一种订单策略动态调整方法及装置与流程

本发明涉及计算机处理技术领域，特别涉及一种订单策略动态调整方法及装置。

背景技术：

目前，打车系统的使用已越来越普遍，乘客可以通过在用户设备(userequipment，简称ue)上安装打车系统并发布打车请求来便捷的打车。对于打车系统而言，高峰期与平峰期的订单状况截然不同：平峰期订单偏少，司机运能得不到有效释放；而在上下班高峰期，由于订单急剧增长，司机供给严重不足。

现有的打车系统只能被动的在乘客订单与司机之间进行调度，当处于打车高峰期时，容易出现订单成交率低的情形；另外，当订单质量较差时，如出发地离目的地很近、目的地在偏远郊区、路况拥堵等，很容易导致司机不愿意接单，也容易导致订单成交率低。而对于乘客而言，在发出打车订单后，由于往往不了解订单的接收情况，只能很被动的等待，在高峰期或订单质量较差时，订单成交率低；另外，由于打车系统不能及时向乘客反馈订单成交率低的情形，使得乘客在等了许久后，仍然无法成功打到车，影响乘客打车体验。因此，如何提高订单成交率，提升乘客打车体验，吸引更多的司机上线工作，是目前急需解决的问题。

技术实现要素：

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种订单策略动态调整方法及装置。

第一方面，本发明提供了一种订单策略动态调整方法，包括：

在接收到用户设备ue发送的打车请求，且生成第一订单信息之 后，根据所述订单信息，采用预先建立的订单成交率预估模型，预估第一运力系统对应的第一成交概率；

将所述第一成交概率与预设的第一阀值进行比较，获得第一比较结果；

所述第一比较结果中，当第一成交概率低于所述预设的第一阀值时，向ue推送订单调整提醒信息。

优选地，向ue推送订单调整提醒信息之前，所述方法还包括：

判断第二运力系统对应的第二成交概率是否大于所述第一成交概率的预设倍数；

当所述第二成交概率大于所述第一成交概率的预设倍数时，所述向ue推送订单调整提醒信息为：向ue推送将所述订单信息导流至所述第二运力系统的提醒信息；

当所述第二成交概率小于等于所述第一成交概率的预设倍数时，所述向ue推送订单调整提醒信息为：向ue推送“愿等t分钟”或“加价”的提醒信息。

优选地，向ue推送“愿等t分钟”或“加价”的提醒信息之前，所述方法还包括：

根据ue在预设时间段内的历史订单数据，确定当前ue的消费等级；

若当前ue为低消费等级的ue，则所述向ue推送订单调整提醒信息为：向ue推送“愿等t分钟”的提醒信息；

否则，所述向ue推送订单调整提醒信息为：向ue推送“加价”的提醒信息；所述“加价”为增加具体金额或增加付款倍数或“打表来接”。

优选地，采用预先建立的订单成交率预估模型，预估第一运力系统对应的第一成交概率之前，所述方法还包括：

建立订单成交率预估模型。

具体地，所述建立订单成交率预估模型，包括：

获取预设时间段内所有ue对应的历史订单数据，从所述历史订单数据中提取特征数据，作为训练样本，采用回归模型对所述特征数据进行训练，得到订单成交率预估模型；

所述特征数据包括：每一成交订单的成交所属星期、成交时间点、成交地点、周围订单数、周围司机数、周围司机的平均司乘距离、周围订单的成交率、订单起始点到终点的距离、周围司机与周围订单数量比、周围订单的平均成交耗时。

优选地，向ue推送订单调整提醒信息之后还包括：

在接收到所述ue发送的所述订单调整提醒信息对应的应答信息之后，根据所述应答信息，播送订单并获取订单交互信息；

根据所述订单交互信息，修正所述ue的订单对应的预估的成交概率。

优选地，采用预先建立的订单成交率预估模型，预估第一运力系统对应的第一成交概率之前，所述方法还包括：

获取第一运力系统中符合预设条件的终端数量；

当所述终端数量小于预设的第二阀值时，向ue推送“愿等t分钟”的提醒信息；

当所述终端数量大于等于预设的第二阀值时，采用预先建立的订单成交率预估模型，预估第一运力系统对应的第一成交概率。

第二方面，本发明还提供一种订单策略动态调整装置，包括：

订单成交概率评估模块，用于在接收到用户设备ue发送的打车请求，且生成第一订单信息之后，根据所述订单信息，采用预先建立的订单成交率预估模型，预估第一运力系统对应的第一成交概率；

