一种车辆维修门店运营情况评价方法及系统与流程

1.本发明涉及互联网领域，具体涉及一种车辆维修门店运营情况评价方法及系统。


背景技术：

2.saas模式下，续约率和续费率是衡量业务发展是否健康的关键指标。而这两项关键指标都离不开用户运营，用户对系统的粘性越高越有利于续约，而使用深度越高越有利于增购提高续费率。而saas用户类型多种多样，特别是汽车后市场业态比较复杂，不同业态的用户对软件功能的需求及粘性也不尽相同，因而需要针对不同类型的用户提供一套差异化的健康评价方法/基准，以针对不同类型用户采取个性化的运营动作。然而如果针对不同类型的用户分别开发一套健康评价系统，将面临开发复杂度高、开发以及后期维护成本高等一系列问题。


技术实现要素：

3.本公开实施例旨在针对现有技术的不足，提出一种车辆维修门店运营情况评价方法及系统，本发明采用大数据etl及分析技术，通过可配置、差异化的因子来对应不同类型用户的评价体系的复杂度，实现了用户健康评价方法的统一化，降低了系统实现成本。
4.为实现上述目的，本公开实施例提出以下技术方案：第一方面，本公开实施例提出一种车辆维修门店运营情况评价方法，包括以下步骤：（1）对车辆维修门店运营系统的核心模块进行用户行为大数据采集及etl分析，得到用户行为数据；（2）为每个核心模块定义深度差异化因子和频度差异化因子的数据结构，配置所述数据结构中的参数，得到深度计算因子和频度计算因子；（3）基于所述深度计算因子、所述频度计算因子和所述用户行为数据，计算所述每个核心模块的深度得分和频度得分；对所有所述核心模块的深度得分和频度得分分别进行求和，得到用户的深度总分和频度总分；（4）将所述深度总分和频度总分输入预先构建的用户行为特征评价模型，得到用户分类结果；（5）基于所述用户分类结果，为用户匹配维护策略。
5.作为本公开实施例所述车辆维修门店运营情况评价方法的一种可选实施方式，所述步骤（1）中，通过预先在门店运营系统的核心模块进行埋点的方式获取用户行为大数据。
6.作为本公开实施例所述车辆维修门店运营情况评价方法的一种可选实施方式，所述深度差异化因子和频度差异化因子的数据结构包括字段名称、类型和描述，所述深度差异化因子的描述内容包括所属模块、子模块名称和子模块权重因子；所述频度差异化因子的描述内容包括所属模块、频度级别、不同频度级别的频度描述和权重因子。
7.具体的，所述核心模块的深度得分计算公式为：
8.其中，表示所述核心模块的深度基础分数，表示所述核心模块中第j个子模块的深度权重；所述核心模块的频度得分计算公式为：
9.其中，表示所述核心模块的频度基础分数，表示用户行为数据对应的频度权重，表示用户行为数据对应的频度级别。
10.作为本公开实施例所述车辆维修门店运营情况评价方法的一种可选实施方式，所述用户行为特征评价模型的构建方法包括步骤：1）以深度得分为纵坐标，以频度得分为横坐标，构建运营情况评价坐标系；2）通过设置深度得分基准值和频度得分基准值，将所述运营情况评价坐标系分为四个象限，并为每个象限匹配一个类别，得到健康四象限模型。
11.作为本公开实施例所述车辆维修门店运营情况评价方法的一种可选实施方式，所述得到用户分类结果的方法为：根据所述深度总分和频度总分确定所述用户在所述健康四象限模型所处的象限，进而确定相应的类别。
12.第二方面，本公开实施例提出一种车辆维修门店运营情况评价系统，包括用户行为采集系统、用户行为分析系统、用户运营系统和用户分层标签系统；所述用户行为采集系统用于对所述核心模块进行用户行为大数据采集，并通过用户行为elt模块进行etl分析，得到用户行为数据；所述用户行为分析系统用于基于预先构建的深度计算因子和频度计算因子对所述用户行为数据进行深度分析和频度分析，计算出相应的深度得分和频度得分；再基于预先构建的所述健康四象限模型对所述用户进行分类；所述用户分层标签系统用于提供所述健康四象限模型的深度基准和频度基准以及各象限类型匹配方案；所述用户运营系统用于针对不同类型的所述用户采用不同的运营策略，生成不同的运营动作并下发运营人员。
13.第三方面，本公开实施例提出一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序能够被处理器读取并执行，以完成所述车辆维修门店运营情况评价方法综上所述，本发明具有以下有益效果：针对saas模式下不同类型用户对系统功能的差异化需求，本发明采用大数据etl及分析技术，解决了用户健康评价方法的统一化，通过可配置、差异化的因子来对应不同类型用户的评价体系的复杂度，降低了系统实现成本。同时，对不同类型的用户提供一套差异化的健康评价基准，从而对不同类型用户采取个性化的运营动作，有利于提高客户运营的效率，降低运营成本。
