一种基于服务体验的全流程可视化管理系统及方法技术方案

本发明专利技术公开了一种基于服务体验的全流程可视化管理系统及方法，属于专门适用于管理目的的数据处理系统领域，本发明专利技术提取商品各阶段的正常服务体验数据导入商品评价值计算策略中计算商品各阶段的评价值，将商品各阶段的评价值导入商品评价系数判断策略中进行商品评价系数的判定，并将商品评价系数降序排列得到商品评价系数在前列的多个商品，根据购买者的需要将得到的最优的多个商品的商品评价系数和商品各阶段的评价值导入选择策略中，以选择同类商品中最合适的商品，将同类商品中最合适的商品信息推送至显示器供购买者选择，优化了商品推送机制，提高了商品推送的准确性，避免了恶意好评刷单对商品的选择造成的阻碍

【技术实现步骤摘要】
一种基于服务体验的全流程可视化管理系统及方法


[0001]本专利技术属于专门适用于管理目的的数据处理系统
，具体的说是一种基于服务体验的全流程可视化管理系统及方法
。

技术介绍

[0002]现有的商品在进行销售的过程中，消费者通常观察服务体验好评率和销量进行商品全流程使用好坏的评估，但是同种商品的不同种类其各个生命周期的功能和效果不同，现有计算无法对同种商品的不同种类其各个生命周期的功能和效果进行快速统计比较，这样降低了商品推送的准确性，同时现有的淘宝等网商平台存在着大量的恶意好评刷单的情况，严重的影响了消费者对商品的正确评估，现有技术中均存在上述问题；例如在申请公布号为
CN116823304A
的中国专利中公开了一种电子商务交易数据分类整合处理系统，具体涉及电子商务交易数据处理应用
，包括用户登录模块基于用户有采购需求时，用户输入个人信息进入系统商品界面；所述鹅绒羽绒服区域划分模块得到鹅绒羽绒服不同的采集地区域；所述鹅绒品控采集模块对当日对外输出的鹅绒进行品控和质量监测，得到当日采集地鹅绒的交易量；所述鹅绒羽绒服售后订单数据模块用于采集售后服务评价数据，得到当日采集地鹅绒的售后服务评价系数；所述电子商务销售模块基于交易成功指数和售后服务指数的计算得到电子商务销售指数；所述云数据库模块用于对客户信息和商家信息的采集和系统数据的维护；所述后台反馈模块将合适的商品推送到符合信息标签的用户；同时例如在申请公布号为
CN114444934A
的中国专利中公开了一种企业销售周期性算法及其工具化应用，按照如下步骤对企业销售情况进行周期性评价：
S1
：数据获取，获取企业销售数据；
S2
：数据整理，对零散的销售数据按月份进行统计汇总得到月度销售数据；
S3
：数据分组，按照时间将月度销售数据划分为两组；
S4
：数据修正，计算两组月度销售数据的绝对离差，剔除两组数据中的极值；
S5
：数据相关性计算，计算两组月度销售数据的皮尔逊相关系数；
S6
：数据评价，对不同阈值区间内的皮尔逊相关系数进行分别评价
。
本专利技术通过统计学的算法对企业经营的周期性进行了量化分析，并给出了科学的评价方法，在监控企业经营风险时，有了更为科学的依据，能有效帮助决策，提高效率
。
[0003]以上专利均存在本
技术介绍
提出的问题：消费者通常观察服务体验好评率和销量进行商品全流程使用好坏的评估，但是同种商品的不同种类其各个生命周期的功能和效果不同，现有计算无法对同种商品的不同种类其各个生命周期的功能和效果进行快速统计比较，这样降低了商品推送的准确性，同时现有的淘宝等网商平台存在着大量的恶意好评刷单的情况，严重的影响了消费者对商品的正确评估，为了解决这些问题，本申请设计了一种基于服务体验的全流程可视化管理系统及方法
。

