CN108665283A - Ota平台的酒店房型价格异常的识别方法及*** - Google Patents
Ota平台的酒店房型价格异常的识别方法及*** Download PDFInfo
- Publication number
- CN108665283A CN108665283A CN201810399850.1A CN201810399850A CN108665283A CN 108665283 A CN108665283 A CN 108665283A CN 201810399850 A CN201810399850 A CN 201810399850A CN 108665283 A CN108665283 A CN 108665283A
- Authority
- CN
- China
- Prior art keywords
- house type
- price
- hotel
- type price
- direct
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims abstract description 77
- 238000012550 audit Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000012795 verification Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 6
- 238000012790 confirmation Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000012954 risk control Methods 0.000 description 4
- 235000021152 breakfast Nutrition 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000001672 ovary Anatomy 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 210000002268 wool Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种OTA平台的酒店房型价格异常的识别方法及***，所述识别方法包括：获取酒店历史数据；采用XGBoost算法对所述酒店历史数据进行建模处理，获取房型价格预测模型；根据所述房型价格预测模型获取酒店每个房型对应的酒店房型预测价格，并获取每个房型对应的房型价格阈值范围；判断OTA平台的每个房型的房型价格是否在对应房型的所述房型价格阈值范围内，若不在，则确定房型价格存在异常。本发明能够快速高效地检测推送的房型价格是否异常，并阻止其进入***及检测***中存在的价格是否异常并删除之，避免异常价格影响客户体验，进而提升品牌形象；同时，减少了人工业务审核的量，提高了处理效率。
Description
技术领域
本发明涉及OTA(Online Travel Agency，在线旅行社)平台的信息处理技术领域，特别涉及一种OTA平台的酒店房型价格异常的识别方法及***。
背景技术
在OTA行业中，由于录入OTA平台***的酒店及供应商等推送的产品价格容易出现错误，导致OTA平台显示的产品价格存在异常，从而对用户的正常预订造成困扰，同时也会滋生出一批靠捡漏拿赔付的“羊毛党”。
为了解决该问题，现有的通常做法是通过OTA业务人员依据经验判定录入***的价格是否异常，对于可能异常的价格询问酒店和供应商进行人工排查。但是，由于OTA平台的产品价格数量巨大，通过人工排查业务审核量大且处理效率很低；同时人工不可能检查每一条录入***的价格，这样就可能会放过异常的价格进入***，并最终出现在OTA平台外网展示，造成赔付价差的损失和品牌形象的间接损失。
发明内容
本发明要解决的技术问题是为了克服现有技术中通过人工排查的方式解决OTA平台出现产品价格异常的情况，存在处理效率很低且易造成放过异常的价格进入***，造成赔付价差的损失和品牌形象的间接损失等缺陷，目的在于提供一种OTA平台的酒店房型价格异常的识别方法及***。
本发明是通过下述技术方案来解决上述技术问题：
本发明提供一种OTA平台的酒店房型价格异常的识别方法，所述识别方法包括：
S1、获取酒店历史数据；
其中，所述酒店历史数据用于表征酒店中各个房型的历史价格；
S2、采用XGBoost算法(一种机器学习算法)对所述酒店历史数据进行建模处理，获取房型价格预测模型；
S3、根据所述房型价格预测模型获取酒店每个房型对应的酒店房型预测价格，并根据所述酒店房型预测价格获取每个房型对应的房型价格阈值范围；
S4、判断OTA平台的每个房型的酒房型价格是否在对应房型的所述房型价格阈值范围内，若不在，则确定房型价格存在异常；
其中，每个房型的房型价格包括推送的未进入所述OTA平台的第一房型价格，或在所述OTA平台的酒店房型订单提交前，存储于所述OTA平台中的与所述酒店房型订单对应的第二房型价格。
较佳地，所述第一房型价格和所述第二房型价格均包括直签房型价格和/或直连房型价格；
所述直连房型价格包括落地的直连房型价格和非落地的直连房型价格；
其中，所述直签房型价格是指所述OTA平台通过与酒店签约合作确定的房型价格；
所述直连房型价格是指所述OTA平台与酒店***直接连接，实时获取所述酒店***中对应房型的房型价格；
所述落地的直连房型价格是指所述OTA平台与酒店***直接连接，并将实时获取所述酒店***中对应房型的房型价格存储在OTA平台的本地数据库中的房型价格；
所述非落地的直连房型价格是指所述OTA平台与酒店***直接连接，并将实时获取所述酒店***中对应房型的房型价格，且未存储在OTA平台的本地数据库中的房型价格。
较佳地，当所述第一房型价格为所述直签房型价格时，步骤S4具体包括：
判断在推送的每个房型的所述直签房型价格进入OTA平台前，所述直签房型价格是否在所述房型价格阈值范围内，若不在，则确定所述房型价格存在异常，并生成待审核的变价审核单；
当所述第一房型价格为所述落地的直连房型价格时，步骤S4具体包括：
判断在推送的每个房型的所述落地的直连房型价格进入OTA平台前，所述落地的直连房型价格是否在所述房型价格阈值范围内，若不在，则确定所述房型价格存在异常，并将所述落地的直连房型价格从OTA平台中删除和/或向所述酒店***反馈价格推送失败的消息；
当所述第一房型价格为所述非落地的直连房型价格时，步骤S4具体包括：
判断在推送的每个房型的所述非落地的直连房型价格进入OTA平台前，所述非落地的直连房型价格是否在所述房型价格阈值范围内，若不在，则确定所述房型价格存在异常，并将用于表征所述房型价格存在异常的信息发送至网络平台进行实时显示。
较佳地，当所述第二房型价格为所述直连房型价格时，步骤S4具体包括：
判断在所述OTA平台的酒店房型订单提交前，存储于所述OTA平台中与所述酒店房型订单对应的所述直连房型价格是否在所述房型价格阈值范围内，若不在，则确定所述房型价格存在异常，并进行下架处理；
当所述第二房型价格为所述直签房型价格和/或所述直连房型价格时，步骤S4还包括：
判断在OTA平台的酒店房型订单提交前，所述直签房型价格对应的酒店房型的订单量是否在产量阈值范围内，若不在，则确定所述房型价格存在异常；或，
判断在OTA平台的酒店房型订单提交前，所述直连房型价格对应的酒店房型的订单量是否在产量阈值范围内，若不在，则确定所述房型价格存在异常，并进行下架处理。
本发明还提供一种OTA平台的酒店房型价格异常的识别***，所述识别***包括历史数据获取模块、预测模型获取模块、预测价格获取模块、阈值范围获取模块和判断模块；
所述历史数据获取模块用于获取酒店历史数据；
其中，所述酒店历史数据用于表征酒店中各个房型的历史价格；
所述预测模型获取模块用于采用XGBoost算法对所述酒店历史数据进行建模处理，获取房型价格预测模型；
所述预测价格获取模块用于根据所述房型价格预测模型获取酒店每个房型对应的酒店房型预测价格；
所述阈值范围获取模块用于根据所述酒店房型预测价格获取每个房型对应的房型价格阈值范围；
所述判断模块用于判断OTA平台的每个房型的房型价格是否在对应房型的所述房型价格阈值范围内，若不在，则确定房型价格存在异常；
