラム | |
| Lucarelli et al. | Measuring welfare and the effects of regulation in a government-created market: The case of Medicare Part D plans | |
| An et al. | Procurement in welfare programs: Evidence and implications from WIC infant formula contracts | |
| Nisa et al. | Determinants of Cocoa Bean Trade in the International Market: Gravity Model Approach. | |
| Li et al. | Information acquisition in new product introduction |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240311 Address after: 550002 No.91 Jiefang West Road, Nanming District, Guiyang City, Guizhou Province Applicant after: THE FOURTH PEOPLE'S HOSPITAL OF GUIYANG Country or region after: China Applicant after: GUIYANG PUBLIC HEALTH CLINICAL CENTER Country or region after: Zhong Guo Applicant after: GUIZHOU BAOZHIDA NETWORK TECHNOLOGY Co.,Ltd. Address before: No. 18, 8th Floor, Building 12, Phase I Business District, International Financial Center, Guanshanhu District, Guiyang City, Guizhou Province, 550081 Applicant before: GUIZHOU BAOZHIDA NETWORK TECHNOLOGY Co.,Ltd. Country or region before: China |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |