本发明实施例涉及计算机网络技术领域，具体地说，涉及一种信息处理方法及装置。
背景技术
互联网经济的迅速发展带动了线上货运服务的迅速发展。线上货运服务场景中，用户可以通过用户端向服务端提交货运请求，其中，该货运请求可以包括运输起始位置以及运输终止位置等货运需求。服务端基于该货运需求生成货运订单，并将货运订单分配给相应司机，司机即可以通过司机端执行接单操作，如果接单成功，即可以基于货运订单进行货物运输。
服务端形成货运订单之前，会基于货运需求确定订单价格，将订单价格推送至用户端，以供用户端进行确认，如接收到用户端发送的用户确认请求，即生成货运订单。司机在货运起始位置获取货物，并将货物运输至货运终止位置后完成本次订单。
但是，在实际应用中，货运订单完成之后，用户如长时间不使用线上货运系统，会形成用户流失，货运服务平台的用户数量会减少。
技术实现要素：
有鉴于此，本发明提供了一种信息处理方法及装置，主要用于解决现有技术中线上货运订单完成之后，用户长时间不使用该线上货运系统形的用户流失的技术问题。
为了解决上述技术问题，本发明第一方面提供了一种信息处理方法，所述方法包括：
基于任一个用户对应的历史货运订单，确定所述任一个用户的评价指标；
结合所述评价指标，确定针对所述任一个用户的补贴资源；
分配所述补贴资源至所述任一个用户；其中，所述补贴资源用以交易货运服务。
优选地，所述评价指标包括：订单相关特征以及历史行为特征；
所述基于任一个用户对应的历史货运订单，确定所述任一个用户的评价指标包括：
基于任一个用户最近完成的货运订单，确定所述任一个用户的订单相关特征；
基于所述任一个用户对应的历史货运订单，确定所述任一个用户的历史行为特征；
所述结合所述评价指标，确定针对所述任一个用户的补贴资源包括：
结合所述订单相关特征以及所述历史行为特征，确定针对所述任一个用户的补贴资源。
优选地，所述结合所述订单相关特征以及所述历史行为特征，确定针对所述任一个用户的补贴资源包括：
结合所述订单相关特征以及所述历史行为特征，计算所述任一个用户的流失得分；
基于所述流失得分，利用流失概率模型计算针对所述任一个用户的补贴资源。
优选地，所述流失概率模型按照以下方式训练获得：
确定至少一个用户对应的至少一组训练数据；其中，所述至少一组训练数据包括：所述至少一个用户对应的流失得分；
构建流失概率模型；
基于所述至少一组流失得分，训练获得所述流失概率模型的模型参数。
优选地，所述基于任一个用户对应的历史货运订单，确定所述任一个用户对应的评价指标之前，还包括：
判断所述任一个用户最近完成的货运订单的货运起始位置是否处于策略执行区域；
如果所述任一个用户最近完成的货运订单的货运起始位置处于策略执行区域，基于所述策略执行区域对应的速运策略，确定针对所述任一个用户的补贴资源；
所述基于任一个用户对应的历史货运订单，确定所述任一个用户对应的评价指标包括：
如果所述任一个用户最近完成的货运订单的货运起始位置未处于策略执行区域，基于任一个用户对应的历史货运订单，确定所述任一个用户对应的评价指标。
优选地，所述如果所述任一个用户最近完成的货运订单的货运起始位置处于策略执行区域，基于所述策略执行区域对应的速运策略，确定针对所述任一个用户的补贴资源包括：
如果所述任一个用户最近完成的货运订单的货运起始位置处于策略执行区域，确定所述策略执行区域对应的速运策略；
基于所述速运策略中用户使用频率与补贴金额的对应关系，确定所述任一个用户对应的补贴资源。
优选地，所述基于所述任一个用户对应的历史货运订单，确定所述任一个用户的评价指标包括：
如果所述任一个用户最近完成的货运订单的货运起始位置处于策略执行区域，基于任一个用户对应的历史货运订单，确定所述任一个用户的评价指标。
优选地，所述基于任一个用户对应的历史货运订单，确定所述任一个用户对应的评价指标包括：
结合所述任一个用户最近完成的货运订单的下单时间，判断所述任一个用户是否满足补贴条件；
如果所述任一个用户满足补贴条件，确定所述任一个用户对应的评价指标。
本发明第二方面提供一种信息处理装置，所述装置包括：
指标确定模块，用于基于任一个用户对应的历史货运订单，确定所述任一个用户的评价指标；
资源确定模块，用于结合所述评价指标，确定针对所述任一个用户的补贴资源；
资源分配模块，用于分配所述补贴资源至所述任一个用户；其中，所述补贴资源用以交易货运服务。
优选地，所述评价指标包括：订单相关特征以及历史行为特征；
所述指标确定模块包括：
第一确定单元，用于基于任一个用户最近完成的货运订单，确定所述任一个用户的订单相关特征；
第二确定单元，用于基于所述任一个用户对应的历史货运订单，确定所述任一个用户的历史行为特征；
所述资源确定模块包括：
第三确定单元，结合所述订单相关特征以及所述历史行为特征，确定针对所述任一个用户的补贴资源。
优选地，所述第三确定单元包括：
分数计算子单元，用于结合所述订单相关特征以及所述历史行为特征，计算所述任一个用户的流失得分；
资源计算子单元，用于基于所述流失得分，利用流失概率模型计算针对所述任一个用户的补贴资源。
优选地，所述资源计算子单元具体用于：
确定至少一个用户对应的至少一组训练数据；其中，所述至少一组训练数据包括：所述至少一个用户对应的流失得分；
构建流失概率模型；