附图说明
14.图1为实施例涉及的车辆维修门店运营情况评价方法的流程图；图2为实施例涉及的健康四象限模型示意图；图3为实施例涉及的a类用户的健康四象限模型评价结果；图4为实施例涉及的b类用户的健康四象限模型评价结果；图5为实施例涉及的评价系统示意图。
具体实施方式
15.下面结合具体实施例对本技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本技术，但不以任何形式限制本技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进。这些都属于本技术的保护范围。
16.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。
17.需要说明的是，如果不冲突，本技术实施例中的各个特征可以相互结合，均在本技术的保护范围之内。另外，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。此外，本文所采用的“第一”、“第二”、“第三”等字样并不对数据和执行次序进行限定，仅是对功能和作用基本相同的相同项或相似项进行区分。
18.除非另有定义，本说明书所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本说明书中在本技术的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是用于限制本技术。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
19.此外，下面所描述的本技术各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
20.本公开实施例旨在解决汽车后市场saas系统的不同业态用户运营过程中评价体系难以统一、系统实现复杂度过高的问题。有鉴于此，本公开实施例提出了一种车辆维修门店运营情况评价方法以用于评价维修门店运营情况的健康状况，该方法采用大数据etl及分析技术通过可配置、差异化的因子来对应不同类型用户的评价体系的复杂度，从而实现降低了系统实现成本的目的。
21.请参考图1，图1示出了本公开实施例所述车辆维修门店运营情况评价方法的流程图。整体流程主要包括以下6个步骤：步骤1：定义车辆维修门店运营系统的核心模块和数据采集链路。
22.基于车辆维修门店运营系统的具体功能和用户需求，梳理出车辆维修门店运营系统的核心模块，例如，车辆维修门店运营系统的核心模块可以分为工单模块、采购库存模块、会员模块、营销模块和财务模块。而每个核心模块又可以根据功能分为若干子模块，本公开实施例示意性地给出工单模块、采购库存模块、会员模块、营销模块和财务模块的子模块划分，如表1所示。
23.表1
24.步骤2：对于步骤1定义的核心模块链路行为etl。
25.基于上述子模块的划分结果，可以通过神策等行为埋点工具在各个子模块进行埋
点，收集用户行为数据进行etl（extraction-transformation-loading）。
26.步骤3：为每个核心模块定义深度差异化因子和频度差异化因子。
27.本公开实施例定义了深度计算因子和频度计算因子的数据结构，用户可通过设置这两个数据结构中的参数，对两个差异化因子进行配置，得到深度计算因子和频度计算因子。深度差异化因子的数据结构如表2所示，频度差异化因子的数据结构如表3所示。
28.表2
29.表3
30.用户可以通过以上两个数据结构给每个核心模块赋予深度权重和频度权重。以核心模块工单模块为例，首先设置工单模块的深度因子基础分数和频度因子基础分数，分别记为d1和f1。然后为工单模块中的各子模块配置深度权重，配置后如表4所示。而在频度差异化因子方面，则可以预先设置行为数据的频度区间并赋予分值，构建出频度因子评价表，然后将实际采集到的行为数据与频度因子评价表进行比对，得到相应的频度权重，具体如表5所示。
31.表4
表5
32.需要注意的是，每个核心模块的深度权重值的总数为1。
33.步骤4：基于步骤2收集的用户行为数据和步骤3定义的深度差异化因子和频度差异化因子，计算各核心模块的深度得分和频度得分；计算各核心模块的深度得分之和及频度得分之和，得到用户的深度总分和频度总分。
34.譬如，工单模块的深度基础分数可以设置为d1，则工单模块的深度得分为：
35.其中，d2(j)表示工单模块中第j个子模块的深度权重。
