TWI789560B - 門市推薦裝置和門市推薦方法 - Google Patents
門市推薦裝置和門市推薦方法 Download PDFInfo
- Publication number
- TWI789560B TWI789560B TW108142718A TW108142718A TWI789560B TW I789560 B TWI789560 B TW I789560B TW 108142718 A TW108142718 A TW 108142718A TW 108142718 A TW108142718 A TW 108142718A TW I789560 B TWI789560 B TW I789560B
- Authority
- TW
- Taiwan
- Prior art keywords
- store
- client
- recommendation
- delay time
- historical
- Prior art date
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
提供一種門市推薦裝置和門市推薦方法。門市推薦方法包括:接收來自客戶端的預約請求,其中預約請求關聯於第一門市;根據預約請求計算對應於第一門市的第一延遲時間;以及響應於第一延遲時間大於容忍時間而發送推薦訊息以推薦客戶端的用戶前往第二門市。
Description
本發明是有關於一種門市推薦裝置和門市推薦方法。
目前服務型門市常見的排隊機制多為現場取號等候,用戶往往無法從目前等待人數預估所需等候時間,在輪到自己之前只能苦苦等待,而門市員工也無法掌握每個用戶的服務時間來調整人力配置與服務順序,或導引至附近排隊人數較少的門市,只能依照編號先後提供服務,不但用戶浪費許多寶貴時間,門市也可能因用戶不堪等待棄單而流失寶貴商機。因此,許多業者推出等待/候位的APP或動態網頁,讓用戶可即時查詢等候進度再評估何時回到門市。然而,不同用戶有不同需求,服務辦理的時間也因種類而異,用戶無法得知自己編號之前的總服務時間,回到門市可能因服務時間延誤仍須久候,或因服務時間比預期短已經過號,這些狀況都會打亂用戶既定行程而造成不悅,門市則需花費額外人力來安撫用戶情緒,既無法提升服務品質、用戶滿意度,也無法善用各門市人力資源。
有鑑於此,本發明提供一種門市推薦裝置和門市推薦方法,可推薦用戶前往人潮較少的門市。
本發明的門市推薦裝置適用於門市終端和客戶端。門市推薦裝置包括:處理器、儲存媒體以及收發器。收發器接收來自客戶端的預約請求,其中預約請求關聯於第一門市。儲存媒體儲存多個模組。處理器耦接儲存媒體和收發器,並且存取和執行多個模組,其中多個模組包括預估模組以及推薦模組。預估模組根據預約請求計算對應於第一門市的第一延遲時間。推薦模組響應於第一延遲時間大於容忍時間而發送推薦訊息以推薦客戶端的用戶前往第二門市。
在本發明的一實施例中,上述的預估模組計算對應於第二門市的第二延遲時間以及計算客戶端從當前位置移動到第二門市所需花費的抵達時間,其中推薦模組響應於第二延遲時間和抵達時間都小於第一延遲時間而發送推薦訊息給客戶端以推薦用戶前往第二門市。
在本發明的一實施例中,上述的推薦模組響應於發送推薦訊息給客戶端而發送人力配置推薦資訊至對應於第二門市的第二門市終端,其中人力配置推薦資訊關聯於預約請求以及抵達時間。
在本發明的一實施例中,上述的多個模組更包括:資料庫,儲存對應於第二門市的班表資訊,其中推薦模組根據班表資訊產生人力配置推薦資訊。
在本發明的一實施例中,上述的多個模組更包括:資料庫,儲存對應於客戶端的歷史容忍時間,其中預估模組根據歷史容忍時間計算容忍時間。
在本發明的一實施例中,上述的第一延遲時間對應於預約請求所請求的預約服務,並且預約服務對應於多個工站,其中預估模組根據對應於多個工站中的已完成工站的已知延遲時間以及對應於多個工站中的未完成工站的預估延遲時間計算第一延遲時間。
在本發明的一實施例中,上述的預估模組根據已知延遲時間、預估延遲時間以及延遲因子而計算第一延遲時間。
在本發明的一實施例中,上述的預估模組通過收發器從對應於第一門市的第一門市終端接收事件資訊,並且根據事件資訊決定延遲因子。
在本發明的一實施例中,上述的多個模組更包括:資料庫,通過收發器從對應於第二門市的第二門市終端接收對應於預約請求的總服務時間資訊,並且將總服務時間資訊儲存為歷史資料。
在本發明的一實施例中,上述的歷史資料包括對應於多個工站的每一個的歷史延遲時間,其中預估模組根據歷史延遲時間計算預估延遲時間。
在本發明的一實施例中,上述的推薦模組響應於第二門市與客戶端之間的距離小於距離閾值而發送推薦訊息給客戶端。
在本發明的一實施例中,上述的推薦模組響應於第二門市為客戶端的偏好門市而發送推薦訊息給客戶端以推薦用戶前往第二門市。
