【技术实现步骤摘要】
本专利技术涉及网约车，具体为一种租户营销活动下的智能圈选司机算法。
技术介绍
1、在网约车业务下，大部分租户、渠道都会开展各类营销活动，其目的是树立渠道方、租户的品牌口碑，提高司乘的活跃度和粘性，提高平台收入、完单量等核心指标。从营销活动的目标人群上看，有针对司机、乘客的这两类活动；从资源配置的角度看，包含租户独资、渠道方独资、租户和渠道方合资进行的活动。
2、在针对司机的这部分营销活动中，租户常用的配置方式包含以下几种：最常见的是冲单奖，即司机完成一定单量之后会获得额外的奖励，部分冲单奖会在设置单量要求的同时，要求司机的出车时长达到一定阈值才发放奖励；二是单单奖，即每完成一单则获取相应的金钱奖励；三是保底奖，即完成目标的出车时长之后，则会保证司机的收入达到一定水平，订单报酬若未达到预定收入，则有租户、渠道方补给；四是新手奖，通常的形式是完成首单、第10单等，则给予一定奖励，新手奖的奖励金额通常要高于冲单奖、单单奖；此外，还有针对司机拉新的营销活动，即平台现存的司机若通过各类方式吸引其他人加入本平台，则会获取一定的拉新奖励。
3、租户或者城市在开展营销活动时，都是针对某个城市进行，针对城市的发单量、司机活跃情况配置不同的要求和奖励参数；此外，在配置活动时，还可以配置某个特定区域、范围内的司机才能参与，或者直接圈选部分司机参与。这些做法的目的是最大化投资回报率，即通过尽量低的活动成本，最大化平台总体的成交金额和完单量提升。
4、在实际的营销活动配置过程中，特别是中小租户的活动，通常基于一定的规则
技术实现思路
1、针对上述情况，为弥补上述现有缺陷，本专利技术提供了一种租户营销活动下的智能圈选司机算法，针对网约车业务下，租户和渠道在进行营销活动时，需要圈选最优的司机从而最大化投资回报率的需求，提出了uplift模型来求解司机完单量增益的方法，实现了司机人群的智能圈选。
2、本专利技术提供如下的技术专利技术：本方案提供的一种租户营销活动下的智能圈选司机算法，包括以下步骤：
3、步骤一：基于营销活动、司机行为、租户维度和城市维度四类基础数据，构造训练集和测试集；
4、步骤二：基于训练集通过s-learn和t-learn思路训练uplift模型；
5、步骤三：把测试集数据输入到uplift模型中，得到测试集中每个司机的uplift值，即司机完单量增量；
6、步骤四：基于完单量增量，通过谈心策略，把活动整体的预算分配到每个司机，分到预算的司机即为被圈选的司机。
7、进一步地，所述构造训练集和测试集包括如下步骤：
8、(1)在网约车场景下，选择没有其他活动干扰的活动来构造样本；
9、(2)一个冲单奖活动会配置多个阶梯，每个阶梯对应一个单量要求和奖励金额，在构造样本时，每个司机每个阶梯形成一个样本，对应的标签y表示该司机是否完成该阶梯，y＝1表示完成该阶梯，y＝0表示未达到该阶梯要求。训练数据中y＝1和y＝0比例是1:3，在测试数据中保持原始的y值分布；
10、(3)司机在活动中是否参与活动，取决于司机首次进入活动页面的时间：若司机当天没有进入该活动的详情页面，则认为司机没有参与活动，我们称为对照组；若司机在11点之前进入活动详情页，则认为是参与活动，我们称为实验组；若司机在11点到24点之间进入活动详情，由于司机完成任务需要时间，司机即使得知自己能够参与活动，也无法完成冲单奖任务，因此该时段内进入详情页不会进入数据集；训练数据中，实验组和对照组比例是1:1，在测试数据中实验组和对照组保持原始的分布。
11、进一步地，所述构造训练集和测试集还包括以下维度数据：
12、①活动的配置参数：包含冲单奖当前阶梯要求的单量和对应的奖励金额，上一级阶梯的单量和奖励金额；
13、②司机特征：司机大盘特征，包含昨日同期、上周同期的完单量，历史一周的日均完单量、成交金额、出车时长；司机历史营销特征，包含历史一周、一个月之内，司机圈选次数、参与次数、达标次数、达标率、奖励总金额等；
14、③城市和租户特征：从城市、租户、城市和租户租户三个粒度上统计昨日、上周同期、历史7天下的日均人均完单量、出车时间、成交金额；
15、④实时特征：由于司机的活跃、完单具有周级别的周期性，同时受节假日影响较大，因此增加特征来描述活动当天是周几、当天是否是节假日、是否是节假日3天之前、是否是节假日2天之后。
16、进一步地，所述uplift模型的训练包括如下步骤：
17、(1)首先训练s-learn模型，针对特征x＝x，是否参与活动t＝t，s-learn:模型学习u(x)＝p(y|x＝x,t＝t)，最终预测的uplift值v(x)＝u(x,t＝1)-u(x,t＝0)；
18、(2)其次训练t-learn模型，t-learn则学习u0(x)＝p(y|x＝x,t＝0)和u1(x)＝p(y|x＝x,t＝1)两个模型，最终预测的uplift值v(x)＝u1(x)-u0(x)；
19、(3)在以上过程中，使用lightgbm(light gradient boosting machine)算法来训练模型。
20、进一步地，所述活动预算的分配采用贪心策略来分配活动预算到司机，即把每个司机预测的完单量增量降序排列，按照该序列来分配预算直到为0。
21、采用上述结构本专利技术取得的有益效果如下：本专利技术提出的一种租户营销活动下的智能圈选司机算法，设计了一套面向渠道和租户营销活动的智能圈选司机人群的方法，该方法能够在已知冲单奖的活动配置参数的前提下，通过uplift算法模型和贪心策略给出投资回报最大的司机群体，保证租户和渠道的精准、有效营销。
本文档来自技高网...【技术保护点】
1.一种租户营销活动下的智能圈选司机算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种租户营销活动下的智能圈选司机算法，其特征在于，所述构造训练集和测试集包括如下步骤：
3.根据权利要求2所述的一种租户营销活动下的智能圈选司机算法，其特征在于，所述构造训练集和测试集还包括以下维度数据：
4.根据权利要求3所述的一种租户营销活动下的智能圈选司机算法，其特征在于，所述uplift模型的训练包括如下步骤：
5.根据权利要求4所述的一种租户营销活动下的智能圈选司机算法，其特征在于，所述活动预算的分配采用贪心策略来分配活动预算到司机，即把每个司机预测的完单量增量降序排列，按照该序列来分配预算直到为0。
【技术特征摘要】
1.一种租户营销活动下的智能圈选司机算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种租户营销活动下的智能圈选司机算法，其特征在于，所述构造训练集和测试集包括如下步骤：
3.根据权利要求2所述的一种租户营销活动下的智能圈选司机算法，其特征在于，所述构造训练集和测试集还包括以下维度数据：
...【专利技术属性】
技术研发人员：于志杰，
申请(专利权)人：北京白龙马云行科技有限公司，
类型：发明
国别省市：
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。