比较模块，用于将所述第一成交概率与预设的第一阀值进行比较，获得第一比较结果；

提醒信息推送模块，用于在所述第一比较结果中，当第一成交概 率低于所述预设的第一阀值时，向ue推送订单调整提醒信息。

优选地，所述装置还包括：

判断模块，用于判断第二运力系统对应的第二成交概率是否大于所述第一成交概率的预设倍数；

所述提醒信息推送模块具体用于：当所述第二成交概率大于所述第一成交概率的预设倍数时，向ue推送将所述订单信息导流至所述第二运力系统的提醒信息；

当所述第二成交概率小于等于所述第一成交概率的预设倍数时，向ue推送“愿等t分钟”或“加价”的提醒信息。

优选地，所述装置还包括：

ue消费等级确定模块，用于根据ue在预设时间段内的历史订单数据，确定当前ue的消费等级；

所述提醒信息推送模块具体用于：若当前ue为低消费等级的ue，则向ue推送“愿等t分钟”的提醒信息；

否则，向ue推送“加价”的提醒信息；所述“加价”为增加具体金额或增加付款倍数或“打表来接”。

优选地，所述装置还包括：

订单成交率预估模型建立模块，用于获取预设时间段内所有ue对应的历史订单数据，从所述历史订单数据中提取特征数据，作为训练样本，采用回归模型对所述特征数据进行训练，得到订单成交率预估模型；

所述特征数据包括：每一成交订单的成交所属星期、成交时间点、成交地点、周围订单数、周围司机数、周围司机的平均司乘距离、周围订单的成交率、订单起始点到终点的距离、周围司机与周围订单数量比、周围订单的平均成交耗时。

优选地，所述装置还包括：

订单播送模块，用于在接收到所述ue发送的所述订单调整提醒 信息对应的应答信息之后，根据所述应答信息，播送订单并获取订单交互信息；

所述订单成交概率评估模块还用于根据所述订单交互信息，修正所述ue的订单对应的预估的成交概率。

优选地，所述装置还包括：

周围终端数获取模块，用于获取第一运力系统中符合预设条件的终端数量；

所述比较模块还用于：将所述获取的终端数量与预设的第二阀值进行比较；

所述提醒信息推送模块还用于：当所述终端数量小于预设的第二阀值时，向ue推送“愿等t分钟”的提醒信息；

所述订单成交概率评估模块还用于：当所述终端数量大于等于预设的第二阀值时，采用预先建立的订单成交率预估模型，预估第一运力系统对应的第一成交概率。

本发明提供的订单策略动态调整方法及装置，在接收到ue发送的打车请求后，先预估其成交概率，当成交概率较高时，播送订单，当成交概率较低时，能及时的向ue推送订单调整提醒信息，告知乘客订单成交率低的原因，并提醒乘客及时的对其订单进行调整，提高订单成交概率，提升乘客打车体验；在乘客调整其订单后，也能吸引更多的司机上线工作。

附图说明

图1是本发明一实施例提供的订单策略动态调整方法的流程图；

图2是本发明另一实施例提供的订单策略动态调整方法的流程图；

图3是本发明实施例订单策略动态调整装置的原理图。

具体实施方式

下面结合附图和实施例，对本公开的具体实施方式作进一步详细描述。以下实施例用于说明本公开，但不用来限制本公开的范围。

以下对本发明实施例中提及的部分词语进行说明。

本发明实施例中提及的用户设备(userequipment，简称ue)是指服务需求方，如交通工具叫车服务中的乘客所使用的移动电话或固定电话或其他具有信息传输功能的设备等，例如智能手机、个人数码助理(pda)、平板电脑、笔记本电脑、车载电脑(carputer)、掌上游戏机、智能眼镜、智能手表、可穿戴设备、虚拟显示设备或显示增强设备(如googleglass、oculusrift、hololens、gearvr)等。