在本發明的一實施例中,上述的推薦模組響應於對應於第二門市的線上訂位的名額尚未額滿而發送推薦訊息給客戶端以推薦用戶前往第二門市。
在本發明的一實施例中,上述的多個模組更包括:資料庫以及名額設定模組。資料庫儲存對應於歷史預約請求的歷史滿意度,其中歷史預約請求對應於第二門市。名額設定模組根據歷史滿意度調整第二門市的線上訂位的名額。
在本發明的一實施例中,上述的歷史滿意度包括歷史員工滿意度和歷史客戶滿意度,名額設定模組根據歷史員工滿意度和歷史客戶滿意度調整第二門市的線上訂位的名額。
在本發明的一實施例中,上述的多個模組更包括:報到模組,通過收發器接收來自客戶端的位置資訊,並且響應於第二門市與客戶端之間的距離小於第二距離閾值而判斷客戶端完成報到手續。
在本發明的一實施例中,上述的多個模組更包括:評分模組,響應於客戶端完成報到手續而開放填寫用戶滿意度的權限給客戶端。
本發明的門市推薦方法,適用於門市終端和客戶端,其中門市推薦方法包括:接收來自客戶端的預約請求,其中預約請求關聯於第一門市;根據預約請求計算對應於第一門市的第一延遲時間;以及響應於第一延遲時間大於容忍時間而發送推薦訊息以推薦客戶端的用戶前往第二門市。
基於上述,本發明的門市推薦裝置可以考慮到用戶的當前位置以及各個門市的人力配置以及預估的延遲時間等因素而在門市的延遲時間大於用戶的容忍時間時推薦用戶前往另一門市。
為了使本發明之內容可以被更容易明瞭,以下特舉實施例作為本發明確實能夠據以實施的範例。另外,凡可能之處,在圖式及實施方式中使用相同標號的元件/構件/步驟,係代表相同或類似部件。
圖1根據本發明的實施例繪示利用門市推薦裝置100為客戶端200的用戶推薦門市的示意圖。當門市推薦裝置100判斷第一門市客滿或將發生延遲時,門市推薦裝置100可通過推播訊息推薦客戶端200的用戶前往其他的門市(例如:第二門市)接受服務。在圖1中,門市終端310為對應於第一門市的終端裝置,並且門市終端320為對應於第二門市的終端裝置。門市推薦裝置100可通訊連接至客戶端200、門市終端310以及門市終端320。值得注意的是,雖然本實施例中的門市推薦裝置100僅連線至於兩個門市的門市終端,但本發明不限於此。舉例來說,門市推薦裝置100可通訊連接至N個門市的門市終端,其中N為任意的正整數。門市推薦裝置100可從N個門市中選出最適合客戶端200的用戶的門市並將該門市推薦給客戶端200。
圖2根據本發明的實施例繪示門市推薦裝置100的示意圖。門市推薦裝置100適用於如圖1所示的門市終端310、門市終端320以及客戶端200,其中門市終端310、門市終端320以及客戶端200例如是(但不限於)移動台、高級移動台(advanced mobile station,AMS)、伺服器、桌上型電腦、筆記型電腦、網路型電腦、工作站、個人數位助理(personal digital assistant,PDA)、個人電腦機(personal computer,PC)、平板電腦、電話裝置或無線感測器等。
門市推薦裝置100可包括處理器110、儲存媒體120以及收發器130。處理器110例如是中央處理單元(central processing unit,CPU),或是其他可程式化之一般用途或特殊用途的微控制單元(micro control unit,MCU)、微處理器(microprocessor)、數位信號處理器(digital signal processor,DSP)、可程式化控制器、特殊應用積體電路(application specific integrated circuit,ASIC)、圖形處理器(graphics processing unit,GPU)、算數邏輯單元(arithmetic logic unit,ALU)、複雜可程式邏輯裝置(complex programmable logic device,CPLD)、現場可程式化邏輯閘陣列(field programmable gate array,FPGA)或其他類似元件或上述元件的組合。處理器110可耦接至儲存媒體120以及收發器130,並且存取和執行儲存媒體120中的多個模組以及各種應用程式。
儲存媒體120例如是任何型態的固定式或可移動式的隨機存取記憶體(random access memory,RAM)、唯讀記憶體(read-only memory,ROM)、快閃記憶體(flash memory)、硬碟(hard disk drive,HDD)、固態硬碟(solid state drive,SSD)或類似元件或上述元件的組合,而用於儲存可由處理器110執行的多個模組或各種應用程式。在本實施例中,儲存媒體120可儲存包括預估模組121、推薦模組122、名額設定模組123、報到模組124、評分模組125以及資料庫126等多個模組,其功能將於後續說明。