基于所述至少一组流失得分，训练获得所述流失概率模型的模型参数。
优选地，所述装置还包括：
策略判断模块，用于判断所述任一个用户最近完成的货运订单的货运起始位置是否处于策略执行区域；
策略执行模块，用于如果所述任一个用户最近完成的货运订单的货运起始位置处于策略执行区域，基于所述策略执行区域对应的速运策略，确定针对所述任一个用户的补贴资源；
所述指标确定模块包括：
指标确定单元，用于如果所述任一个用户最近完成的货运订单的货运起始位置未处于策略执行区域，基于任一个用户对应的历史货运订单，确定所述任一个用户对应的评价指标。
优选地，所述指标确定单元包括：
策略判断子单元，用于如果所述任一个用户最近完成的货运订单的货运起始位置处于策略执行区域，确定所述策略执行区域对应的速运策略；
资源确定子单元，用于基于所述速运策略中用户使用频率与补贴金额的对应关系，确定所述任一个用户对应的补贴资源。
优选地，所述指标确定模块包括：
第四确定单元，用于如果所述任一个用户最近完成的货运订单的货运起始位置处于策略执行区域，基于任一个用户对应的历史货运订单，确定所述任一个用户的评价指标。
优选地，所述指标确定单元包括：
条件判断子单元，用于结合所述任一个用户最近完成的货运订单的下单时间，判断所述任一个用户是否满足补贴条件；
指标确定子单元，用于如果所述任一个用户满足补贴条件，确定所述任一个用户对应的评价指标。
本发明实施例中，基于任一个用户对应的历史货运订单，可以确定任一个用户的评价指标，进而可以结合所述评价指标，确定针对所述任一个用户的补贴资源。将所述补贴资源分配至所述任一个用户之后，用户即可以使用该补贴资源交易货运服务。为用户分配补贴资源可以降低用户的货运价格，继而刺激用户继续使用线上货运，达到用户不流失的目的。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例提供的一种信息处理方法的一个实施例的流程图；
图2是本发明实施例提供的一种信息处理方法的又一个实施例的流程图；
图3是本发明实施例提供的一种信息处理装置的一个实施例的结构示意图；
图4是本发明实施例提供的一种信息处理装置的又一个实施例的结构示意图。
具体实施方式
以下将配合附图及实施例来详细说明本发明的实施方式，藉此对本发明如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
本发明实施例，主要应用于线上货运场景中，通过为现有用户补贴货运价格的方式，提高用户使用线上货运系统的可能性，以提高用户对平台的依赖性，进而达到维护用户的目的。
用户发出货运请求后，服务端可以基于货运请求中货运需求生成货运订单。而货运订单中可以包括货运价格。司机可以通过司机端接收该货运订单，并针对司机端的货运价格确认该货运订单。司机可以在货运订单的货运起始位置获取货物，并将货物运输至货运终止位置处而完成本次订单。但是，任何线上货运订单完成之后，服务端完成该货运订单的处理工作，并搁置不再做任何处理工作。这种方式容易导致用户流失，平台的用户数量减少，不利于线上货运系统的发展。
因此，为了维护线上货运系统的用户，发明人想到维护现有的用户，更进一步地可以通过派发补贴资源给现有的用户以达到维护目标。通常，用户在线上货运系统的注册之后，基于用户的注册信息才能为用户提供线上货运服务，进而可以使用用户的注册信息也即用户账户区分不同的用户。因此，发明人想到，可以针对不同用户账户的信息进行分析，以确定用户的补贴金额。
据此，发明人提出了本发明的技术方案。本发明实施例中，服务端可以基于任一个用户对应的历史货运订单，可以确定任一个用户的评价指标，进而可以结合所述评价指标，确定针对所述任一个用户的补贴资源。在分配所述补贴资源至所述任一个用户之后，该用户即可以使用该补贴资源交易货运服务。用户的货运订单以及用户历史信息是对用户的历史货运行为的分析，结合其二者分析确定的补贴资源与用户与用户需求更挈合，提高用户使用线上货运系统的概率，达到维护用户的效果。
下面将结合附图对本发明实施例进行详细描述。
如图1所示，为本发明实施例提供的一种信息处理方法的一个实施例的结构示意图，该方法可以包括以下几个步骤：
101：基于任一个用户的历史货运订单，确定所述任一个用户的评价指标。
其中，本发明中所述的任一个用户可以指任一个用户账户，而不是用户个体本身。用户账户即可以用于标识不同的用户，且用户使用线上货运系统时，需要依赖于用户账户，服务端还可以通过用户账户获取用户的历史行为、货运订单等信息。
可选地，可以由线上货运系统的后台服务器确定任一个用户对应的已完成货运订单的历史货运订单。本发明所述的一种信息处理方法，可以应用于线上货运系统中，线上货运系统的货运管理端，也即服务端可以实现该方法。
可选地，可以间隔预设时间检测未使用线上货运系统的用户，针对在此预设时间内的任一个用户对应的历史货运订单，确定所述任一个用户的评价指标。
评价指标用于评价用户再次使用线上货运系统的概率，也即用于评价线上货运系统流失该用户的概率，通过评价指标可以确定针对任一个用户的补贴资源。在实际应用中，若通过评价指标判断用户流失的概率较大，可以为该用户设置金额较大的补贴资源，若通过评价指标判断用户流失的概率较低，可以为该用户设置金额较小的补贴资源。