其中，每个房型的房型价格包括推送的未进入所述OTA平台的第一房型价格，或在所述OTA平台的酒店房型订单提交前，存储于所述OTA平台中的与所述酒店房型订单对应的第二房型价格。
较佳地，所述第一房型价格和所述第二房型价格均包括直签房型价格和/或直连房型价格；
所述直连房型价格包括落地的直连房型价格和非落地的直连房型价格；
其中，所述直签房型价格是指所述OTA平台通过与酒店签约合作确定的房型价格；
所述直连房型价格是指所述OTA平台与酒店***直接连接，实时获取所述酒店***中对应房型的房型价格；
所述落地的直连房型价格是指所述OTA平台与酒店***直接连接，并将实时获取所述酒店***中对应房型的房型价格存储在OTA平台的本地数据库中的房型价格；
所述非落地的直连房型价格是指所述OTA平台与酒店***直接连接，并将实时获取所述酒店***中对应房型的房型价格，且未存储在OTA平台的本地数据库中的房型价格。
较佳地，所述判断模块用于判断在推送的每个房型的所述直签房型价格进入OTA平台前，所述直签房型价格是否在所述房型价格阈值范围内，若不在，则确定所述房型价格存在异常，并生成待审核的变价审核单；或，
所述判断模块还用于判断在推送的每个房型的所述落地的直连房型价格进入OTA平台前，所述落地的直连房型价格是否在所述房型价格阈值范围内，若不在，则确定所述房型价格存在异常，并将所述落地的直连房型价格从OTA平台中删除和/或向所述酒店***反馈价格推送失败的消息；或，
所述判断模块还用于判断在推送的每个房型的所述非落地的直连房型价格进入OTA平台前，所述非落地的直连房型价格是否在所述房型价格阈值范围内，若不在，则确定所述房型价格存在异常，并将用于表征所述房型价格存在异常的信息发送至网络平台进行实时显示。
较佳地，所述判断模块用于判断在所述OTA平台的酒店房型订单提交前，存储于所述OTA平台中与所述酒店房型订单对应的所述直连房型价格是否在所述房型价格阈值范围内，若不在，则确定所述房型价格存在异常，并进行下架处理；或，
所述判断模块还用于判断在OTA平台的酒店房型订单提交前，所述直签房型价格对应的酒店房型的订单量是否在产量阈值范围内，若不在，则确定所述房型价格存在异常；或，
所述判断模块还用于判断在OTA平台的酒店房型订单提交前，所述直连房型价格对应的酒店房型的订单量是否在产量阈值范围内，若不在，则确定所述房型价格存在异常，并进行下架处理。
本发明的积极进步效果在于：
本发明通过机器学习算法预测酒店每一个房型的房型价格及对应的房型价格阈值范围，来快速高效地检测推送的房型价格是否异常，并阻止其进入***及检测***中存在的价格是否异常并删除之，避免异常价格影响客户体验，进而提升品牌形象；同时，减少了人工业务审核的量，提高了处理效率。
附图说明
图1为本发明实施例1的OTA平台的酒店房型价格异常的识别方法的流程图；
图2为本发明实施例2的OTA平台的酒店房型价格异常的识别***的模块示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在的实施例范围之中。
实施例1
如图1所示，本实施例的OTA平台的酒店房型价格异常的识别方法包括：
S101、获取酒店历史数据；
其中，酒店历史数据用于表征酒店中各个房型的历史价格；
具体地，酒店历史数据包括：酒店房型面积、酒店房型是否包含早餐、酒店房型订单对应的支付方式、供应商推送的历史房型价格中位数、非取消订单的房型价格中位数、入住日期是否为节假日和房型热度等。
S102、采用XGBoost算法对酒店历史数据进行建模处理，获取房型价格预测模型；
S103、根据房型价格预测模型获取酒店每个房型对应的酒店房型预测价格，并根据酒店房型预测价格获取每个房型对应的房型价格阈值范围；
其中，根据酒店房型预测价格获取每个房型对应的房型价格阈值范围的步骤具体包括：
采用XGBoost算法对酒店房型预测价格、历史房型横向房型价格(即跨不同入住日的房型价格)、纵向房型价格(即同入住日的不同售卖房型价格)、向上聚合的房型价格(即同入住日的不同房型的价格中位数)、同商圈同星级同床型的房型价格以及不同预订日的房型价格等进行处理，得到每个房型对应的房型价格阈值范围。对于有订单的房型，还需同时结合该房型的历史订单成交单的价格中位数和未来非取消订单的价格中位数等来获取每个房型对应的房型价格阈值范围。