收發器130以無線或有線的方式傳送及接收訊號。收發器130還可以執行例如低噪聲放大、阻抗匹配、混頻、向上或向下頻率轉換、濾波、放大以及類似的操作。收發器130可通訊連接至客戶端200、門市終端310以及門市終端320。
參照圖1和圖2,收發器130可接收來自客戶端200的預約請求。舉例來說,當客戶端200的用戶欲前往第一門市時,客戶端200可傳送關聯於第一門市的預約請求至收發器130,其中預約請求例如包括欲前往門市、預約時間以及要求的預約服務類型等由用戶決定的資訊。
接著,門市推薦裝置100可根據預約請求而通過收發器130發送訊息給第一門市內的門市終端310,以藉由訊息指示第一門市內的員工「客戶端200的用戶正前往第一門市」。資料庫126可儲存對應於第一門市的班表資訊以及客戶端200的用戶的基本資料(例如:姓名、電話、年齡或性別等資訊)。在門市推薦裝置100接收到關聯於第一門市的預約請求後,推薦模組122可根據班表資訊以及客戶端200所發送的預約請求產生對應於第一門市的人力配置推薦資訊。門市推薦裝置100可通過收發器130傳送對應於預約請求的人力配置推薦資訊給門市終端310,藉以指示第一門市內的員工根據人力配置推薦資訊配置人力以迎接客戶端200的用戶。
另一方面,預估模組121可根據客戶端200所發送的預約請求預估對應於第一門市的第一延遲時間,其中第一延遲時間指示客戶在接受第一門市的員工服務前所需等待的時間。預估模組121例如可基於人工智慧預測模型而根據客戶端200的用戶的基本資料預估服務該名用戶所需花費的時間。若第一延遲時間大於客戶端200的用戶的容忍時間,則推薦模組122可通過收發器130發送推薦訊息給客戶端200(例如:藉由推播的方式)以建議客戶端200的用戶前往其他的門市(例如:第二門市)。
預估模組121可根據客戶端200所傳送的關聯於第一門市的預約請求計算出對應於預約請求的預約服務的第一延遲時間。舉例來說,若第一門市提供包括類型A、類型B以及類型C等多種不同類型的預約服務,則預估模組121可根據客戶端200所傳送的關聯於類型A的預約服務的預約請求計算出對應的第一延遲時間。亦即,預估模組121可預估客戶端200的用戶將需要等待到第一延遲時間之後才能接受類型A的預約服務。
表1
預約服務類型 | 流程 |
類型A | 開始> 工站1 > 工站2 > 工站3 > 結束 |
類型B | 開始> 工站4 > 工站5 > 工站6 > 結束 |
類型C | 開始> 工站7 > 工站8 > 結束 |
預估模組121可將類型A的預約服務切割成多個工站,如表1所示。儲存媒體120可將每個工站所需花費的時間記錄下來。在收發器130自客戶端200接收對應於第一門市和類型A的預約服務的預約請求後,預估模組121可根據每一個工站的進度計算對應於第一門市的第一延遲時間,其中第一延遲時間例如是由客戶端200的用戶的前一位客戶造成的。具體來說,預估模組121可根據對應於多個工站中的已完成工站的已知延遲時間以及對應於多個工站中的未完成工站的預估延遲時間計算第一延遲時間,如公式(1)所示,其中T為第一延遲時間、Tc為已知延遲時間、Te為預估延遲時間、α為權重參數(0 ≤ α ≤ 1)並且Tf為延遲因子。…公式(1)
舉例來說,若第一門市的員工正在為前一位客戶提供類型A的預約服務且該預約服務的流程正進行到工站3,則工站1和工站2即被定義為已完成工站。因此,在執行工站1和工站2時所產生的延遲時間可被定義為已知延遲時間(Tc)。第一門市的員工可以在每完成一個工站時將指示該工站已完成的相關資訊輸入至門市終端310,再由門市終端310回報給門市推薦裝置100,以便門市推薦裝置100追蹤類型A的預約服務的完成進度以計算出已知延遲時間。
預估延遲時間(Te)例如是由預估模組121根據客戶端200的歷史記錄而產生的。舉例來說,在過去,客戶端200的用戶發送預約請求至門市推薦裝置100並前往第一門市(或第二門市)接收服務之後,員工可通過門市終端310(或門市終端320)將對應於預約請求的歷史資料傳送至門市推薦裝置100以供儲存媒體120儲存,其中歷史資料可包括例如客戶端200的用戶在接收服務時在每一個工站所產生的歷史延遲時間或客戶端200的用戶在接受完整的服務(即:完成了每一個工站)後所花費的總服務時間資訊等。
延遲因子(Tf)例如是由第一門市(或第二門市)的員工根據現場發生的事件而通過門市終端310(或門市終端320)傳送事件資訊給門市推薦裝置100,再由預估模組121根據事件資訊而決定。舉例來說,若第一門市的員工判斷前一位客戶(即:正在接受第一門市的員工服務的客戶)有特殊需求而導致員工在服務該前一位客戶時會產生延遲,則第一門市的員工可操作門市終端310以將對應於該特殊需求的事件資訊傳送給門市推薦裝置100。門市推薦裝置100的儲存媒體120可預存對應於各類型事件的延遲因子。在門市推薦裝置100通過收發器130接收到來自門市終端310的事件資訊後,預估模組121可根據事件資訊設定延遲因子,藉以基於公式(1)計算出第一延遲時間。