技术实现思路

[0004]针对现有技术的不足，本专利技术提出了一种基于服务体验的全流程可视化管理系统
及方法，本专利技术将待选购价格段商品按照生命周期划分为若干个阶段，提取消费者在购买商品后对待选购价格段商品各阶段的服务体验评价数据，构建评价刷单识别模型，将消费者在购买商品后对商品各阶段的服务体验评价数据导入评价刷单识别模型中计算各服务体验数据的异常值，将计算得到的各服务体验数据的最大异常值与设定的异常阈值进行对比，若服务体验数据的异常值大于等于设定的异常阈值则判定该服务体验数据为刷单数据，将其从统计中去除；若服务体验数据的异常值小于设定的异常阈值则判定该服务体验数据为正常服务体验数据，提取商品各阶段的正常服务体验数据导入商品评价值计算策略中计算商品各阶段的评价值，将商品各阶段的评价值导入商品评价系数判断策略中进行商品评价系数的判定，并将商品评价系数降序排列得到商品评价系数在前列的多个商品，根据购买者的需要将得到的最优的多个商品的商品评价系数和商品各阶段的评价值导入选择策略中，以选择同类商品中最合适的商品，将同类商品中最合适的商品信息推送至显示器供购买者选择，优化了商品推送机制，提高了商品推送的准确性，避免了恶意好评刷单对商品的选择造成的阻碍
。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于服务体验的全流程可视化管理方法，其包括以下具体步骤：
S1、
将待选购价格段商品按照生命周期划分为若干个阶段，提取消费者在购买商品后对待选购价格段商品各阶段的服务体验评价数据；
S2、
构建评价刷单识别模型，将消费者在购买商品后对商品各阶段的服务体验评价数据导入评价刷单识别模型中计算各服务体验数据的异常值；
S3、
将计算得到的各服务体验数据的最大异常值与设定的异常阈值进行对比，若服务体验数据的异常值大于等于设定的异常阈值则判定该服务体验数据为刷单数据，将其从统计中去除；若服务体验数据的异常值小于设定的异常阈值则判定该服务体验数据为正常服务体验数据，同时将正常服务体验数据小于设定的服务体验阈值的商品从统计中去除，剩余的执行
S4
；
S4、
提取剩余商品各阶段的正常服务体验数据导入商品评价值计算策略中计算商品各阶段的评价值；
S5、
将商品各阶段的评价值导入商品评价系数判断策略中进行商品评价系数的判定，并将商品评价系数降序排列得到商品评价系数在前列的多个商品；
S6、
根据购买者的需要将得到的最优的多个商品的商品评价系数和商品各阶段的评价值导入选择策略中，以选择同类商品中最合适的商品；
S7、
将同类商品中最合适的商品信息推送至显示器供购买者选择
。
[0006]具体的，所述
S1
包括以下具体步骤：
S11、
根据提供的商品价格段选择待选择价格段商品，将选择的待选择价格段商品按照生命周期划分为若干个阶段，这里的按照生命周期划分为若干个阶段具体为将使用功能型商品按照功能周期划分为若干个阶段，如空调划分为制冷
、
制热和抽湿等阶段，还可以具体为按照寿命周期型商品按照其生命周期划分为若干个阶段，如牙膏划分为刚使用效果
、
使用一定周期的效果和使用若干个周期的效果等阶段；
S12、
提取消费者在购买商品后对待选购价格段商品各阶段的服务体验评价数据，这里的服务体验评价数据即为消费者的评价数据，包括评价分数
、
评价文字和评价图片，这
里的评价分数为消费者对消费产品的打分数据，以淘宝为例，这里的打分数据对应为几星好评，评价文字即为消费者对消费产品的文字评价数据，评论图片即为消费者评论时附带的照片数据
。
[0007]具体的，所述
S2
中的评价刷单识别模型包括以下具体内容：
S21、
提取各阶段的任意两个服务体验评价数据，分别提取服务体验评价数据中的评价分数