用户的历史货运订单可以为用户的所有订单，历史货运订单中可以包括用户的所有订单信息。用户的历史货运订单进行分析可以确定该用户的评价指标。历史货运订单可以包括至少一个订单信息的信息数据。所述至少一个订单信息可以包括：订单调价倍率、订单起始地点以及订单终止地点、订单补贴金额、订单起始位置或订单终止位置所处商圈、订单小费金额、司机的接单类型、订单类型、订单生成之前的抢单时长、用户下单数量以及用户下单时间、订单价值级别、订单下发时的可接单司机人数、货运平台的收益、订单价格、用户对司机的平均信息等信息。
在某些实施例中，所述基于所述任一个用户对应的历史货运订单，确定所述任一个用户的评价指标可以包括：
如果所述任一个用户最近完成的货运订单的货运起始位置处于策略执行区域，基于任一个用户对应的历史货运订单，确定所述任一个用户的评价指标。
策略执行区域可以执行相应的速运策略，对用户进行了筛选，仅针对执行策略执行区域的订单再确定其对应的历史货运订单，继而可以确定所述任一个用户的评价指标。通过筛选用户方式可以减少补贴范围，降低补贴成本。
在某些实施例中，所述基于任一个用户对应的历史货运订单，确定所述任一个用户对应的评价指标可以包括：
结合所述任一个用户最近完成的货运订单的下单时间，判断所述任一个用户是否满足补贴条件；
如果所述任一个用户满足补贴条件，确定所述任一个用户对应的评价指标。
针对长时间未使用线上货运系统的用户进行补贴，也即实现对补贴的用户的筛选，通过对用户的筛选，可以选择出流失可能性较高的用户，针对此流失率较高的用户进行补贴，降低补贴成本，而针对性的补贴为定向补贴，提高补贴效果。
102：结合所述评价指标，确定针对所述任一个用户的补贴资源。
用户的评价指标可以指针对用户使用线上货运系统的指标，具体可以指用户使用线上货运系统的使用状况。通过用户的评价指标可以针对该用户的获取补贴资源的补贴金额。
用户的历史货运订单可以标识用户的货运订单中的各种信息。对历史货运订单的分析，即为对用户使用线上货运系统的行为分析，获得相应的分析结果也即评价指标，以根据分析结果确定针对所述任一个用户的补贴资源。
103：分配所述补贴资源至所述任一个用户；其中，所述补贴资源用以交易货运服务。
在某些实施例中，补贴资源可以包括：电子红包、电子优惠券等，电子优惠券可以是折扣券等。
补贴资源如为电子红包，将补贴资源用以交易货运服务具体是，将货运服务对应的第一货运价格减去补贴资源的金额，获得第二货运价格，第二价格即为用户为货运订单支付的实际订单价格。第一货运价格为货运服务按照货运收费规则应收取用户的费用，第二货运价格为按照货运收费规则应收取用户的第一订单价格减去补贴资源对应的金额之后，用户针对该货运服务实际应当支付的费用。
补贴资源如为电子优惠券，将补贴资源用以交易货运服务具体是，将货运服务对应的第一货运价格与电子优惠券对应的电子折扣相乘，获得相应的货运价格，即为用户实际应当支付的货运费用。
本发明实施例中，基于任一个用户对应的历史货运订单，可以确定任一个用户的评价指标，进而可以结合所述评价指标，确定针对所述任一个用户的补贴资源。该补贴资源与用户的历史货运订单以及用户历史信息关联，进而获得的针对该用户的补贴资源与用户使用线上货运系统的行为相匹配，其更符合用户的使用行为，补贴的针对性高，获得较为精确的补贴效果，增加用户对线上货运系统的依赖性，达到维护用户的目的。
如图2所示，为本发明实施例提供的一种信息处理方法的又一个实施例的流程图，该方法可以包括以下几个步骤：
201：基于任一个用户最近完成的货运订单，确定所述任一个用户的订单相关特征。
202：基于所述任一个用户对应的历史货运订单，确定所述任一个用户的历史行为特征。
203：结合所述订单相关特征以及所述历史行为特征，确定针对所述任一个用户的补贴资源。
204：分配所述补贴资源至所述任一个用户；其中，所述补贴资源用以交易货运服务。
本发明实施例与图1所示的实施例的不同之处在于，所述评价指标可以包括：订单相关特征以及历史行为特征；进而图1所示的实施例中，所述基于任一个用户对应的历史货运订单，确定所述任一个用户的评价指标可以包括：基于任一个用户最近完成的货运订单，确定所述任一个用户的订单相关特征；基于所述任一个用户对应的历史货运订单，确定所述任一个用户的历史行为特征；所述结合所述评价指标，确定针对所述任一个用户的补贴资源可以包括：结合所述订单相关特征以及所述历史行为特征，确定针对所述任一个用户的补贴资源。
用户的订单相关特征指用户最近一次订单的特征，为该最近一次订单的订单相关信息，通过订单的各种订单数据的分析可以获得该订单相关特征。用户的历史行为特征具体可以指根据用户的所有历史订单的订单数据的分析而获得的特征。所述所有历史订单中可以包括用户最近一次订单，以及其之前的所有订单。
所述结合所述订单相关特征以及所述历史行为特征，确定针对所述任一个用户的补贴资源可以包括，结合所述订单相关特征以及所述历史行为特征，确定所述任一个用户的流失概率，基于所述流失概率以及补贴成本，确定针对所述任一个用户的补贴资源。补贴成本即为线上货运系统针对可能流失的用户进行补贴的总成本，用户的流失概率与补贴资源的补贴金额正相关，流失概率越大，补贴资源的补贴金额越大，流失概率越小，补贴资源的补贴金额越小。作为一种可能的实现方式，可以将基准概率0～1划分为不同的流失区间，每一个流失区间对应相应的流失级别，针对各个流失区间的流失级别设置相应的补贴金额。当确定任一个用户的流失概率时，确定该流失概率对的流失区间，进而确定其对应的补贴级别，确定该任一个用户的补贴金额。