在預估出第一延遲時間之後,預估模組121可判斷第一延遲時間是否大於對應於客戶端200的容忍時間。具體來說,資料庫126可儲存對應於客戶端200的歷史容忍時間,並且預估模組121可根據歷史容忍時間計算出上述的容忍時間,其中歷史容忍時間例如可被定義為客戶端200的用戶傳送預約請求到客戶端200的用戶進入(任意的)門市開始接受服務之間的時間間隔。在每一次客戶端200的用戶開始接受對應於一預約請求的服務後,資料庫126便可將該用戶等待的時間作為歷史容忍時間儲存。預估模組121可根據例如公式(2)計算出對應於客戶端200的容忍時間,其中To為容忍時間、ti為對應於第i次預約請求的歷史容忍時間並且n為歷史容忍時間的總比數。…公式(2)
在一實施例中,容忍時間可關聯於預約服務的類型。舉例來說,若一客戶可忍受較長的時間在等待晚餐服務而可忍受較短的時間在等待理髮服務,則在預估模組121所計算出的對應於該客戶的多個容忍時間中,對應於晚餐服務的容忍時間將大於對應於理髮服務的容忍時間。
若第一延遲時間大於對應於客戶端200的容忍時間,代表客戶端200的用戶在等待進入第一門市的過程之中可能會失去耐性而離開。因應於此,推薦模組122可從數個其他的門市中選出最適合客戶端200的用戶的第二門市,並通過收發器130以推播的方式發送推薦訊息給客戶端200以推薦客戶端200的用戶前往第二門市接受服務。若該用戶同意前往第二門市,則門市推薦裝置100可將為客戶端200配置的第一門市的人力資源取消。
具體來說,預估模組121會先計算出對應於第二門市的第二延遲時間,其中第二延遲時間的計算方式與前述的第一延遲時間的計算方式相似,故不再贅述。預估模組121還可計算客戶端200從當前位置(例如:在第一門市的等待隊列中或在前往第一門市的路途中)移動到第二門市所需花費的抵達時間。例如,預估模組121可通過收發器130自客戶端200接收指示客戶端200的用戶所使用的交通工具類型(例如:步行、搭乘大眾運輸工具、開車或騎車等)的訊息,從而根據該訊息預估抵達時間。若上述的抵達時間以及第二延遲時間都小於第一延遲時間,則推薦模組122可發送推薦訊息以推薦客戶端200的用戶前往第二門市。若客戶端200的用戶同意前往第二門市,則推薦模組122可代替該名用戶產生對應於第二門市的預約請求。門市推薦裝置100可根據對應於第二門市的預約請求安排用戶前往第二門市。舉例來說,推薦模組122可響應於發送對應於第二門市的推薦訊息給客戶端200而根據資料庫126中的對應於第二門市的班表資訊產生人力配置推薦資訊,並通過收發器130將人力配置推薦資訊傳送給第二門市的門市終端320,其中人力配置推薦資訊可關聯於預約請求(例如包括:預約時間以及要求的預約服務類型等資訊)以及由預估模組121所計算出的抵達時間。
當有多家門市符合被推薦模組122推薦的條件時(即:該些門市的抵達時間和延遲時間都小於對應於第一門市的第一延遲時間)時,推薦模組122可為該些門市排列優先順序。舉例來說,推薦模組122可優先地將具有最快的接受服務時間的門市推薦給客戶端200。一門市的接受服務時間的計算方式如下述的公式(3)所示,其中Ts代表接受服務時間、Tr代表客戶端200前往該門市所需花費的抵達時間並且Tm代表該門市可開始提供服務給客戶端200的用戶的最快服務時間。…公式(3)
舉例來說,若共有門市A、門市B和門市C等三個門市符合被推薦模組122推薦的條件,則推薦模組122可根據門市A、門市B和門市C為各個門市的推薦順序進行排序,如表2所示。
表2
抵達時間 | 最快服務時間 | 接受服務時間 | 推薦排序 | |
門市A | 14:05 | 14:00 | 14:05 | 1 |
門市B | 14:45 | 13:50 | 14:45 | 3 |
門市C | 14:10 | 14:20 | 14:20 | 2 |
在一實施例中,推薦模組122可響應於第二門市與客戶端200之間的距離小於距離閾值而發送對應於第二門市的推薦訊息給客戶端200。換句話說,門市推薦裝置100的用戶可通過配置距離閾值來避免推薦模組122推薦過於遙遠的門市給客戶端200。
在一實施例中,在決定要推薦給客戶端200的門市時,推薦模組122可考量對應於客戶端200的偏好門市。舉例來說,儲存媒體120可儲存對應於客戶端200的偏好門市的清單。推薦模組122可響應於第二門市為客戶端200的偏好門市而發送推薦訊息給客戶端200以推薦用戶前往第二門市。