另外，在充分利用上述的房型价格信息之外，还需考虑其他影响房型价格的因素，如酒店房型热度(包括商圈星级、城市级别、已经产生的历史订单量、已经产生的历史满房订单量、满房率、已经产生的历史最大订单量、已经产生的历史平均订单量等)、日期信息(包括是否为节假日、是否为周末、去年同日订单量、去年一年中每天的天订单量等)、酒店基础信息(包括子房型的面积、是否为大床房或者双床房、可以容纳人数、是否有担保服务、是否为终点房、订单为现付还是预付；子酒店是否属于直采、酒店星级、酒店钻级、酒店点评分、是否为度假酒店、是否为公寓酒店等)等，来获取每个房型对应的房型价格阈值范围。
S104、判断OTA平台的每个房型的房型价格是否在对应房型的房型价格阈值范围内，若不在，则确定房型价格存在异常；
其中，每个房型的房型价格包括推送的未进入OTA平台的第一房型价格，或在OTA平台的酒店房型订单提交前，存储于OTA平台中的与酒店房型订单对应的第二房型价格。
第一房型价格和第二房型价格均包括直签房型价格和/或直连房型价格；
直连房型价格包括落地的直连房型价格和非落地的直连房型价格；
其中，直签房型价格是指OTA平台通过与酒店签约合作确定的房型价格；且直签房型价格属于落地的直签房型价格。
直连房型价格是指OTA平台与酒店***直接连接，实时获取酒店***中对应房型的房型价格；
落地的直连房型价格是指OTA平台与酒店***直接连接，并将实时获取酒店***中对应房型的房型价格存储在OTA平台的本地数据库中的房型价格；
非落地的直连房型价格是指OTA平台与酒店***直接连接，并将实时获取酒店***中对应房型的房型价格，且未存储在OTA平台的本地数据库中的房型价格。
具体地，步骤S104具体包括：
S1041、当第一房型价格为直签房型价格时，判断在推送的每个房型的直签房型价格进入OTA平台前，直签房型价格是否在房型价格阈值范围内，若在，则允许推送的直签房型价格进入OTA平台；若不在，则确定房型价格存在异常，并生成待审核的变价审核单，并交由OTA平台的相关工作人员进行审核。
具体地，该房型价格阈值范围会根据置信度分为两个级别，以高价为例，当房型价格高于房型价格阈值范围m倍以上，则确认该房型价格异常，***直接拒绝该审核单(即不允许该房型价格落地)，从而减少人工工作量；当房型价格高于房型价格阈值范围的n倍以上，又小于房型价格阈值范围的m倍时(n<m)，此时可能存在误判，需要人工审核。当工作人员综合考虑酒店管理***推送的房型价格、***定价(即OTA平台基于自身业务需求或商业目的，通过OTA平台对酒店的房型价格的售卖价作调整后的房型价格)和CM推送的房型价格(一种特殊的直签房型价格，OTA平台负责建立酒店房型，酒店方负责推送房型价格)，审核该直签房型价格是否异常；当审核确定该直签房型价格异常时，则拒绝该变价审核单，阻止该直签房型价格进入OTA平台。当人工审核认为该直签房型价格疑似异常时，则邮件通知OTA平台对应的业务组进行进一步审核。
其中，各个酒店通过代理通、EBK(一种酒店管理***)等酒店管理***向OTA平台推送并更新房型价格。另外，当第一房型价格为直签房型价格时，步骤S104中还可以在推送的每个房型的直签房型价格进入OTA平台前，对直签房型价格进行聚类处理，剔除直签房型价格中异常房型价格，实现防止异常房型价格进入OTA平台。
可以基于母酒店ID(Identification，身份识别)、母基础房型ID和城市ID直接生成房型价格，若通过前置校验，则将其存储在OTA平台的本地数据库中，用于参与每日房型价格阈值范围的更新。
其中，前置校验具有拦截标准(确认价格异常，且无需人工再确认，减少人工成本)和预警标准(疑似问题价格，需要进一步确认来纠正价格判断阈值范围)。
当直签房型价格存在异常时，则将该直签房型价对应的审核单会变成待审核状态，***每天会汇总一份日报告知业务组拦截的情况，提醒业务组的相关业务去审核。具体地，步骤S104具体包括：