作为一种可能的实现方式，所述结合所述订单相关特征以及所述历史行为特征，确定针对所述任一个用户的补贴资源可以包括：
结合所述订单相关特征以及所述历史行为特征，计算所述任一个用户的流失得分；
基于所述流失得分，利用流失概率模型计算针对所述任一个用户的补贴资源。
结合所述订单相关特征以及所述历史行为特征，计算所述任一个用户的流失得分包括：确定订单相关特征对应的订单相关分数以及历史行为特征对应的历史行为分数；计算所述订单相关分数以及历史行为分数的分数之和为流失得分。
所述结合所述订单相关特征以及所述历史行为特征，计算所述任一个用户的流失得分可以包括：
确定所述订单相关特征包含的至少一个订单特征以及所述历史行为特征包含的至少一个行为特征；其中，每个订单特征对应一个订单数据；每个行为特征对应一个行为数据；
基于任一个订单特征的至少一个订单特征区间及其对应的订单特征分数的对应关系，确定所述任一个订单特征的订单数据匹配的目标特征区间，确定所述目标特征区间匹配的目标订单分数；
基于任一个行为特征的至少一个行为特征区间及其对应的行为特征分数的对应关系，确定所述任一个行为特征的行为数据匹配的目标行为区间，确定所述目标行为区间匹配的目标行为分数；
计算每个所述订单特征的所述目标订单分数以及每个所述行为特征的所述目标行为分数的总和，为所述任一个用户的流失分数。
目标订单分数即为订单相关分数，目标行为分数即为历史行为分数。订单特征分数以及行为特征分数为订单特征以及行为特征对用户再次下单的影响分数。
流失得分用于输入至流失概率模型计算相应的流失概率，通过流失概率的计算，可以确定该用户流失的可能性，流失概率大时，该用户流失的可能性高，流失概率小时，该用户流失的可能性较低。通过流失得分的使用，可以准确估计用户流失的可能型，并针对用户流失得分，使得平台可以针对流失可能性更高的用户进行相应补贴，提高补贴的精准性，获得较高补贴效果。
所述基于所述流失得分，利用流失概率模型计算针对所述任一个用户的补贴资源可以包括：
基于所述流失得分，将所述流失得分作为变量输入至所述流失概率模型，计算获得针对所述任一个用户的流失概率；
根据流失概率与资源补贴金额的对应关系，确定针对所述任一个用户的补贴资源。
流失概率与资源补贴金额可以有多种对应关系。为了适应不同的使用场景，可以根据不同城市的运输成本、季节条件、车型信息等场景，设置流失概率与资源补贴金额的对应关系。例如，可以在运输成本较高的城市、夏冬季节、大众车型等场景中，不同的流失概率下可以设置较高的资源补贴金额，可以在运输成本较低的城市、春秋季节、稀缺车型等场景中，在不同流失概率下可以设置较低的资源补贴金额。为了提高用户的挽回概率，同时降低补贴成本，针对流失概率较大的用户可以设置较高的补贴金额，针对流失概率较小的用户可以设置较低的补贴金额。
可选地，为了提高流失模型的精确度，以使补贴的精确度更高，所述流失概率模型可以按照以下方式训练获得：
确定至少一个用户对应的至少一组训练数据；其中，所述至少一组训练数据可以包括：所述至少一个用户对应的流失得分；
构建流失概率模型；
基于所述至少一组训练数据，训练获得所述流失概率模型的模型参数。
可选地，所述流失概率模型可以包括：逻辑回归模型、反向传播神经网络等。
在某些实施例中，所述流失概率模型可以包括：逻辑回归函数。所述构建流失函数可以包括：构建所述逻辑回归函数的损失函数。
所述基于所述至少一组流失得分，训练获得所述流失概率模型的模型参数可以包括：确定所述损失函数的似然函数；初始化所述似然函数；将所述至少一组训练数据输入所述初始化的似然函数；更新所述似然函数的参数，直至所述损失函数获得最大值；确定所述损失函数获得最大值时的参数为所述逻辑回归函数的目标参数；将所述目标参数作为流失概率模型的模型参数。
获得流失概率模型的模型参数后，将模型参数代入流失概率模型，获得具有参数的流失概率模型。进而，在获得任一个用户的流失得分输入至具有参数的流失概率模型，通过计算即可以获得该任一个用户的流失概率。
可选地，订单相关特征包含的至少一个订单特征可以包括：订单价值指标、订单调价倍率、订单优惠金额、订单小费金额、订单收益金额、订单实际价格、订单区域信息、订单目的地信息、订单途经信息、订单到达商圈、订单开始商圈、订单起始位置信息、指派指标、搬家指标、预约指标、中单司机数量、重复下单数量、额外服务指标、订单质量指标、用户评价指标、订单推送成功司机数量、抢单时长、迟到时长、重复下单间隔时长。
所述至少一个订单特征的特征分数可以按照以下方式确定：确定任一个订单特征预设的至少一个订单特征区间及其对应的订单特征分数的对应关系；从所述至少一个订单特征区间中选择与所述任一个订单特征的订单数据匹配的目标特征区间；确定所述目标特征区间对应的订单特征分数为目标订单分数。以订单特征为抢单时长为例进行说明。假设将抢单时长设置为5个区间，分别为：0s(秒)～20s(秒)、20s～60s、60s～120s、120s～180s以及大于180s，每个区间对应的对用户再次下单的影响分数分别为10、8、5、3、1。如用户在一个实际完成的订单中，其从下发订单到司机接单形成货运订单期间经过35s，则说明该订单时长匹配的目标特征区间为20s～60s，而区间20s～60s对应的订单特征分数为8分，即可以确定该订单时长对应的目标订单分数为8分。所有的订单特征的订单分数确定过程与此类似，在此不再进行赘述。