在一實施例中,在決定要推薦給客戶端200的門市時,推薦模組122可考量第二門市的線上訂位的剩餘名額以決定是否將第二門市推薦給客戶端200。推薦模組122可響應於對應於第二門市的線上訂位的名額尚未額滿而發送推薦訊息給客戶端200以推薦用戶前往第二門市。
門市的線上訂位名額可被動態地調整。以第二門市為例,資料庫126可儲存對應於歷史預約請求的歷史滿意度,其中該歷史預約請求對應於第二門市。名額設定模組123可根據歷史滿意度動態地調整第二門市的線上訂位的名額。具體來說,歷史滿意度可包括歷史員工滿意度和歷史客戶滿意度。在一客戶在過去通過一客戶端傳送對應於第二門市的歷史預約請求至門市推薦裝置100後,第二門市的員工可以在服務完該名客戶後,通過門市終端320將包括由員工填寫的歷史員工滿意度和由客戶填寫的歷史客戶滿意度的歷史滿意度傳送給門市推薦裝置100。名額設定模組123可根據歷史滿意度調整第二門市的線上訂位的名額。如此,名額設定模組123可將第二門市的線上訂位的名額限制在適當的人數以內,從而避免第二門市的員工負擔過多的人流或避免第二門市的客戶等待過長的時間,以維護線上預約客戶和現場排對客戶的權益。歷史員工滿意度和歷史客戶滿意度可改善門市推薦裝置100預估服務時間與客戶喜好時的精準度。
在一實施例中,名額設定模組123可根據如下所示的公式(4)來計算名額比例調整值,其中W代表名額調整參考值、k代表歷史滿意度的資料總比數、Ci代表第i筆歷史客戶滿意度、Ei代表第i筆歷史員工滿意度、Y為評分幅度(例如:Y = 10代表最高分為10分)、α代表客戶加權並且β代表員工加權,其中α = 1-β。名額設定模組123可將當前的線上訂位名額比例乘上名額比例調整值W即可獲得新的線上訂位名額比例。若某一門市的名額比例調整值為正,代表名額設定模組123可將該門市的線上訂位的名額調升。反之,若該門市的名額比例調整值為負,代表名額設定模組123可將該門市的線上訂位的名額調降。…公式(4)
客戶滿意度的填寫權限可由評分模組125所控制。具體來說,評分模組125可響應於客戶端200已完成報到手續而開放填寫用戶滿意度的權限給客戶端200,以讓客戶端200的用戶將其意見回饋給門市。
門市推薦裝置100還具有自動為客戶端200的用戶完成報到手續的功能。舉例來說,報到模組124可通過收發器130接收來自客戶端200的位置資訊,並且響應於第二門市(或第一門市)與客戶端200之間的距離小於第二距離閾值而判斷客戶端200已完成對應於第二門市(或第一門市)的報到手續。
在一實施例中,門市終端320(或門市終端310)可藉由感測器感測客戶端200所發出的射頻訊號以判斷客戶端200的用戶已經抵達現場而產生對應的判斷結果。門市終端320(或門市終端310)可將判斷結果傳送給門市推薦裝置100。報到模組124可根據判斷結果為客戶端200的用戶完成報到手續。
在一實施例中,在進入或接近第二門市(或第一門市)後,客戶端200可感測設置在現場的射頻元件所發出的射頻訊號,並且響應於感測到該射頻訊號而傳送對應於該射頻訊號的回應至門市推薦裝置100。報到模組124可根據該回應為客戶端200的用戶完成報到手續。
在客戶端200完成報到手續後,報到模組124可通過收發器130傳送簡訊給客戶端200以通知客戶端200的用戶報到手續成功。報到模組124還可發送該名用戶的基本資料或與該名用戶的預約請求相關的資訊至門市終端310(或門市終端320),以讓員工作為服務該名用戶的參考。
圖3根據本發明的實施例繪示門市推薦方法的流程圖,其中所述門市推薦方法可由如圖2所述的門市推薦裝置100實施。在步驟S301中,接收來自客戶端的預約請求,其中預約請求關聯於第一門市。在步驟S302中,根據預約請求計算對應於第一門市的第一延遲時間。在步驟S303中,判斷第一延遲時間是否大於容忍時間。若第一延遲時間小於等於容忍時間,則進入步驟S304。若第一延遲時間大於容忍時間,則進入步驟S305。在步驟S304中,指示第一門市的員工服務客戶端的用戶。在步驟S305中,判斷對應於第二門市的第二延遲時間是否小於等於第一延遲時間。若第二延遲時間大於第一延遲時間的其他門市,則進入步驟S304。若第二延遲時間小於等於第一延遲時間,則進入步驟S306。在步驟S306中,發送推薦訊息以推薦客戶端的用戶前往第二門市。在步驟S307中,判斷客戶端的用戶是否同意前往第二門市。若用戶不同意前往第二門市,則進入步驟S304。在步驟S308中,為客戶端的用戶配置第二門市的人力資源。
本發明的門市推薦裝置可利用歷史資料預估延遲時間,從而使門市推薦裝置能推薦更符合客戶需求和門市人力配置的門市給客戶。通過即時地預估延遲時間,門市推薦裝置可有效地配置門市人力,達到客戶分流的功效。門市推薦裝置還提供自動報到以及自動結算服務時間的功能,以便利且環保的方式改善服務時間預估的準確度。此外,門市推薦裝置可接收來自客戶與員工雙方的回饋,並且動態地調整線上訂位的名額。