S1042、当第一房型价格为落地的直连房型价格时，判断在推送的每个房型的落地的直连房型价格进入OTA平台前，落地的直连房型价格是否在房型价格阈值范围内，若不在，则确定房型价格存在异常，并将落地的直连房型价格从OTA平台中删除和/或向酒店***反馈价格推送失败的消息；若在，则允许推送落地的直连房型价格进入OTA平台。具体地，综合考虑落地的直连房型价格、OTA平台的本地数据库中的一个房型的最低价以及各个房型的房型价格，确定落地的直连房型价格是否在房型价格阈值范围内，若不在，则确定房型价格存在异常或者确定该房型价格疑似异常；当确定房型价格存在异常时，则将该落地的直连房型价格从OTA平台中删除，并邮件通知OTA平台相关的业务组；当确定该房型价格疑似异常时，则将该落地的直连房型价格从OTA平台中删除，并通过Web审核看板(即为可以实时查询拦截情况、拦截记录等的网页平台)进行显示，并邮件通知OTA平台相关的业务组。
具体地，步骤S104还包括：
S1043、当第一房型价格为非落地的直连房型价格时，判断在推送的每个房型的非落地的直连房型价格进入OTA平台前，非落地的直连房型价格是否在房型价格阈值范围内，若不在，则确定房型价格存在异常，并将用于表征房型价格存在异常的信息发送至网络平台进行实时显示；若在，则允许推送的非落地的直签房型价格进入OTA平台。
其中，综合考虑非落地的直连房型价格、直连的房型价格、马甲(一种定价方式，比如为了跟进竞争对手的房型价格，将酒店房型包装成供应商的资源进行售卖)和直签房型价格等，在点击预定酒店房型前，确定非落地的直连房型价格是否在房型价格阈值范围内，若不在，则确定房型价格存在异常或者确定该房型价格疑似异常；当确定房型价格存在异常时，异常结果不返回至OTA平台前端页面(除了直签房型价格)，并邮件通知OTA平台相关的业务组；此时仅对直连的房型价格和马甲进行处理；当确定该房型价格疑似异常时，异常结果不返回至OTA平台前端页面(除了直签房型价格)，通过Web审核看板进行显示，并邮件通知OTA平台相关的业务组。
在OTA平台点击预定酒店房型后，确定非落地的直连房型价格是否在房型价格阈值范围内，若不在，则确定房型价格存在异常或者确定该房型价格疑似异常，当确定房型价格存在异常时，OTA平台显示报错(除了直签房型价格)，并邮件通知OTA平台相关的业务组；此时仅对直连的房型价格和马甲进行处理；当确定该房型价格疑似异常时，OTA平台显示报错(除了直签房型价格)，并通过Web审核看板进行显示，并邮件通知OTA平台相关的业务组。
其中，当Web审核看板显示审核通过时，则表示房型价格正常，风险控制拦截错误，并记录相关日志(包括房型价格的中位数、入住日期、房型价格、审核通过的结果、属于临时促销或是正常价格、审核人以及审核日期等)；此时，在OTA平台的风控接口中添加临时白名单，2天内的同一日期价格不会再被拦截。
当Web审核看板显示审核拒绝，则表示表示房型价格异常，风险控制拦截正确，并记录相关日志(包括房型价格的中位数、入住日期、房型价格、审核通过的结果、属于临时促销或是正常价格、审核人以及审核日期等)。此时，OTA平台通过获取日志中的相关内容更新房型价格阈值范围。
以上，对推送的每个房型的房型价格在OTA平台前，判断是否存在异常，即对房型价格进行前置校验识别出异常房型价格，当检测出异常房型价格时，OTA平台就进行相应的预警处理和拦截处理。
另外，OTA平台中的房型价格数据接口异步接风控接口，是指OTA平台中的房型价格数据接口将价格数据到固定至存储空间，风控接口并不是同步对接该房型价格数据接口，而是按一定频率定期在存储空间中提取；OTA平台中的房型价格数据接口同步接风控接口，是指OTA平台中的风控接口读取房型价格数据后计算出该售卖房型的房型价格是否异常，并将计算结果实时同步反馈至对应的房型价格接口。
具体地，步骤S104还包括：
S1044、当第二房型价格为直连房型价格时，判断在OTA平台的酒店房型订单提交前，存储于OTA平台中与酒店房型订单对应的直连房型价格是否在房型价格阈值范围内，若不在，则确定房型价格存在异常，并进行下架处理；同时，以邮件形式向业务组发送酒店房型预定通知和房型价格存在异常的结果。
具体地，步骤S104还包括：
当第二房型价格为直签房型价格和/或直连房型价格时，判断在OTA平台的酒店房型订单提交前，直签房型价格对应的酒店房型的订单量是否在产量阈值范围内，若不在，则确定房型价格存在异常,并进行下架处理；同时，以邮件形式向业务组发送酒店房型预定通知和房型价格存在异常的结果；或，