本发明实施例中提及的打车平台是指打车系统及其相应的后台服务器。其中，打车系统为一个管理系统，其用于根据接收的ue的打车请求为用户提供相应的服务。打车平台可以包括多个打车系统，如包括出租车打车系统、快车打车系统、专车打车系统、顺风车打车系统等。ue的打车请求中包含有出发地信息和目的地信息。

本发明实施例中提及的终端为提供服务方，如交通工具叫车服务中的司机，所使用的用于接单的移动终端或pc端等设备。诸如上述服务需求方所使用各设备。本发明实施例中，为了区别乘客和司机，分别采用用户设备ue和终端来分别表示乘客和司机所持的移动终端等设备。

本发明实施例中的第一运力系统可以理解为打车平台上的任一打车系统，如出租车打车系统、快车打车系统、专车打车系统、顺风车打车系统等；第二运力系统为打车平台上与第一运力系统不同的其他打车系统，如第一运力系统为出租车打车系统时，第二运力系统可以为快车打车系统、专车打车系统、顺风车打车系统中的任意一种或多种。

图1是本发明实施例提供的订单策略动态调整方法的流程图，如图1所示，该方法包括：

s1，在接收到ue发送的打车请求，且生成第一订单信息之后，根据订单信息，采用预先建立的订单成交率预估模型，预估第一运力 系统对应的第一成交概率。

其中，用户设备ue可以为移动终端或pc端，打车请求包含：出发地、目的地及ue的用户标识等其中一种信息或组合信息。ue的用户标识包含手机号码、身份标识码(id)、硬件地址等其中一种信息或组合信息。

第一订单信息包含：ue的出发地、目的地、ue的用户标识、订单信息生成时间等。

第一运力系统为ue发送打车请求对应的系统，如乘客通过其ue上安装的出租车打车系统发送打车请求，则该第一系统则为出租车打车系统。不难理解的是，也可以是专车打车系统、快车打车系统等。为了方便描述，本发明实施例中第一运力系统以出租车打车系统为例进行描述，对应的，第二运力系统指与出租车打车系统处于同一打车平台的其他运力系统，如快车打车系统、专车打车系统、顺风车打车系统等。

根据获取的ue的出发地、目的地、订单信息生成时间等，能通过订单成交率预估模型对当前ue的订单的成交概率进行预估。不难理解的是，订单的成交概率受到出发地、当前时间信息等的影响，当前时间信息可以反映出高峰期或平峰期等特征，如早上8点至9点，晚上5点到7点为高峰期，其对订单的成交概率肯定会有所影响；再如，目的地为偏远郊区时，其对订单的成交概率也会有所影响。

s2，将第一成交概率与预设的第一阀值进行比较，获得第一比较结果；

具体来说，第一阀值是指针对订单预设的成交概率阀值。本发明实施例预设的第一阀值为0.5。应当理解的是，第一阀值也可以根据实际应用设置其他数值。具体实施时通过调整该第一阀值，可以控制订单调整提醒信息覆盖的影响面。

s3，在第一比较结果中，当第一成交概率低于预设的第一阀值时， 向ue推送订单调整提醒信息。

具体来说，向ue推送订单调整提醒信息的同时，也会附带发送订单成交率低的原因，让乘客及时的了解。

本发明实施例在接收到ue的打车请求后，先预估其成交概率，当成交概率较高时，播送订单，当成交概率较低时，能及时的向ue推送订单调整提醒信息，告知乘客订单成交率低的原因，并提醒乘客及时的对其订单进行调整，提高了订单成交概率，提高了乘客打车体验。