36.工单模块的频度得分为：
37.其中，f1表示工单模块的频度基础分数，f2(k)表示用户开单行为数据对应的频度权重。例如某用户近30天工单开单天数为21的话，则适用第1级的频度计算权重因子（即k=1，f2(k)=1），若开单天数为9，则适用第3级的频度计算权重因子（即k=3，f2(k)=0.3）。
38.以此类推，可得到各大核心模块的深度得分和频度得分。再将各核心模块的深度得分相加得到该用户的深度总分，将各核心模块的频度得分相加得到该用户的频度总分。
39.步骤5：基于预先构建的用户行为特征评价模型，对用户进行分类。
40.请参考图2，本公开实施例中以深度得分为纵坐标，以频度得分为横坐标，构建运营情况评价坐标系；又通过设置深度得分基准值和频度得分基准值，将运营情况评价坐标系分为4个象限，并为每个象限匹配一个类别，即得到用户行为特征评价模型——健康四象限模型。通过健康四象限模型和用户的深度得分和频度得分，可以确定用户运营情况所属的类型。根据用户的类型，可以为用户匹配营销策略和推广策略。请参考图2，图2示意性地给出了健康四象限模型的类别分布示意图和相关策略匹配图。图2所示的健康四象限模型中，第一象限的用户类别为频度提升，匹配的策略为“加强沟通，协助深度使用”；第二象限的用户类别为稳定健康，匹配的策略为“定期沟通，加深客情”；第三象限的用户类别为深度提升，匹配的策略为“跟客户沟通，提升功能使用深度”；第四象限的用户类别为健康预警，匹配的策略为“了解客户业务，挖掘客户需求”。
41.下面以a类用户和b类用户为例，根据a类用户和b类用户的用户类型定义不同的深度和频度基准，然后将计算出的深度总分和频度总分与基准进行对照即可得出用户在健康四象限模型中所属的象限，进而得到用户的类别。请参考表6，表6示出了a类用户和b类用户各个核心模块的深度得分和频度得分。假设某a类用户的深度得分为45，频度得分为20，则该a类用户落在第一象限，属于频度提升策略的适用用户。
42.表6
43.步骤6：输出健康四象限模型的评价结果和关联的匹配营销策略和推广策略。
44.输出的评价结果可以通过健康四象限图进行用户呈现，也可通过数据接口的形式将各模块的深度得分和频度得分进行输出，方便于第三方系统进行数据应用上的呈现。
45.请参考图3和图4，图3和图4分别给出了a类用户的健康四象限模型评价结果和b类用户的健康四象限模型评价结果。根据图3和图4所示的评价结果，可以找到一批a类用户有针对性的进行深度挖掘，可以找到一批b类用户有针对性的进行频度提升。
46.本公开实施例还提出一种车辆维修门店运营情况评价系统，其结构如图5所示，包括用户行为采集系统、用户行为分析系统、用户运营系统和用户分层标签系统。
47.用户行为采集系统用于对预先定义好的核心模块的用户行为进行用户行为大数据采集，并通过用户行为elt模块进行etl分析，得到用户行为数据。譬如计算某用户近30天的开单天数等。
48.用户行为分析系统用于对用户行为etl模块生成的用户行为数据，结合预先构建的深度计算因子和频度计算因子进行深度和频度的分析，计算出相应的深度得分和频度得分。再由深度、频度得分基准数据库中定义的基准值对用户进行健康四象限分类。
49.用户分层标签系统是通过一系列特征生成用户标签/用户分层的系统，用户行为分析系统中深度、频度得分基准数据库可根据相应的用户分层标签进行配置。
50.用户运营系统用于针对不同行为特征类型（不同象限）的用户采用不同的运营策略，生成不同的运营动作并下发运营人员。
51.本公开实施例还提供了一种计算机可读存储介质，例如包括程序代码的存储器，上述程序代码可由处理器执行以完成上述实施例中的车辆维修门店运营情况评价方法。例如，该计算机可读存储介质可以是只读存储器(read-only memory ,rom)、随机存取存储器(random access memory，ram)、只读光盘(compact discread-only memory，cdrom)、磁带、软盘和光数据存储设备等。
52.本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括一条或多条程序代码，该程序代码存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该程序代码，处理器执行该程序代码，以完成上述实施例中提供的车辆维修门店运营情况评价方法的实现步骤。
53.以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。