、
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于服务体验的全流程可视化管理方法，其特征在于，其包括以下具体步骤：
S1、
将待选购价格段商品按照生命周期划分为若干个阶段，提取消费者在购买商品后对待选购价格段商品各阶段的服务体验评价数据；
S2、
构建评价刷单识别模型，将消费者在购买商品后对商品各阶段的服务体验评价数据导入评价刷单识别模型中计算各服务体验数据的异常值；
S3、
将计算得到的各服务体验数据的最大异常值与设定的异常阈值进行对比，若服务体验数据的异常值大于等于设定的异常阈值则判定该服务体验数据为刷单数据，将其从统计中去除；若服务体验数据的异常值小于设定的异常阈值则判定该服务体验数据为正常服务体验数据，同时将正常服务体验数据小于设定的服务体验阈值的商品从统计中去除，剩余的执行
S4
；
S4、
提取剩余商品各阶段的正常服务体验数据导入商品评价值计算策略中计算商品各阶段的评价值；
S5、
将商品各阶段的评价值导入商品评价系数判断策略中进行商品评价系数的判定，并将商品评价系数降序排列得到商品评价系数在前列的多个商品；
S6、
根据购买者的需要将得到的最优的多个商品的商品评价系数和商品各阶段的评价值导入选择策略中，以选择同类商品中最合适的商品；
S7、
将同类商品中最合适的商品信息推送至显示器供购买者选择
。2.
如权利要求1所述的一种基于服务体验的全流程可视化管理方法，其特征在于，所述
S1
包括以下具体步骤：
S11、
根据提供的商品价格段选择待选择价格段商品，将选择的待选择价格段商品按照生命周期划分为若干个阶段；
S12、
提取消费者在购买商品后对待选购价格段商品各阶段的服务体验评价数据，这里的服务体验评价数据即为消费者的评价数据，包括评价分数
、
评价文字和评价图片
。3.
如权利要求2所述的一种基于服务体验的全流程可视化管理方法，其特征在于，所述
S2
中的评价刷单识别模型包括以下具体内容：
S21、
提取各阶段的任意两个服务体验评价数据，分别提取服务体验评价数据中的评价分数
、
评价文字和评价图片数据；
S22、
提取服务体验评价数据中的评价文字数据导入文字相似度计算公式中计算任意两个服务体验评价数据的文字相似度，文字相似度计算公式为：，其中，为其中一个服务体验评价数据的文字集合，为另一服务体验评价数据的文字集合，
m
为集合中元素的个数；
S23、
提取服务体验评价数据中的评价图片数据
、
计算得到的文字相似度数据和评价分数数据代入异常值计算公式中计算服务体验数据的异常值，其中，所述异常值计算公式为：，其中
exp
为
e
的次幂，为对应的服
务体验评价数据的评价分数，为对应的服务体验评价数据的评价分数，为对应的服务体验评价数据的评价图片的第
i
个像素点的像素值，为对应的服务体验评价数据的评价图片的第
i
个像素点的像素值，
n
为评价图片的像素点个数，为第一占比系数，为第二占比系数，
。4.
如权利要求3所述的一种基于服务体验的全流程可视化管理方法，其特征在于，所述
S4
中的商品评价值计算策略的具体步骤如下：
S41、
提取商品各阶段的正常服务体验数据中的评价分数数据集合，计算商品各阶段的正常服务体验数据中的评价分数数据的平均值；
S42、
统计商品各阶段的正常服务体验数据数量占总正常服务体验数据数量的比例作为商品各阶段重要系数；
S43、
将商品各阶段的正常服务体验数据中的评价分数数据的平均值和商品各阶段重要系数代入商品评价值计算公式中计算得到各阶...

【专利技术属性】
技术研发人员：孙丹凤，王刚，崔秀元，王磊，魏杰，张海龙，
申请(专利权)人：青岛巨商汇网络科技有限公司，
类型：发明
国别省市：