綜上所述,本發明的門市推薦裝置可以在門市客滿時或偵測到前一位用戶可能造成延遲時,通過推播訊息引導用戶前往另一門市,以達到人潮分流的目的。在進行門市的推薦時,門市推薦裝置會考慮到用戶的當前位置、用戶喜好以及各個門市的人力配置以及預估的延遲時間等因素。門市推薦裝置可根據用戶以往的預約資料判斷該名用戶的容忍時間,從而判斷是否需要推薦該名用戶前往另外的門市。在用戶選定好欲前往的門市後,門市推薦裝置根據用戶的需求安排該門市的人力配置。門市推薦裝置還可以將門市內的每一種服務分割成多個工站,並且根據每個工站的進度來推算出該門市的延遲時間。另一方面,門市推薦裝置還可以根據用戶和員工的滿意度動態地調整線上訂位的名額,避免因為線上訂位的人數過多造成員工無法即時地提供服務,從而導致用戶的滿意度降低。門市推薦裝置還具有自動報到的功能,使得用戶可根據定位技術自動辦理報到,省去抽選號碼牌等步驟,使得報到手續更加環保。當用戶接受完服務後,門市推薦裝置可把該用戶受到服務的歷程記錄下來。門市推薦裝置可據以預估用戶的容忍時間或偏好等資訊。
100:門市推薦裝置
110:處理器
120:儲存媒體
121:預估模組
122:推薦模組
123:名額設定模組
124:報到模組
125:評分模組
126:資料庫
130:收發器
200:客戶端
310、320:門市終端
S301、S302、S303、S304、S305、S306、S307、S308:步驟
圖1根據本發明的實施例繪示利用門市推薦裝置為客戶端的用戶推薦門市的示意圖。
圖2根據本發明的實施例繪示門市推薦裝置的示意圖。
圖3根據本發明的實施例繪示門市推薦方法的流程圖。
S301、S302、S303、S304、S305、S306、S307、S308:步驟
Claims (15)
- 一種門市推薦裝置,適用於門市終端和客戶端,其中所述門市推薦裝置包括:收發器,接收來自所述客戶端的預約請求,其中所述預約請求關聯於第一門市;儲存媒體,儲存多個模組;以及處理器,耦接所述儲存媒體和所述收發器,並且存取和執行所述多個模組,其中所述多個模組包括:預估模組,根據所述預約請求計算對應於所述第一門市的第一延遲時間;以及推薦模組,響應於所述第一延遲時間大於容忍時間而發送推薦訊息以推薦所述客戶端的用戶前往第二門市,其中所述第一延遲時間對應於所述預約請求所請求的預約服務,並且所述預約服務對應於多個工站,其中所述預估模組根據對應於所述多個工站中的已完成工站的已知延遲時間以及對應於所述多個工站中的未完成工站的預估延遲時間計算所述第一延遲時間,其中所述預估模組根據所述已知延遲時間、所述預估延遲時間以及延遲因子而計算所述第一延遲時間,其中所述預估模組通過所述收發器從對應於所述第一門市的第一門市終端接收事件資訊,並且根據所述事件資訊決定所述延遲因子。
- 如申請專利範圍第1項所述的門市推薦裝置,其中所述預估模組計算對應於所述第二門市的第二延遲時間以及計算所述客戶端從當前位置移動到所述第二門市所需花費的抵達時間,其中所述推薦模組響應於所述第二延遲時間和所述抵達時間都小於所述第一延遲時間而發送所述推薦訊息給所述客戶端以推薦所述用戶前往所述第二門市。
- 如申請專利範圍第2項所述的門市推薦裝置,其中所述推薦模組響應於發送所述推薦訊息給所述客戶端而發送人力配置推薦資訊至對應於所述第二門市的第二門市終端,其中所述人力配置推薦資訊關聯於所述預約請求以及所述抵達時間。
- 如申請專利範圍第3項所述的門市推薦裝置,其中所述多個模組更包括:資料庫,儲存對應於所述第二門市的班表資訊,其中所述推薦模組根據所述班表資訊產生所述人力配置推薦資訊。
- 如申請專利範圍第1項所述的門市推薦裝置,其中所述多個模組更包括:資料庫,儲存對應於所述客戶端的歷史容忍時間,其中所述預估模組根據所述歷史容忍時間計算所述容忍時間。
- 如申請專利範圍第1項所述的門市推薦裝置,其中所述多個模組更包括:資料庫,通過所述收發器從對應於所述第二門市的第二門市終端接收對應於所述預約請求的總服務時間資訊,並且將所述總 服務時間資訊儲存為歷史資料。
- 如申請專利範圍第6項所述的門市推薦裝置,其中所述歷史資料包括對應於所述多個工站的每一個的歷史延遲時間,其中所述預估模組根據所述歷史延遲時間計算所述預估延遲時間。
- 如申請專利範圍第1項所述的門市推薦裝置,其中所述推薦模組響應於所述第二門市與所述客戶端之間的距離小於距離閾值而發送所述推薦訊息給所述客戶端。
- 如申請專利範圍第1項所述的門市推薦裝置,其中所述推薦模組響應於所述第二門市為所述客戶端的偏好門市而發送所述推薦訊息給所述客戶端以推薦所述用戶前往所述第二門市。
