一种国际物流线路推荐方法与流程

本发明涉及物流领域，特别是涉及一种国际物流线路推荐方法。

背景技术：

随着互联网以及电子商务的发展，跨境购物在电商中占比越来越大，而跨境购物最大的疼点在于国际物流成本较高，运送周期较长，同时还受各个国家和地区的海关政策影响，用户如何选择更合适的物流线路成为跨境购物中体验中的一大疼点。

与国内物流相对透明的价格和运送周期不同，国际物流公司、第三方代理公司众多，不同公司同样的物流线路在寄送价格、配送周期都存在明显的差异，甚至在同一物流公司因为不同代理提供的同一条线路都有非常大的差异。此外国际物流还会涉及邮寄限制、清关时效、配送范围等因素影响，对于普通用户非常难于从数量繁多的物流线路中选择最合适的寄送线路。

传统物流商的做法都只是简单列出可用的物流线路给用户，或者简单的把各个线路罗列给用户，用户需要在繁多的线路信息中选择一条合适的线路，用户在选择线路这里会花费很多时间但最终还不一定能选择的是最合适的线路。

个性化推荐系统是一种极具潜力的解决信息超载的服务技术，它利用用户的偏好信息自动的向用户推荐符合其兴趣特点的对象。这与搜索引擎提供的“一对多”式的信息服务不同，个性化推荐系统输出的结果更符合用户的预期需求。而且一般情况下无需用户额外提供给系统信息,一切都由系统自动完成，从而使得用户寻找信息的成本大大降低。国际物流线路智能推荐系统是个性化推荐服务在国际物流选择上的具体应用。它不是简单的根据某个相关条件进行推荐，而是能结合用户的所处地域、使用习惯、消费偏好等多个维度进行评估，选出一些最适合的结果直接呈现给用户。同时还提供管理后台，可以对计算的线路结果进行干预，推荐相同条件。

技术实现要素：

为了解决在跨境电商购物中如何向用户推荐合适的物流路线的技术问题，本发明提出一种国际物流线路推荐方法。

本发明的技术问题通过以下的技术方案予以解决：

一种国际物流线路推荐方法，包括以下步骤：

s1：采集用户提交的包裹订单信息；

s2：对步骤s1中所述包裹订单信息进行筛选，形成用户行为数据及线路特点数据；

s3：分析步骤s2中所述用户行为数据形成线路选择数据画像；分析和挖掘步骤s2中所述线路特点数据形成历史线路大数据；

s4：根据步骤s3中所述线路选择数据画像及所述历史线路大数据为用户推荐物流线路。

优选地，在步骤s3中，所述线路选择数据画像是通过分析用户行为数据中的用户所在地、用户消费习惯、用户偏向选择便宜或贵的线路、用户偏向选择运送时间长或短的线路形成。

优选地，在步骤s3中，所述历史线路大数据是通过分析和挖掘所述线路特点数据中的邮寄时长、价格、清关时长、邮寄限制、邮寄国家、地区特征形成。

优选地，在步骤s3中将所述线路特点数据及所述用户行为数据分别存储在线路特点数据库和用户行为数据库。

优选地，在步骤s4中，还包括配置所述物流线路的优先级，通过调节所述优先级调节线路推荐顺序。

优选地，在步骤s4中，结合需寄送的物品的信息采用协同过滤推荐算法为用户推荐物流线路。

优选地，步骤s2中所述用户行为数据是通过采用贝叶斯分类算法对用户进行聚类分析获取。

进一步地，对用户进行聚类分析之后，还包括对各类用户建立用户行为模型。

优选地，步骤s2中所述线路特点数据采用k均值聚类算法对物流线路进行聚类分析，对各类线路建立线路行为模型。

进一步地，所述建立线路行为模型之后采用机器学习方法对所述物流线路的数据进行校正和完善。

本发明还提出了一种采用国际物流线路推荐方法的装置，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器运行所述存储器中的计算机程序控制所述国际物流线路推荐方法的装置执行上述任一所述的方法。

此外，本发明还提出了一种计算机可读存储介质，其上存储有计算机程序，所述介质与计算机结合使用，该程序被处理器执行时实现上述任一方法的步骤。

本发明与现有技术对比的有益效果包括：将采集的包裹订单信息进行筛选获取用户行为数据集线路特征数据，之后分析用户行为数据形成线路选择数据画像，分析和挖掘线路特点数据形成历史线路大数据，根据线路选择数据图像结合所述历史线路大数据为用户推荐合适的国际物流线路。