所述用户历史行为特征包含的至少一个行为特征可以包括：用户价值指标、用户评价指标、用户价格指标、近一周用户下单数量、历史重复下单次数、近一周成单数量、历史成单数量、用户补贴指标、用户小费指标、用户补贴次数、用户补贴指标、用户补贴金额、用户需求数量、近一周用户需求数量、订单价值指标、订单补贴指标、订单小费指标、每周订单成单数量、平均抢单人数、平均价格指标、订单质量指标、订单询价指标、订单应用程序指标、订单最高价格、订单成交率、近一周订单成交率。
所述至少一个行为特征的特征分数可以按照以下方式确定：确定任一个行为特征预设的至少一个行为特征区间及其对应的行为特征分数的对应关系；从所述至少一个行为特征区间中选择与所述任一个行为特征的行为数据匹配的目标行为区间；确定所述目标行为区间对应的行为特征分数为目标行为分数。
可选地，订单价值指标指衡量订单价值的数据；订单调价倍率指订单执行时，针对订单价格进行价格调整时的调整倍率；订单优惠金额是指针对订单价格的优惠金额；订单小费金额指用户为司机发送的小费，激励司机；订单收益金额指线上货运品台针对定单价格提取的订单佣金；订单实际价格指用户实际为货运订单支付的金额。订单区域信息指货运时的具体区域；订单目的地信息指货物最终需要到达的目的地；订单途经信息指订单运输过程中的途径地；订单到达商圈指订单目的地所在商圈；订单开始商圈指订单起始地点所在商圈；订单起始位置信息指货运起始位置。指派指标指订单的派发类型；搬家指标指司机执行订单运输时是否需要提供搬运服务的指标；预约指标指订单是否预约类型的订单；中单司机数量指用户下凡订单时估计的可接单司机数量；重复下单数量指订单信息生成前订单的实际下发数量；额外服务指标指订单执行是，司机是否提供除运输外的其他服务，例如保温、搬运等；订单质量指标指订单的平均价值数据；用户评价指标指用户对货运订单的评价情况；订单推送成功司机数量指成功接收到货运订单的司机的数量；抢单时长指用户下单到用户接单之间的时间间隔；迟到时长指执行订单运输时，司机产生的等候时长；重复下单间隔时长指一单订单没有人接单时，至用户再次下发货运订单的时长。
本发明实施中，基于对任一个用户对应的历史货运订单，获取该用户的订单相关特征以及历史行为特征，进而可以结合所述历史相关特征以及历史行为特征，确定针对所述任一个用户的补贴资源。将订单相关特征以及历史行为特征作为评价指标，可以将历史货运订单中与订单相关的内容以及与用户的历史行为相关的特征作为衡量用户的评价指标的依据，此两种特征从内容上讲与用户关联更为密切，获得的补贴资源与用户更为挈合，可以增加补贴的准确度，达到更具针对性的补贴，提高补贴效果，增加用户的使用可能性。
作为又一个实施例，所述基于任一个用户对应的历史货运订单，确定所述任一个用户对应的评价指标之前，还可以包括：
判断所述任一个用户最近完成的货运订单的货运起始位置是否处于策略执行区域；
如果所述任一个用户最近完成的货运订单的货运起始位置处于策略执行区域，基于所述策略执行区域对应的速运策略，确定针对所述任一个用户的补贴资源。
所述基于任一个用户对应的历史货运订单，确定所述任一个用户对应的评价指标可以包括：
如果所述任一个用户最近完成的货运订单的货运起始位置未处于策略执行区域，基于任一个用户对应的历史货运订单，确定所述任一个用户对应的评价指标。
针对不同的货运区域设置相应的策略，在实际应用中，所述货运区域可以指城市，针对不同的城市执行不同的速运策略。
可选地，如果所述任一个用户最近完成的货运订单的货运起始位置处于策略执行区域，基于所述策略执行区域对应的速运策略，确定针对所述任一个用户的补贴资源可以包括：
如果所述任一个用户最近完成的货运订单的货运起始位置处于策略执行区域，确定所述策略执行区域对应的速运策略；
基于所述速运策略中用户使用频率与补贴金额的对应关系，确定所述任一个用户对应的补贴资源。
本发明实施例中，在任一个用户最近完成的货运订单的货运起始位置处于策略执行区域时，可以将策略执行区域对应的速运策略，确定针对所述任一个用户的补贴资源；在任一个用户最近完成的货运订单的货运起始位置未处于策略执行区域时，可以根据该用户的历史货运顶单，确定该任一个用户对应的评价指标，进而通过评价指标确定用户的补贴资源。通过货运起始位置处于策略执行区域与否，从速运策略或者依据历史货运订单确定的评价指标而确定相应的补贴资源。通过判断步骤，可以降低因存在速运策略，而产生的重复发放补贴资源的现象，降低平台投入。
如图3所示，为本发明实施例提供的一种信息处理装置的一个实施例的结构示意图，所述装置可以包括：
指标确定模块301，用于基于任一个用户对应的历史货运订单，确定所述任一个用户的评价指标。
其中，本发明中所述的任一个用户可以指任一个用户账户，而不是用户个体本身。用户账户即可以用于标识不同的用户，且用户使用线上货运系统时，需要依赖于用户账户，服务端还可以通过用户账户获取用户的历史行为、货运订单等信息。