- 如申請專利範圍第1項所述的門市推薦裝置,其中所述推薦模組響應於對應於所述第二門市的線上訂位的名額尚未額滿而發送所述推薦訊息給所述客戶端以推薦所述用戶前往所述第二門市。
- 如申請專利範圍第10項所述的門市推薦裝置,其中所述多個模組更包括:資料庫,儲存對應於歷史預約請求的歷史滿意度,其中所述歷史預約請求對應於所述第二門市;以及名額設定模組,根據所述歷史滿意度調整所述第二門市的所述線上訂位的所述名額。
- 如申請專利範圍第10項所述的門市推薦裝置,其中所述歷史滿意度包括歷史員工滿意度和歷史客戶滿意度,所述名額設定模組根據所述歷史員工滿意度和所述歷史客戶滿意度調整所述第二門市的所述線上訂位的所述名額。
- 如申請專利範圍第1項所述的門市推薦裝置,其中所述多個模組更包括:報到模組,通過所述收發器接收來自所述客戶端的位置資訊,並且響應於所述第二門市與所述客戶端之間的距離小於第二距離閾值而判斷所述客戶端完成報到手續。
- 如申請專利範圍第13項所述的門市推薦裝置,其中所述多個模組更包括:評分模組,響應於所述客戶端完成所述報到手續而開放填寫用戶滿意度的權限給所述客戶端。
- 一種門市推薦方法,適用於門市終端和客戶端,其中所述門市推薦方法包括:接收來自所述客戶端的預約請求,其中所述預約請求關聯於第一門市;根據所述預約請求計算對應於所述第一門市的第一延遲時間;以及響應於所述第一延遲時間大於容忍時間而發送推薦訊息以推薦所述客戶端的用戶前往第二門市,其中所述第一延遲時間對應於所述預約請求所請求的預約服務,並且所述預約服務對應於多 個工站,其中根據所述預約請求計算對應於所述第一門市的所述第一延遲時間的步驟包括:從對應於所述第一門市的第一門市終端接收事件資訊,並且根據所述事件資訊決定延遲因子;以及根據對應於所述多個工站中的已完成工站的已知延遲時間、對應於所述多個工站中的未完成工站的預估延遲時間以及所述延遲因子計算所述第一延遲時間。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108142718A TWI789560B (zh) | 2019-11-25 | 2019-11-25 | 門市推薦裝置和門市推薦方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108142718A TWI789560B (zh) | 2019-11-25 | 2019-11-25 | 門市推薦裝置和門市推薦方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202121293A TW202121293A (zh) | 2021-06-01 |
TWI789560B true TWI789560B (zh) | 2023-01-11 |
Family
ID=77516759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108142718A TWI789560B (zh) | 2019-11-25 | 2019-11-25 | 門市推薦裝置和門市推薦方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI789560B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109635986A (zh) * | 2018-12-28 | 2019-04-16 | 上汽通用五菱汽车股份有限公司 | 门店推送方法、装置、设备及存储介质 |
-
2019
- 2019-11-25 TW TW108142718A patent/TWI789560B/zh active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109635986A (zh) * | 2018-12-28 | 2019-04-16 | 上汽通用五菱汽车股份有限公司 | 门店推送方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
TW202121293A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9886288B2 (en) | Guided edit optimization | |
US11570574B2 (en) | Method and system for enabling the creation and maintenance of proximity-related user groups | |