附图说明

图1是本发明具体实施方式中的国际物流线路推荐系统结构图。

图2是本发明具体实施方式中的数据分析流程图。

图3是本发明具体实施方式中的线路推荐流程图。

图4是本发明国际物流线路推荐方法的流程图。

具体实施方式

下面对照附图并结合优选的实施方式对本发明作进一步说明。

一种国际物流推荐系统，如图1所示，包括：

包裹订单模块：处理用户提交的包裹订单数据，把包裹订单数据以及用户信息同步到数据采集模块。

数据预处理模块：处理包裹订单模块同步来的历史订单数据，对数据进行筛选，形成历史线路大数据以及用户行为大数据，分别存储到线路特点数据库和用户行为数据库。

用户数据分析模块：对用户历史选择线路数据进行分析和挖掘，分析用户历史线路选择数据，形成用户线路选择数据画像。根据用户所在地、用户消费习惯、用户偏向选择便宜还是贵的线路、用户偏向选择运送时间长还是运送时间短的线路等将用户线路选择数据画像分为时效型、经济型、偏远型等。

线路数据分析模块：对包裹预处理模块生成的数据进行分析和挖掘，建立历史线路大数据，包括线路运送时长、线路冲关能力、寄送物品限制、线路覆盖范围、包裹保质期等。

线路智能推荐模块：根据线路数据分析模块分析出来的线路分类和特点，结合用户数据画像为用户选择最合适的候选线路候选列表，再结合物流线路管理加入的线路优先级为用户推荐物流线路。

物流线路管理模块：管理国际物流线路，配置国际物流线路费用、运输途径、寄送时效等基本数据，还可以配置物流线路的优先级，通过调节线路优先级影响线路推荐结果。

数据分析流程，如图2所示，详细流程如下：

数据采集模块从包裹订单模块收集历史包裹数据，进行初步数据处理，剔除无用的字段，形成以包裹为维度的输入数据。

数据预处理模块把接收到的以包裹为维度的数据进行预处理，分解出以用户为维度的数据和以线路为维度的数据，分别存入对应的分布式文件系统(比如hdfs)。

用户数据分析模块对用户数据进行数据分析处理，计算出每个用户的历史寄送包裹选择线路的行为特点，形成用户行为模型，即线路选择数据画像。

线路数据分析模块对线路数据进行数据分析处理，跟进历史数据计算出每条物流线路的特点，对各条物流线路进行聚类分析，建立线路模型数据。

线路推荐流程如图3所示，详细的流程如下：

用户提交寄送包裹请求的时候把用户信息、包裹包含的物品基本信息(类别、重量、体积)以及寄送目的地等基本信息，提交到线路智能推荐模块。

线路智能推荐模块根据线路模型数据以及用户历史行为模型数据再结合寄送物品的信息为用户筛选出最适合该用户的线路列表，返回到用户端供用户选择。

线路智能推荐模块在选择线路的时候同时会加入商户在线路配置的优先级作为参考，当计算出多条线路时，优先推荐商户配置的线路，商户通过优先推荐利润率更高的物流线路，从而有效的提高商家的利润。

需要说明的是，需寄送的物品的信息包括：重量、体积、寄送国家等信息。算法在执行过程中还会考虑通过后台配置加入的因素，比如对于相同类型的物流线路优先推荐利润率更高的线路，在提升用户便捷度的同时也提升公司的利润。

基于上述国际物流线路推荐系统，提出一种国际物流线路推荐方法，如图4所示，包括以下步骤：

s1：采集用户提交的包裹订单信息；所述包裹订单信息包括包裹重量、包裹体积、邮寄物品品类、邮寄费用、邮寄国家、地区、邮寄线路、邮寄时长、清关时长等包裹基本数据；

s2：对步骤s1中所述包裹订单信息进行筛选，筛选出其中需要的字段，去除与线路分析无关的字段，形成用户行为数据及线路特点数据；所述用户行为数据包括年龄，性别，国籍，居住地，支付方式等基本资料；所述线路特点数据包括邮寄时长，价格，清关时长，邮寄限制，邮寄国家、地区等线路基本信息；

s3：分析步骤s2中所述用户行为数据形成线路选择数据画像，用户行为数据包括用户所在地、用户消费习惯、用户偏向选择便宜还是贵的线路、用户偏向选择运送时间长还是运送时间短的线路；通过数据分析发现用户喜欢选择寄送周期长，价格低廉的线路，可以将用户归类为经济型用户；分析和挖掘步骤s2中所述线路特点数据形成历史线路大数据；所述历史线路大数据包括线路运送时长、线路冲关能力、寄送物品限制、线路覆盖范围等；在步骤s3中将所述线路特点数据及所述用户行为数据分别存储在线路特点数据库和用户行为数据库。所述线路特点数据库和用户行为数据库都有对应的分布式文件系统(hdfs)；所述用户行为数据采用贝叶斯分类算法对用户进行聚类分析，将用户划分为不同的类型并给用户打上标签特征，对各类线路建立线路行为模型，也就是构成线路选择数据画像，包括：时效型(对时间要求高)、经济型(偏向选择便宜的线路)、偏远型(位置偏远用户)等，每个用户根据其行为特点会对应至少一个类型。所述线路特点数据采用k均值聚类算法对物流线路进行聚类分析，将物流线路分为不同的线路类型，建立线路行为模型，包括：时效型(寄送周期短)，经济型(价格实惠)，偏远型(覆盖地区逛)，小包型(比如只寄送<＝2kg的线路),大货型(比如只寄送>＝5kg的线路)等，每个物流线路会对应至少一个线路类型。其中线路选择数据画像是通过分析用户行为数据中的用户所在地、用户消费习惯、用户偏向选择便宜或贵的线路、用户偏向选择运送时间长或短的线路形成；所述历史线路大数据是通过分析和挖掘所述线路特点数据中的邮寄时长、价格、清关时长、邮寄限制、邮寄国家、地区特征形成。

