计算门店综合评分的方法以及装置与流程

本发明涉及一种计算门店综合评分的方法以及装置。

背景技术：

在一些电商平台中，有不少的门店或者商家入驻到系统。通常用户在消费完成后会给对应的门店和商品进行评分。用户在选择门店中的商品的时候会查看门店的综合评分。门店的综合评分不仅仅代表了商品质量、服务质量等方面的量化，更是大部分用户对这个门店的认可度和信任度的表达方式。可以说门店综合评分的高低决定了门店的生存状态。

在现有技术中，通常用户每次消费完成后，app会要求用户针对本次消费填写商品质量、服务质量、送货速度等相关的评分(五分制)，评分系统按照平均评分计算获得门店的平均评分。

但在，现有技术中存在如下不足。

(1)计算平均评分，可参考性不强，例如两个门店，综合评分都是4分。a门店是5个人评价的结果，b门店是5万人评价的结果。这种计算平均评分的方式不能拉开a门店和b门店的差距。

(2)计算平均评分，公平性欠缺。例如两个门店，综合评分都是4分。a门店是5个人评价的结果，b门店是5万人评价的结果。如果a门店和b门店都收到一个5分的新评价。那么a门店综合评分立刻会上升为4.1分以上。b门店的综合评分的上升非常不明显，通常保留3位小数后会被忽略不计。

技术实现要素：

本发明鉴于上述问题而开发，目的在于提供一种计算门店综合评分的方法以及装置，能够提高综合评分的准确性，从而使综合评分更加具有参考性和公平性。以更加真实的量化方式展现给用户，实现用户在选择门店 的时候评分高的门店比评分低的门店更值得光顾。

为了解决上述问题，本发明的一个方式涉及一种计算门店综合评分的方法，包括：获取针对目标门店的评分以及评价次数；根据所获取的所述评分以及所述评价次数，计算所述目标门店的平均评分；根据表示进入门店排名所需要的最小评价次数的规定值、所获取的所述评价次数、计算出的所述目标门店的平均评分、以及平台所有门店的平均评分，计算所述目标门店的综合评分wr；以及根据综合评分wr，来对所述目标门店进行显示。

此外，在本发明的计算门店综合评分的方法中，优选计算所述目标门店的综合评分wr时，利用以下的贝叶斯算法公式来进行计算：

wr＝(v÷(v+m))×r+(m÷(v+m))×c

其中，r是计算出的所述目标门店的平均评分，v是所获取的所述评价次数，m是所述规定值，c是平台所有门店的平均评分。

此外，在本发明的计算门店综合评分的方法中，优选所获取的所述评分包括：针对商品质量的商品评分、针对服务质量的服务评分和针对送货速度的配送速度评分，计算所述目标门店的平均评分时，利用以下的算式来进行计算：

平均评分＝(商品平均评分×商品权重)+(配送速度平均评分×配送速度权重)+(服务平均评分×服务权重)

其中，商品权重、配送速度权重以及服务权重分别为0％以上且100％以下，并且商品权重、配送速度权重以及服务权重之和等于100％。

此外，在本发明的计算门店综合评分的方法中，优选所述商品权重为40％，所述配送速度权重为30％，所述服务权重为30％。

此外，在本发明的计算门店综合评分的方法中，优选在冷启动时，将平台所有门店的平均评分设为4.1。

此外，在本发明的计算门店综合评分的方法中，优选将来自用户的评价写入数据库中，在计算平均评分和综合评分时，使用数据库中的数据进行计算，并且将计算结果写入数据库中，在向用户提示评分时，直接从数据库取得综合评分并进行显示。

此外，在本发明的计算门店综合评分的方法中，优选将来自用户的评 价实时写入到es中，按规定时间由评分计算引擎提取es中的数据来单独计算平均评分和综合评分，并且将计算结果写入到mysql中，在向用户提示评分时，直接调用mysql来进行显示。

本发明的另一个方式涉及一种计算门店综合评分的装置，包括：获取针对目标门店的评分以及评价次数的单元；根据所获取的所述评分以及所述评价次数，计算所述目标门店的平均评分的单元；根据表示进入门店排名所需要的最小评价次数的规定值、所获取的所述评价次数、计算出的所述目标门店的平均评分、以及平台所有门店的平均评分，计算所述目标门店的综合评分wr的单元；以及根据综合评分wr，来对所述目标门店进行显示的单元。

此外，在本发明的计算门店综合评分的装置中，优选计算所述目标门店的综合评分wr的单元，利用以下的贝叶斯算法公式来进行计算：

wr＝(v÷(v+m))×r+(m÷(v+m))×c

其中，r是计算出的所述目标门店的平均评分，v是所获取的所述评价次数，m是所述规定值，c是平台所有门店的平均评分。

此外，在本发明的计算门店综合评分的装置中，优选所获取的所述评分包括：针对商品质量的商品评分、针对服务质量的服务评分和针对送货速度的配送速度评分，计算所述目标门店的平均评分的单元，利用以下的算式来进行计算：

平均评分＝(商品平均评分×商品权重)+(配送速度平均评分×配送速度权重)+(服务平均评分×服务权重)