本实施例中，在步骤s1采用预先建立的订单成交率预估模型，预估第一运力系统对应的第一成交概率之前，该方法还包括图1中未示出的以下步骤：

s0，建立订单成交率预估模型。

建立订单成交率预估模型的方法为：获取预设时间段内所有ue对应的历史订单数据，从历史订单数据中提取特征数据，作为训练样本，采用回归模型对特征数据进行训练，得到订单成交率预估模型。

其中，预设时间段根据实际需求可以是最近一年内，也可以是最近一个季度内等。特征数据包括：每一成交订单的成交所属星期、成交时间点、成交地点、周围订单数、周围司机数、周围司机的平均司乘距离、周围订单的成交率、订单起始点到终点的距离、周围司机与周围订单数量比、周围订单的平均成交耗时等。

需要说明的是，上述司乘距离指司机与乘客订单的距离；订单的成交耗时指订单从用户设备ue发出到司机终端接单所耗费的时间。

上述回归模型可以是支持向量机模型或决策树或逻辑斯特回归模型，由于逻辑斯特回归模型相对简单，本发明采用逻辑斯特回归模型作为具体实施例，并利用机器学习算法进行反复训练，训练得到的逻辑斯特回归模型即为订单成交率预估模型，提高预估的准确度。

逻辑斯特回归模型(logisticregression)广泛运用于二分类问题， 具体模型如下：

其中，p(y＝1|x＝x)表示预估为正例的概率，y为目标变量，x为预测变量，β为模型参数，通常采用最大似然方法进行估计。本发明实施例中，y＝1表示订单成交，y＝0表示订单成交失败。对于y＝1或y＝0的二分类问题，p(y＝1|x＝x)+p(y＝0|x＝x)＝1。

通过上述订单成交率预估模型，便可预估实时获取的订单的成交概率。

当步骤s1中第一成交概率大于等于0.5时，不会向ue推送订单调整提醒信息，当步骤s1中第一成交概率低于0.5时，才向ue推送订单调整提醒信息，以减少对乘客的干扰。

当存在其他运力系统(如快车打车系统、专车打车系统、顺风车打车系统)对应的第二成交概率大于出租车打车系统对应的第一成交概率时，步骤s1中向ue推送的订单调整提醒信息可以是导流到其他运力系统的提醒信息；当然，也可以不进行订单导流，直接推送“愿等t分钟”或“加价”的提醒信息。

考虑到导流的繁琐及用户的可接受性，作为优选方式，本发明实施例在步骤s3向ue推送订单调整提醒信息之前，还包括如图2所示的以下步骤：

s31，判断第二运力系统对应的第二成交概率是否大于第一成交概率的预设倍数；

当第二成交概率大于第一成交概率的预设倍数时，向ue推送将订单信息导流至第二运力系统的提醒信息；

当第二成交概率小于等于第一成交概率的预设倍数时，向ue推送“愿等t分钟”或“加价”的提醒信息。

本发明实施例预设倍数为1.5，即当第二运力系统对应的第二成交概率远远大于第一成交概率时，才向ue推送将订单信息导流至第 二运力系统的提醒信息，提醒乘客进行订单导流。预设倍数可以根据实际需求进行设置。

不难理解的是，当第一运力系统为出租车打车系统时，第二系统为快车打车系统、专车打车系统、顺风车打车系统中的任意一种或多种。类似地，通过订单成交率预估模型可以分别预估快车打车系统、专车打车系统、顺风车打车系统等对应的成交概率，选取成交概率大于第一成交概率的打车系统，实现订单的导流，能提高订单成交率。