需要说明的是历史线路大数据包括所有包裹形成的线路特点数据，一个线路选择数据画像对应一个用户。

s4：根据步骤s3中所述线路选择数据图像及所述历史线路大数据结合需寄送的物品信息为用户推荐物流线路。在步骤s4中，还包括配置所述物流线路的优先级，优先级的配置是根据每条物流线路的权重进行配置，权重越大优先级越高，通过调节所述优先级调节线路推荐顺序，优先级控制在这里是一种辅助，当有多条线路都适合某用户时，会优先推荐优先级高的线路。另外，还包括配置所述物流线路的费用、运输途径、寄送时效等基本数据；在步骤s4中，结合需寄送的物品信息采用协同过滤推荐算法为用户推荐物流线路。物流推荐线路还可以包括为用户推荐包裹的派送点，当派送员没有将包裹直接送达收件人家里的时候，方便收件人前往派送点领取。

在本实施例中，所述建立线路行为模型之后采用机器学习方法对所述物流线路的数据进行校正和完善。因为聚类算法都会有一定误差，准确度都是随着历史线路大数据的数据量的增大而越来越准确，会把用户新提交的包裹数据作为输入对用户行为数据和线路特点数据进行更新，再分析，重新划分该用户分类，从而达到一个正向反馈，实现更为准确的推荐。

本实施例包括一种采用国际物流线路推荐方法的装置，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器运行所述存储器中的计算机程序控制所述国际物流线路推荐方法的装置执行上述方法。

本实施例还包括一种计算机可读存储介质，其上存储有计算机程序，所述介质与计算机结合使用，该程序被处理器执行时实现上述方法的步骤。

下面举例说明本发明国际物流线路推荐方法，但不仅限于下面的具体例子。对于首次提交包裹的用户还尚未建立线路选择数据画像，国际物流线路推荐是基于历史线路大数据进行推荐，下面以新的用户a为例说明：

201、用户a提交了一个肉类包裹到英国，因为用户a是新用户，没有线路选择数据画像，因此只能根据线路行为模型结合协同过滤推荐算法为用户推荐物流线路，为用户推荐了ems及eub(易邮宝)，最后用户选择了eub，之后通过采集用户a提交的包裹订单信息，得到包裹重量、包裹体积、邮寄物品品类、邮寄费用、邮寄国家、地区、邮寄线路、邮寄时长、清关时长等包裹基本数据。

202、对上述包裹订单信息进行筛选，筛选出其中需要的字段，去除与线路分析无关的字段，形成用户行为数据及线路特点数据；用户a行为数据包括年龄为48岁，性别为女，国际为中国，居住地为上海，支付方式为网银，邮寄物品品类为肉类，包裹重量为2kg，包裹体积为100cm³，；线路特点数据包括邮寄时长为20天，价格为50元，清关时长为1天，邮寄国家为英国，地区为苏格兰，物流为eub。

203、分析上述用户a行为数据形成线路选择数据画像，通过数据分析得出用户a喜欢寄送周期长，价格低廉的路线，于是将a归类为经济型用户；分析和挖掘上述线路特点数据形成历史线路大数据，采用k均值聚类算法对物流线路进行聚类分析，将物流线路分为经济型，小包型。需要说明的是历史线路大数据包括是在此之前的所有包裹形成的线路特点数据。

步骤201-203为根据用户a的包裹特点，重新建立了用户a的线路选择数据画像和线路行为模型。接下来步骤204，为用户a提交一个新的衣服包裹推荐国际物流线路：

204、根据步骤203中所述线路选择数据图像及线路行为模型结合需寄送的衣服的物品信息采用协同过滤推荐算法为用户推荐物流线路，根据数据计算分析用户特征以及寄送物品类型，会为用户推送价格比易邮宝还低廉的air特惠线等物流线路，完成物流线路推荐。根据线路选择数据画像和线路行为模型推荐国际物流线路的准确度会随着数据的不断增多与更新而提高，用户a每提交一个包裹，大数据都会更新，对应的线路行为模型和线路选择数据画像也可能被更新，进而实现下次更为准确的推荐。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明的保护范围。