其中，商品权重、配送速度权重以及服务权重分别为0％以上且100％以下，并且商品权重、配送速度权重以及服务权重之和等于100％。

此外，在本发明的计算门店综合评分的装置中，优选将来自用户的评价实时写入到es中，按规定时间由评分计算引擎提取es中的数据来单独计算平均评分和综合评分，并且将计算结果写入到mysql中，在向用户提示评分时，直接调用mysql来进行显示。

根据本发明，能够提高综合评分的准确性，从而使综合评分更加具有参考性和公平性，以更加真实的量化方式展现给用户，实现用户在选择门店的时候评分高的门店比评分低的门店更值得光顾。

附图说明

通过参考以下组合附图对所采用的优选实施方式的详细描述，本发明的上述目的、优点和特征将变得更显而易见，其中：

图1是表示本发明中计算门店综合评分的方法的流程图。

图2是表示本发明中计算门店综合评分的装置的方框图。

图3示出本发明中评价系统模块架构图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

在本发明中，在计算门店的平均评分时，可以使用现有的任意方法。例如，评分包括针对商品质量的商品评分、针对服务质量的服务评分和针对送货速度的配送速度评分，使用下述算式来计算门店平均评分：

门店平均评分＝(商品平均评分×商品权重)+(配送速度平均评分×配送速度权重)+服务平均评分×服务权重

其中，各权重百分比单独配置，商品权重、配送速度权重以及服务权重分别为0％以上且100％以下，三个纬度百分比之和等于100％。

在计算门店平均评分时，例如优选：

门店平均评分＝服务平均评分*30％+配送速度平均评分*30％+商品质量平均评分*40％

即，优选商品权重为40％，配送速度权重为30％，服务权重为30％。

在本发明中，为了提高门店综合评分的准确性，在计算出的门店平均评分后，再结合贝叶斯算法得出门店综合评分。贝叶斯算法公式如下：

综合评分wr＝(v÷(v+m))×r+(m÷(v+m))×c

其中，r是用普通的方法计算出的门店平均评分，v是针对门店的评 价次数，m是一规定值，表示进入门店排名所需要的最小评价次数，c是目前平台所有门店的平均评分。

在本发明中，为了提高门店综合评分的准确性，保证公平性，让新门店不会初始就具有很低或者很高的分数。让新门店即便只有0票也具有进入优质门店的门槛要求票数，即便只有0票得分也是整体的平均评分。但是从公式可以看出，票数越多越真实，也就是说，如果差评越来越多，门店的分数会越趋近于真实差评平均评分，远离默认的平均评分。相反，好评越来越多，门店的分数会无限趋近于真实的平均评分，远高于默认的平均评分。通过该公式可以在扶持新门店的同时，保证销量高的门店的优势。例如两个门店，一个门店有10个五星评价。另外一个门店有1000个五星评价。虽然单纯计算平均评分都是5分，但是在贝叶斯算法的场景下。两个门店之间的分数肯定存在很大差别。

其中上述公式的c是平台所有门店的平均评分，但是系统存在冷启动问题，在冷启动时，即第一次启动时用4.1作为平均评分c进行计算。例如每天重新计算平均评分c。根据时间周期越长，c的值会越趋近于真实情况。

m优选是优质门店数量，例如认为评价数量top30％(100天)的门店是优质的，按照top排序，取第30％的评价数量作为m值。

根据上述贝叶斯算法公式可知，门店的评价次数越高，其综合评分越接近其门店平均分。

因为数据量庞大，为了解决计算评分过程中的性能问题，本发明中不采用实时计算的方式。门店评分的显示直接通过数据库查询来获取。但是数据库的分值是通过离线计算模块计算得出的。例如每天凌晨计算模块利用贝叶斯公式计算出最新结果，重新写入数据库，提供给前端显示。

图3示出评价系统模块架构图。

用户提交评价分数以后，系统将评价记录存储在es中。通过计算模块，将es的评价记录进行计算统计后生成综合评分存储在mysql中。当用户查询门店综合评分的时候，分数查询mysql即可返回评分结果。

es(elasticsearch)是一个基于lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于restfulweb接口。 elasticsearch是用java开发的，并作为apache许可条款下的开放源码发布，是第二流行的企业搜索引擎。设计用于云计算和存储中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。

因为评价分数计算实时性要求不高。用户评价完成后，不需要立刻计算分数，第二天显示最新的分数并不会影响用户体验。所以写入和计算过程如下：

第一步：用户的评价数据实时写入到es中，

第二步：每天凌晨分数计算引擎抽取es数据进行单独计算。

第三步：将门店的计算结果写入到mysql。

第四步：用户查看评价分数的时候直接调用mysql记录。

根据本发明技术方案，能够取得如下有益技术效果：

(1)评价分数更加真实公平，评分高的门店是服务和质量更好的门店的量化，用户会对评价数据更加信任。

(2)优质商家不会再因为新商家的评价基数低，评分反而快速被超越。商家更加相信评分的真实性和客观性。让商家更重视评分的重要性以提高自身的服务和质量。

尽管以上已经结合本发明的优选实施例示出了本发明，但是本领域的技术人员将会理解，在不脱离本发明的精神和范围的情况下，可以对本发明进行各种修改、替换和改变。因此，本发明不应由上述实施例来限定，而应由所附权利要求及其等价物来限定。