由于不同的乘客其消费能力也不同，当乘客消费能力相对较低或者对加价情形敏感时，若向其推送“加价”的提醒信息，必然影响乘客打车体验；类似的，当乘客消费能力相对较高，对加价比较认可，但对时间很敏感的乘客推送“愿等t分钟”的提醒信息，也必然会影响其打车体验。因此，本发明优选地方式，继续参照图2，当第二成交概率小于等于第一成交概率的1.5倍，向ue推送“愿等t分钟”或“加价”的提醒信息之前还包括以下步骤：

s32，根据ue在预设时间段内的历史订单数据，确定当前ue的消费等级；

若当前ue为低消费等级的ue，则向ue推送“愿等t分钟”的提醒信息；

否则，向ue推送“加价”的提醒信息。

例如，从预设时间段内的历史订单数据中获取到当前ue从未有过加价的订单，但经常愿意等待较长时间，因此，确认该ue对加价比较敏感，为低消费等级。

具体实施时，“加价”可以为增加具体金额，如“加价15元”；也可以是增加付款倍数，如“增加原始应付金额的1.2倍”；还可以是动态加价的方式，如；“每公里加价1元”；还可以是其它方式，如“打表来接”。本发明实施例不做限定。

需要说明的是，当接收到ue发送的“愿等t分钟”提醒信息对 应的应答信息时，如接收到“愿等15分钟”的应答信息，本发明实施例会根据该时间计算播单的扩大范围，扩大订单的播送范围，通知更远的、即将到达的司机接单。

不难理解的是，当扩大订单的播送范围后，其对应的成交概率也会提高，该成交概率也可以通过订单成交率预估模型预估得到。

需要说明的是，当第一运力系统不是出租车打车系统时，加价方式中不存在“打表来接”的方式，因为只有出租车能实现打表方式。

进一步地，在步骤s3之后还包括图1中未示出的以下步骤：

s4，在接收到ue发送的订单调整提醒信息对应的应答信息之后，根据该应答信息，播送订单并获取订单交互信息；

s5，根据订单交互信息，修正当前ue的订单对应的预估的成交概率。

上述步骤s4具体包括：

s41，判断预设时间段内(如2分钟内)是否接收到用户设备ue推送订单调整提醒信息的应答信息；

s42，根据应答信息接收情况，播送订单。

具体地，上述步骤s42包括以下几种情况：

第一种：当接收到应答信息，且应答信息为确认加价的调整信息，则生成调整后的第二订单信息并向第一运力系统预设条件的终端播送；该第二订单信息中包含有加价信息。该预设条件为与ue的出发地的距离为第一距离的所有终端。

第二种：若未收到应答信息或接收的应答信息为拒绝调整，则默认将第一订单信息播送至第一运力系统预设条件的终端。

第三种：若接收的应答信息为“愿等t分钟”，则根据该时间计算订单播送的扩大范围，并将第一订单信息播送至该扩大后的播单范围的终端。

第四种，若接收到的应答信息为“导流”的信息，则播送第一订 单信息至对应其他运力系统。

步骤s5中订单交互信息的获取也可以设置时间限制，如在若干秒后，获取订单交互信息。订单交互信息指订单(第一订单信息或第二订单信息)播送后，终端实际应答情况信息。由于本发明实施例在播送订单前会预估订单的成交概率，而预估值与实际值存在差异，因此，优选地，在播送订单信息后，根据终端实际应答情况及时修正预估的成交概率，再与预设的阀值比较，执行是否向用户设备ue推送订单调整提醒信息的动作，能进一步提高订单成交率。

假设订单播送前通过订单成交率预估模型预估的成交概率为p，订单播单时播送给了播单范围内的若干个终端，而这些终端没有应答，那么实际的成交概率相对于订单播送前预估的成交概率会有所下降。因此，根据终端实际应答情况来修正订单的成交概率对提高订单成交率具有一定的好处。

根据数据统计分析得知：司机若对某订单有接单意愿，80％的司机会通过其终端在该订单播送一次时接单，90％会在订单播送两次之内接单，播送两次以上再接单的概率几乎为零。因此，本发明实施例采用以下计算公式对订单的成交概率进行修正：

pa＝p-(n-0.8*a-0.9*b-c)/n；

其中，n为播单范围内终端数量，pa为n个终端没有应答时修正后的预估订单成交概率，p为订单播送前通过订单成交率预估模型预估的成交概率，a为该订单被播送一次的终端，b为该订单被播送两次的终端，c为该订单被播送两次以上的终端。