可选地，可以由线上货运系统的后台服务器确定任一个用户对应的已完成货运订单的历史货运订单。本发明所述的一种信息处理方法，可以应用于线上货运系统中，线上货运系统的货运管理端，也即服务端可以实现该方法。
可选地，可以间隔预设时间检测未使用线上货运系统的用户，针对在此预设时间内的任一个用户对应的历史货运订单，确定所述任一个用户的评价指标。
评价指标用于评价用户再次使用线上货运系统的概率，也即用于评价线上货运系统流失该用户的概率，通过评价指标可以确定针对任一个用户的补贴资源。在实际应用中，若通过评价指标判断用户流失的概率较大，可以为该用户设置金额较大的补贴资源，若通过评价指标判断用户流失的概率较低，可以为该用户设置金额较小的补贴资源。
用户的历史货运订单可以为用户的所有订单，历史货运订单中可以包括用户的所有订单信息。用户的历史货运订单进行分析可以确定该用户的评价指标。历史货运订单可以包括至少一个订单信息的信息数据。所述至少一个订单信息可以包括：订单调价倍率、订单起始地点以及订单终止地点、订单补贴金额、订单起始位置或订单终止位置所处商圈、订单小费金额、司机的接单类型、订单类型、订单生成之前的抢单时长、用户下单数量以及用户下单时间、订单价值级别、订单下发时的可接单司机人数、货运平台的收益、订单价格、用户对司机的平均信息等信息。
在某些实施例中，所述指标确定模块可以包括：
第四确定单元，用于如果所述任一个用户最近完成的货运订单的货运起始位置处于策略执行区域，基于任一个用户对应的历史货运订单，确定所述任一个用户的评价指标。
策略执行区域可以执行相应的速运策略，对用户进行了筛选，仅针对执行策略执行区域的订单再确定其对应的历史货运订单，继而可以确定所述任一个用户的评价指标。通过筛选用户方式可以减少补贴范围，降低补贴成本。
在某些实施例中，所述指标确定单元可以包括：
条件判断子单元，用于结合所述任一个用户最近完成的货运订单的下单时间，判断所述任一个用户是否满足补贴条件；
指标确定子单元，用于如果所述任一个用户满足补贴条件，确定所述任一个用户对应的评价指标。
针对长时间未使用线上货运系统的用户进行补贴，也即实现对补贴的用户的筛选，通过对用户的筛选，可以选择出流失可能性较高的用户，针对此流失率较高的用户进行补贴，降低补贴成本，而针对性的补贴为定向补贴，提高补贴效果。
资源确定模块302，用于结合所述评价指标，确定针对所述任一个用户的补贴资源。
用户的评价指标可以指针对用户使用线上货运系统的指标，具体可以指用户使用线上货运系统的使用状况。通过用户的评价指标可以针对该用户的获取补贴资源的补贴金额。
用户的历史货运订单可以标识用户的货运订单中的各种信息。对历史货运订单的分析，即为对用户使用线上货运系统的行为分析，获得相应的分析结果也即评价指标，以根据分析结果确定针对所述任一个用户的补贴资源。
资源分配模块303，用于分配所述补贴资源至所述任一个用户；其中，所述补贴资源用以交易货运服务。
在某些实施例中，补贴资源可以包括：电子红包、电子优惠券等，电子优惠券可以是折扣券等。
补贴资源如为电子红包时，用以交易货运服务具体是，将货运服务对应的第一货运价格减去补贴资源的金额，获得第二货运价格，第二价格即为用户为货运订单支付的实际订单价格。第一货运价格为货运服务按照货运收费规则应收取用户的费用，第二货运价格为按照货运收费规则应收取用户的第一订单价格减去补贴资源对应的金额之后，用户针对该货运服务实际应当支付的费用。
补贴资源如为电子优惠券，将补贴资源用以交易货运服务具体是，将货运服务对应的第一货运价格与电子优惠券对应的电子折扣相乘，获得相应的货运价格，即为用户实际应当支付的货运费用。
本发明实施例中，基于任一个用户对应的历史货运订单，可以确定任一个用户的评价指标，进而可以结合所述评价指标，确定针对所述任一个用户的补贴资源。该补贴资源与用户的历史货运订单以及用户历史信息关联，进而获得的针对该用户的补贴资源与用户使用线上货运系统的行为相匹配，其更符合用户的使用行为，补贴的针对性高，获得较为精确的补贴效果，增加用户对线上货运系统的依赖性，达到维护用户的目的。
如图4所示，为本发明实施例提供的一种信息处理装置的又一个实施例的结构示意图，该装置与图3所示的不同之处在于，所述评价指标可以包括：订单相关特征以及历史行为特征。
所述指标确定模块301可以包括：
第一确定单元401，用于基于任一个用户最近完成的货运订单，确定所述任一个用户的订单相关特征。
第二确定单元402，用于基于所述任一个用户对应的历史货运订单，确定所述任一个用户的历史行为特征。
所述资源确定模块302可以包括：
第三确定单元403，结合所述订单相关特征以及所述历史行为特征，确定针对所述任一个用户的补贴资源。
用户的订单相关特征指用户最近一次订单的特征，为该最近一次订单的订单相关信息，通过订单的各种订单数据的分析可以获得该订单相关特征。用户的历史行为特征具体可以指根据用户的所有历史订单的订单数据的分析而获得的特征。所述所有历史订单中可以包括用户最近一次订单，以及其之前的所有订单。
