【技术实现步骤摘要】
一种订单信息动态调整方法和装置
本申请涉及机器学习
，具体而言，涉及一种订单信息动态调整方法和装置。
技术介绍
网约车作为一种新型的出行方式，已经被越来越多的人所选择。对于网约车平台而言，其在为用户提供出行服务时，一般是基于用户提供的出发地和目的地生成订单信息，其中可以包括服务等待时长、车型信息等。很多情况下，可能存在平台为用户提供的订单信息不符合用户实际需求的问题，比如等待时长过长、默认选择的车型不符等，可能会导致用户取消订单或重新发起订单的情况，导致服务效率较低。可见，在上述服务中，由于无法为用户提供针对性的下单服务，存在服务效率低，服务质量不高的问题。
技术实现思路
有鉴于此，本申请实施例的目的在于提供一种订单信息动态调整方法和装置，用以提高服务效率。第一方面，本申请实施例提供了一种订单信息动态调整方法，包括：当目标用户发生冒泡行为时，获取用于表征所述目标用户的冒泡行为的目标特征信息；根据所述目标特征信息，确定所述目标用户在发生所述冒泡行为时的目标下单转化率；根据确定的所述目标下单转化率，确定针对所述目标用户的目标订单调整信息。一种可选实施方式中，所述根据所述目标特征信息，确定所述目标用户在发生所述冒泡行为时的目标下单转化率，包括：将所述目标用户的所述目标特征信息输入至预先训练的下单转化率预测模型中，获取所述目标用户的所述目标下单转化率。一种可选实施方式中，所述根据确定的所述目标下单转化率，确定针对所述目标用户的目标订单调...
【技术保护点】
1.一种订单信息动态调整方法，其特征在于，包括：/n当目标用户发生冒泡行为时，获取用于表征所述目标用户的冒泡行为的目标特征信息；/n根据所述目标特征信息，确定所述目标用户在发生所述冒泡行为时的目标下单转化率；/n根据确定的所述目标下单转化率，确定针对所述目标用户的目标订单调整信息。/n
【技术特征摘要】
1.一种订单信息动态调整方法，其特征在于，包括：
当目标用户发生冒泡行为时，获取用于表征所述目标用户的冒泡行为的目标特征信息；
根据所述目标特征信息，确定所述目标用户在发生所述冒泡行为时的目标下单转化率；
根据确定的所述目标下单转化率，确定针对所述目标用户的目标订单调整信息。
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标特征信息，确定所述目标用户在发生所述冒泡行为时的目标下单转化率，包括：
将所述目标用户的所述目标特征信息输入至预先训练的下单转化率预测模型中，获取所述目标用户的所述目标下单转化率。
3.根据权利要求1所述的方法，其特征在于，所述根据确定的所述目标下单转化率，确定针对所述目标用户的目标订单调整信息，包括：
根据所述目标下单转化率，以及预设的多个下单转化率区间分别对应的订单调整信息，确定所述目标用户在发生所述冒泡行为时的目标订单调整信息。
4.根据权利要求1所述的方法，其特征在于，采用下述步骤获取预先训练的所述下单转化率预测模型：
获取用于表征样本用户的冒泡行为特征的样本特征信息以及与不同价格区间对应的样本下单转化率；所述样本用户的样本特征信息中包含与冒泡行为对应的样本订单预估价格；
基于所述样本用户的样本特征信息，以及不同价格区间对应的样本下单转化率，训练所述下单转化率预测模型。
5.根据权利要求4所述的方法，其特征在于，根据以下步骤确定与不同价格区间对应的样本下单转化率：
根据所述样本用户每次冒泡行为对应的订单预估价格所落入的价格区间，将所述样本用户的冒泡行为划分到与所述价格区间对应的分类；
确定各分类中的冒泡行为转化为实际订单的次数；
根据每个分类中所包括冒泡行为的次数，以及每个分类中的冒泡行为转化为实际订单的次数，计算归属于该分类的冒泡行为对应的下单转化率。
6.根据权利要求4所述的方法，其特征在于，所述获取用于表征样本用户的冒泡行为特征的样本特征信息，包括：
在接收到样本用户的客户端发送的出行信息时，将所述客户端发送出行信息的行为作为冒泡行为进行记录，并根据所述出行信息，确定该次冒泡行为对应的订单预估价格。
7.根据权利要求4所述的方法，其特征在于，所述基于所述样本用户的样本特征信息，以及不同价格区间对应的样本下单转化率，训练所述下单转化率预测模型，包括：
确定进行下单转化率预测所基于的基础预测模型；
将所述样本用户的样本特征信息作为所述基础预测模型的解释变量的值，将该次冒泡行为所属的价格区间对应的下单转化率作为被解释变量的值，训练得到所述下单转化率预测模型。
8.根据权利要求7所述的方法，其特征在于，所述基础预测模型采用逻辑回归模型、自回归模型、移动平均模型、自回归移动平均模型、整合移动平均自回归模型、广义自回归条件异方差模型、深度学习模型、决策树模型中任意一种。
9.根据权利要求4所述的方法，其特征在于，该方法还包括：确定多个区域范围；
所述获取用于表征样本用户的冒泡行为特征的样本特征信息以及与不同价格区间对应的样本下单转化率，包括：
针对所述多个区域范围，获取每个区域范围内的样本用户的样本特征信息，以及与不同价格区间对应的样本下单转化率；