考虑到当第一订单信息中出发地附近的终端很少，即预设条件内终端很少时，无论如何加价，订单成交的可能性都会比较低，可选地，在采用预先建立的订单成交率预估模型，预估出租车打车系统对应的第一成交概率之前还包括：

获取出租车打车系统中符合预设条件的终端数量；

当终端数量小于预设的第二阀值时，向ue推送“愿等t分钟”的提醒信息；

当终端数量大于等于预设的第二阀值时，采用预先建立的订单成交率预估模型，预估第一成交概率。

本发明实施例设置第二阀值为5，不难理解的是，也可以根据实际应用设置其他数值。

如图3所示，为本发明实施例提供的订单策略动态调整装置，包括：

订单成交概率评估模块，用于在接收到用户设备ue发送的打车请求，且生成第一订单信息之后，根据订单信息，采用预先建立的订单成交率预估模型，预估第一运力系统对应的第一成交概率；

比较模块，用于将第一成交概率与预设的第一阀值进行比较，获得第一比较结果；

提醒信息推送模块，用于在第一比较结果中，当第一成交概率低于预设的第一阀值时，向ue推送订单调整提醒信息。

本实施例中，优选地，该装置还包括：

判断模块，用于判断第二运力系统对应的第二成交概率是否大于第一成交概率的预设倍数；

提醒信息推送模块具体用于：当第二成交概率大于第一成交概率的预设倍数时，向ue推送将订单信息导流至第二运力系统的提醒信息；

当第二成交概率小于等于第一成交概率的预设倍数时，向ue推送“愿等t分钟”或“加价”的提醒信息。

本实施例中，优选地，该装置还包括：

ue消费等级确定模块，用于根据ue在预设时间段内的历史订单数据，确定当前ue的消费等级；

提醒信息推送模块具体用于：若当前ue为低消费等级的ue， 则向ue推送“愿等t分钟”的提醒信息；

否则，向ue推送“加价”的提醒信息；该“加价”为增加具体金额或增加付款倍数或“打表来接”。

本实施例中，优选地，该装置还包括：

订单成交率预估模型建立模块，用于获取预设时间段内所有ue对应的历史订单数据，从历史订单数据中提取特征数据，作为训练样本，采用回归模型对特征数据进行训练，得到订单成交率预估模型；

其中，特征数据包括：每一成交订单的成交所属星期、成交时间点、成交地点、周围订单数、周围司机数、周围司机的平均司乘距离、周围订单的成交率、订单起始点到终点的距离、周围司机与周围订单数量比、周围订单的平均成交耗时。

本实施例中，优选地，该装置还包括：

订单播送模块，用于在接收到ue发送的订单调整提醒信息对应的应答信息之后，根据应答信息，播送订单并获取订单交互信息；

订单成交概率评估模块还用于根据订单交互信息，修正ue的订单对应的预估的成交概率。

本实施例中，优选地，该装置还包括：

周围终端数获取模块，用于获取第一运力系统中符合预设条件的终端数量；

比较模块还用于：将获取的终端数量与预设的第二阀值进行比较；

提醒信息推送模块还用于：当终端数量小于预设的第二阀值时，向ue推送“愿等t分钟”的提醒信息；

订单成交概率评估模块还用于：当终端数量大于等于预设的第二阀值时，采用预先建立的订单成交率预估模型，预估第一运力系统对应的第一成交概率。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

应当注意的是，在本公开的装置的各个部件中，根据其要实现的功能而对其中的部件进行了逻辑划分，但是，本公开不受限于此，可以根据需要对各个部件进行重新划分或者组合，例如，可以将一些部件组合为单个部件，或者可以将一些部件进一步分解为更多的子部件。

本公开的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本公开实施例的系统中的一些或者全部部件的一些或者全部功能。本公开还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本公开的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本公开进行说明而不是对本公开进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的模块权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

以上实施方式仅适于说明本公开，而并非对本公开的限制，有关技术领域的普通技术人员，在不脱离本公开的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本公开的范畴，本公开的专利保护范围应由权利要求限定。