所述结合所述订单相关特征以及所述历史行为特征，确定针对所述任一个用户的补贴资源可以包括，结合所述订单相关特征以及所述历史行为特征，确定所述任一个用户的流失概率，基于所述流失概率以及补贴成本，确定针对所述任一个用户的补贴资源。补贴成本即为线上货运系统针对可能流失的用户进行补贴的总成本，用户的流失概率与补贴资源的补贴金额正相关，流失概率越大，补贴资源的补贴金额越大，流失概率越小，补贴资源的补贴金额越小。作为一种可能的实现方式，可以将基准概率0～1划分为不同的流失区间，每一个流失区间对应相应的流失级别，针对各个流失区间的流失级别设置相应的补贴金额。当确定任一个用户的流失概率时，确定该流失概率对的流失区间，进而确定其对应的补贴级别，确定该任一个用户的补贴金额。
作为一种可能的实现方式，所述第三确定单元包括：
分数计算子单元，用于结合所述订单相关特征以及所述历史行为特征，计算所述任一个用户的流失得分；
资源计算子单元，用于基于所述流失得分，利用流失概率模型计算针对所述任一个用户的补贴资源。
结合所述订单相关特征以及所述历史行为特征，计算所述任一个用户的流失得分包括：确定订单相关特征对应的订单相关分数以及历史行为特征对应的历史行为分数；计算所述订单相关分数以及历史行为分数的分数之和为流失得分。
所述资源计算子单元具体可以用于：确定所述订单相关特征包含的至少一个订单特征以及所述历史行为特征包含的至少一个行为特征；其中，每个订单特征对应一个订单数据；每个行为特征对应一个行为数据；基于任一个订单特征的至少一个订单特征区间及其对应的订单特征分数的对应关系，确定所述任一个订单特征的订单数据匹配的目标特征区间，确定所述目标特征区间匹配的目标订单分数；基于任一个行为特征的至少一个行为特征区间及其对应的行为特征分数的对应关系，确定所述任一个行为特征的行为数据匹配的目标行为区间，确定所述目标行为区间匹配的目标行为分数；计算每个所述订单特征的所述目标订单分数以及每个所述行为特征的所述目标行为分数的总和，为所述任一个用户的流失分数。
目标订单分数即为订单相关分数，目标行为分数即为历史行为分数。订单特征分数以及行为特征分数为订单特征以及行为特征对用户再次下单的影响分数。
流失得分用于输入至流失概率模型计算相应的流失概率，通过流失概率的计算，可以确定该用户流失的可能性，流失概率大时，该用户流失的可能性高，流失概率小时，该用户流失的可能性较低。通过流失得分的使用，可以准确估计用户流失的可能型，并针对用户流失得分，使得平台可以针对流失可能性更高的用户进行相应补贴，提高补贴的精准性，获得较高补贴效果。
所述资源计算子单元具体可以用于：
基于所述流失得分，将所述流失得分作为变量输入至所述流失概率模型，计算获得针对所述任一个用户的流失概率；根据流失概率与资源补贴金额的对应关系，确定针对所述任一个用户的补贴资源。
流失概率与资源补贴金额可以有多种对应关系。为了适应不同的使用场景，可以根据不同城市的运输成本、季节条件、车型信息等场景，设置流失概率与资源补贴金额的对应关系。例如，可以在运输成本较高的城市、夏冬季节、大众车型等场景中，不同的流失概率下可以设置较高的资源补贴金额，可以在运输成本较低的城市、春秋季节、稀缺车型等场景中，在不同流失概率下可以设置较低的资源补贴金额。为了提高用户的挽回概率，同时降低补贴成本，针对流失概率较大的用户可以设置较高的补贴金额，针对流失概率较小的用户可以设置较低的补贴金额。
可选地，为了提高流失模型的精确度，以使补贴的精确度更高，所述资源计算子单元具体可以用于：
确定至少一个用户对应的至少一组训练数据；其中，所述至少一组训练数据包括：所述至少一个用户对应的流失得分；
构建流失概率模型；
基于所述至少一组流失得分，训练获得所述流失概率模型的模型参数。
可选地，所述流失概率模型可以包括：逻辑回归模型、反向传播神经网络等。
在某些实施例中，所述流失概率模型可以包括：逻辑回归函数。所述构建流失函数可以包括：构建所述逻辑回归函数的损失函数。
所述资源计算子单元具体还可以用于：确定所述损失函数的似然函数；初始化所述似然函数；将所述至少一组训练数据输入所述初始化的似然函数；更新所述似然函数的参数，直至所述损失函数获得最大值；确定所述损失函数获得最大值时的参数为所述逻辑回归函数的目标参数；将所述目标参数作为流失概率模型的模型参数。
获得流失概率模型的模型参数后，将模型参数代入流失概率模型，获得具有参数的流失概率模型。进而，在获得任一个用户的流失得分输入至具有参数的流失概率模型，通过计算即可以获得该任一个用户的流失概率。
可选地，订单相关特征包含的至少一个订单特征可以包括：订单价值指标、订单调价倍率、订单优惠金额、订单小费金额、订单收益金额、订单实际价格、订单区域信息、订单目的地信息、订单途经信息、订单到达商圈、订单开始商圈、订单起始位置信息、指派指标、搬家指标、预约指标、中单司机数量、重复下单数量、额外服务指标、订单质量指标、用户评价指标、订单推送成功司机数量、抢单时长、迟到时长、重复下单间隔时长。
所述至少一个订单特征的特征分数可以按照以下方式确定：确定任一个订单特征预设的至少一个订单特征区间及其对应的订单特征分数的对应关系；从所述至少一个订单特征区间中选择与所述任一个订单特征的订单数据匹配的目标特征区间；确定所述目标特征区间对应的订单特征分数为目标订单分数。以订单特征为抢单时长为例进行说明。假设将抢单时长设置为5个区间，分别为：0s(秒)～20s(秒)、20s～60s、60s～120s、120s～180s以及大于180s，每个区间对应的对用户再次下单的影响分数分别为10、8、5、3、1。如用户在一个实际完成的订单中，其从下发订单到司机接单形成货运订单期间经过35s，则说明该订单时长匹配的目标特征区间为20s～60s，而区间20s～60s对应的订单特征分数为8分，即可以确定该订单时长对应的目标订单分数为8分。所有的订单特征的订单分数确定过程与此类似，在此不再进行赘述。