US9977633B1 (en) | Method and apparatus of processing information in an environment with multiple devices and resources | |
US9179181B2 (en) | Hospitality media system that avoids network congestion and server load while providing media experience within guest room, and computer server and method thereof | |
US10796236B2 (en) | Messaging system | |
US20130332208A1 (en) | Systems and methods for processing orders and reservations using an electronic device | |
EP3401852A1 (en) | System and method for reserving drivers with minimum fare offers and navigating drivers to service transportation requests | |
US20130018701A1 (en) | Capturing and processing data responsive to a task associated with consumer research, survey, or poll | |
US20200382452A1 (en) | Automatically generating a response on behalf of a first user to a request received from a second user | |
US20200151660A1 (en) | Network computing system for detecting auditory indicators of activity | |
US20160253311A1 (en) | Most impactful experiments | |
US20200042916A1 (en) | Automated participation evaluator | |
KR20140072922A (ko) | 전력 비용 및 소셜 인자에 기반한 알림의 제어 | |
CN101167335A (zh) | 用于提供上下文信息的方法和装置 | |
US20170147950A1 (en) | Dynamically delaying reservations for limited resources using courtesy scores | |
US10481750B2 (en) | Guided edit optimization | |
US10990909B2 (en) | Predicting resource availability based on user profile data | |
US20160100002A1 (en) | Resource allocation methods and apparatus | |
US11526920B2 (en) | Matching a request from a user to a set of different users for responding to the request | |
WO2015191488A1 (en) | Inference based event notifications | |
TWI789560B (zh) | 門市推薦裝置和門市推薦方法 | |
JP2008083819A (ja) | 応対者情報出力プログラム、応対者情報出力方法および応対者情報出力装置 | |
US20180005142A1 (en) | Method for determining venue and restaurant occupancy from ambient sound levels | |
JP6427997B2 (ja) | コミュニケーション制御方法、コミュニケーション制御システムおよびコミュニケーション制御プログラム | |
US20200258025A1 (en) | Matching a request from a user to a set of different users for responding to the request |