基于所述样本用户的样本特征信息，以及不同价格区间对应的样本下单转化率，训练所述下单转化率预测模型，包括：
针对每个区域范围，基于该区域范围内的样本用户的样本特征信息，以及与不同价格区间对应的样本下单转化率，训练与该区域范围对应的下单转化率预测模型；
所述根据所述目标特征信息，确定所述目标用户在发生所述冒泡行为时的目标下单转化率，包括：
基于目标用户所在区域范围对应的所述下单转化率预测模型，以及目标用户的目标特征信息，预测得到所述目标用户在发生冒泡行为时的目标下单转化率。
10.根据权利要求9所述的方法，其特征在于，所述确定多个区域范围包括：
获取样本用户集合中每个所述样本用户的冒泡行为的冒泡地点；
基于每个所述冒泡行为对应的冒泡地点，确定至少一个区域范围。
11.根据权利要求10所述的方法，其特征在于，所述基于每个所述冒泡行为对应的冒泡地点，确定至少一个区域范围，具体包括：
对所述冒泡地点进行聚类，得到至少一个类；
基于每个类包含的至少一个冒泡地点，确定与该类对应的一个区域范围。
12.根据权利要求9-11任意一项所述的方法，其特征在于，所述确定多个区域范围之后，还包括：
确定所述多个区域范围中每个区域范围对应的冒泡行为的数量；
根据所述每个区域范围对应的冒泡行为的数量，对所述多个区域范围进行分类；
基于每个分类包括的区域范围内，所述样本用户的样本特征信息以及所述不同价格区间对应的下单转化率，训练该分类内的各个区域范围对应的下单转化率预测模型。
13.根据权利要求4所述的方法，其特征在于，所述方法还包括：
获取用于表征测试用户的冒泡行为特征的测试特征信息，以及与不同价格区间对应的测试下单转化率；
基于测试用户的测试特征信息，以及与不同价格区间对应的测试下单转化率，对训练后的下单转化率预测模型进行验证。
14.根据权利要求13所述的方法，其特征在于，所述基于测试用户的测试特征信息，以及与不同价格区间对应的测试下单转化率，对训练后的下单转化率预测模型进行验证，包括：
将所述测试用户的测试特征信息输入至训练后的所述下单转化率预测模型，获得预测下单转化率；
基于所述预测下单转化率与所述测试下单转化率计算预测损失；
针对测试损失大于预设损失阈值的情况，将所述测试用户的测试特征信息和所述样本用户的样本特征信息作为新的样本特征信息，返回基于所述样本用户的样本特征信息，以及不同价格区间对应的样本下单转化率，训练所述下单转化率预测模型的步骤，直至预测损失不大于预设损失阈值。
15.根据权利要求14所述的方法，其特征在于，所述基于所述预测下单转化率与所述测试下单转化率计算预测损失，包括：
计算所述测试下单转化率与所述预测下单转化率不一致时的冒泡行为的数量；
将所述测试下单转化率与所述预测下单转化率不一致时的冒泡行为的数量，与所述测试用户的冒泡行为的总数量的比值作为所述测试损失。
16.根据权利要求4所述的方法，其特征在于，所述样本特征信息还包括：
冒泡频率、冒泡次数的周期性变化量、下单的周期性变化量、累计下单数、工作日冒泡总量、工作日下单总量、周末冒泡总量、周末的下单总量、冒泡行为发生的时间段中至少一项。
17.根据权利要求16所述的方法，其特征在于，针对所述样本特征信息包括冒泡频率的情况，采用下述步骤获取所述冒泡频率：
针对每个样本用户，获取该样本用户在预设历史时间段内所有冒泡行为的冒泡时间；
基于所有冒泡行为对应的冒泡时间，计算相邻冒泡行为的平均间隔时间；
基于所述平均间隔时间确定所述冒泡频率。
18.根据权利要求16所述的方法，其特征在于，针对所述样本特征信息包括冒泡次数的周期性变化量的情况，采用下述步骤获取所述冒泡次数的周期性变化量：
针对每个样本用户，获取该样本用户在预设历史时间段内的冒泡行为的发生时间；
根据在所述预设历史时间段内的冒泡行为的发生时间，确定在所述预设历史时间段内的每个时间周期对应的冒泡行为的数量；
基于每个时间周期对应的冒泡行为的数量，确定每相邻的两个时间周期内的冒泡次数的周期性变化量。
19.根据权利要求16所述的方法，其特征在于，针对所述样本特征信息包括下单的周期性变化量的情况，采用下述步骤获取所述下单的周期性变化量：
针对每个样本用户，获取该用户在预设历史时间段内的所有冒泡行为对应的下单转化信息；
根据所有冒泡行为对应的下单转化信息，确定在所述预设历史时间段内的每个时间周期对应的下单数量；
基于所述每个时间周期对应的下单数量，确定每相邻的两个时间周期内下单的周期性变化量。
20.根据权利要求1所述的方法，其特征在于，所述目标订单调整信息包括：价格调整信息和/或服务调整信息。
21.一种订单信息动态调整装置，其特征在于，该装置包括：
获取模块，用于当目标用户发生冒泡行为时，获取用于表征所述目标用户的冒泡行为的目标特征信息；
确定模块，用于根据所述目标特征信息，确定所述目标用户在发生所述冒泡行为时的目标下单转化率；
生成模块，用于根据确定的所述目标下单转化率，确定针对所述目标用户的目标订单调...
【专利技术属性】
技术研发人员：戚立才，张怡菲，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。