所述用户历史行为特征包含的至少一个行为特征可以包括：用户价值指标、用户评价指标、用户价格指标、近一周用户下单数量、历史重复下单次数、近一周成单数量、历史成单数量、用户补贴指标、用户小费指标、用户补贴次数、用户补贴指标、用户补贴金额、用户需求数量、近一周用户需求数量、订单价值指标、订单补贴指标、订单小费指标、每周订单成单数量、平均抢单人数、平均价格指标、订单质量指标、订单询价指标、订单应用程序指标、订单最高价格、订单成交率、近一周订单成交率。
所述至少一个行为特征的特征分数可以按照以下方式确定：确定任一个行为特征预设的至少一个行为特征区间及其对应的行为特征分数的对应关系；从所述至少一个行为特征区间中选择与所述任一个行为特征的行为数据匹配的目标行为区间；确定所述目标行为区间对应的行为特征分数为目标行为分数。
可选地，订单价值指标指衡量订单价值的数据；订单调价倍率指订单执行时，针对订单价格进行价格调整时的调整倍率；订单优惠金额是指针对订单价格的优惠金额；订单小费金额指用户为司机发送的小费，激励司机；订单收益金额指线上货运品台针对定单价格提取的订单佣金；订单实际价格指用户实际为货运订单支付的金额。订单区域信息指货运时的具体区域；订单目的地信息指货物最终需要到达的目的地；订单途经信息指订单运输过程中的途径地；订单到达商圈指订单目的地所在商圈；订单开始商圈指订单起始地点所在商圈；订单起始位置信息指货运起始位置。指派指标指订单的派发类型；搬家指标指司机执行订单运输时是否需要提供搬运服务的指标；预约指标指订单是否预约类型的订单；中单司机数量指用户下凡订单时估计的可接单司机数量；重复下单数量指订单信息生成前订单的实际下发数量；额外服务指标指订单执行是，司机是否提供除运输外的其他服务，例如保温、搬运等；订单质量指标指订单的平均价值数据；用户评价指标指用户对货运订单的评价情况；订单推送成功司机数量指成功接收到货运订单的司机的数量；抢单时长指用户下单到用户接单之间的时间间隔；迟到时长指执行订单运输时，司机产生的等候时长；重复下单间隔时长指一单订单没有人接单时，至用户再次下发货运订单的时长。
本发明实施中，基于对任一个用户对应的历史货运订单，获取该用户的订单相关特征以及历史行为特征，进而可以结合所述历史相关特征以及历史行为特征，确定针对所述任一个用户的补贴资源。将订单相关特征以及历史行为特征作为评价指标，可以将历史货运订单中与订单相关的内容以及与用户的历史行为相关的特征作为衡量用户的评价指标的依据，此两种特征从内容上讲与用户关联更为密切，获得的补贴资源与用户更为挈合，可以增加补贴的准确度，达到更具针对性的补贴，提高补贴效果，增加用户的使用可能性。
作为又一个实施例，所述装置还可以包括：
策略判断模块，用于判断所述任一个用户最近完成的货运订单的货运起始位置是否处于策略执行区域；
策略执行模块，用于如果所述任一个用户最近完成的货运订单的货运起始位置处于策略执行区域，基于所述策略执行区域对应的速运策略，确定针对所述任一个用户的补贴资源；
所述指标确定模块可以包括：
指标确定单元，用于如果所述任一个用户最近完成的货运订单的货运起始位置未处于策略执行区域，基于任一个用户对应的历史货运订单，确定所述任一个用户对应的评价指标。
针对不同的货运区域设置相应的策略，在实际应用中，所述货运区域可以指城市，针对不同的城市执行不同的速运策略。
可选地，所述指标确定单元可以包括：
策略判断子单元，用于如果所述任一个用户最近完成的货运订单的货运起始位置处于策略执行区域，确定所述策略执行区域对应的速运策略；
资源确定子单元，用于基于所述速运策略中用户使用频率与补贴金额的对应关系，确定所述任一个用户对应的补贴资源。
本发明实施例中，在任一个用户最近完成的货运订单的货运起始位置处于策略执行区域时，可以将策略执行区域对应的速运策略，确定针对所述任一个用户的补贴资源；在任一个用户最近完成的货运订单的货运起始位置未处于策略执行区域时，可以根据该用户的历史货运顶单，确定该任一个用户对应的评价指标，进而通过评价指标确定用户的补贴资源。通过货运起始位置处于策略执行区域与否，从速运策略或者依据历史货运订单确定的评价指标而确定相应的补贴资源。通过判断步骤，可以降低因存在速运策略，而产生的重复发放补贴资源的现象，降低平台投入。
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明本发明的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
上述说明示出并描述了本发明的若干优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述申请构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。