判断在OTA平台的酒店房型订单提交前，直连房型价格对应的酒店房型的订单量是否在产量阈值范围内，若不在，则确定房型价格存在异常，并进行下架处理；同时，以邮件形式向业务组发送酒店房型预定通知和房型价格存在异常的结果。
本实施例中，通过机器学习算法预测酒店每一个房型的房型价格及对应的房型价格阈值范围，来快速高效地检测推送的房型价格是否异常，并阻止其进入***及检测***中存在的价格是否异常并删除之，避免异常价格影响客户体验，进而提升品牌形象；同时，减少了人工业务审核的量，提高了处理效率。
实施例2
如图2所示，本实施例的OTA平台的酒店房型价格异常的识别***包括历史数据获取模块1、预测模型获取模块2、预测价格获取模块3、阈值范围获取模块4和判断模块5。
历史数据获取模块1用于获取酒店历史数据；
其中，酒店历史数据用于表征酒店中各个房型的历史价格；
具体地，酒店历史数据包括：酒店房型面积、酒店房型是否包含早餐、酒店房型订单对应的支付方式、供应商推送的历史房型价格中位数、非取消订单的房型价格中位数、入住日期是否为节假日和房型热度等。
预测模型获取模块2用于采用XGBoost算法对酒店历史数据进行建模处理，获取房型价格预测模型；
预测价格获取模块3用于根据房型价格预测模型获取酒店每个房型对应的酒店房型预测价格；
阈值范围获取模块4用于根据酒店房型预测价格获取每个房型对应的房型价格阈值范围；
其中，根据酒店房型预测价格获取每个房型对应的房型价格阈值范围的具体包括：
采用XGBoost算法对酒店房型预测价格、历史房型横向房型价格(即跨不同入住日的房型价格)、纵向房型价格(即同入住日的不同售卖房型价格)、向上聚合的房型价格(即同入住日的不同房型的价格中位数)、同商圈同星级同床型的房型价格以及不同预订日的房型价格等进行处理，得到每个房型对应的房型价格阈值范围。
对于有订单的房型，还需同时结合该房型的历史订单成交单的价格中位数和未来非取消订单的价格中位数等来获取每个房型对应的房型价格阈值范围。
另外，在充分利用上述的房型价格信息之外，还需考虑其他影响房型价格的因素，如酒店房型热度(包括商圈星级、城市级别、已经产生的历史订单量、已经产生的历史满房订单量、满房率、已经产生的历史最大订单量、已经产生的历史平均订单量等)、日期信息(包括是否为节假日、是否为周末、去年同日订单量、去年一年中每天的天订单量等)、酒店基础信息(包括子房型的面积、是否为大床房或者双床房、可以容纳人数、是否有担保服务、是否为终点房、订单为现付还是预付；子酒店是否属于直采、酒店星级、酒店钻级、酒店点评分、是否为度假酒店、是否为公寓酒店等)等，来获取每个房型对应的房型价格阈值范围。
判断模块5用于判断OTA平台的每个房型的房型价格是否在对应房型的房型价格阈值范围内，若不在，则确定房型价格存在异常；
其中，每个房型的房型价格包括推送的未进入OTA平台的第一房型价格，或在OTA平台的酒店房型订单提交前，存储于OTA平台中的与酒店房型订单对应的第二房型价格。
第一房型价格和第二房型价格均包括直签房型价格和/或直连房型价格；
直连房型价格包括落地的直连房型价格和非落地的直连房型价格；
其中，直签房型价格是指OTA平台通过与酒店签约合作确定的房型价格；且直签房型价格属于落地的直签房型价格。
直连房型价格是指OTA平台与酒店***直接连接，实时获取酒店***中对应房型的房型价格；
落地的直连房型价格是指OTA平台与酒店***直接连接，并将实时获取酒店***中对应房型的房型价格存储在OTA平台的本地数据库中的房型价格；
非落地的直连房型价格是指OTA平台与酒店***直接连接，并将实时获取酒店***中对应房型的房型价格，且未存储在OTA平台的本地数据库中的房型价格。
具体地，判断模块用于判断在推送的每个房型的直签房型价格进入OTA平台前，直签房型价格是否在房型价格阈值范围内，若在，则允许推送的直签房型价格进入OTA平台；若不在，则确定房型价格存在异常，并生成待审核的变价审核单，并交由OTA平台的相关工作人员进行审核；
具体地，该房型价格阈值范围会根据置信度分为两个级别，以高价为例，当房型价格高于房型价格阈值范围m倍以上，则确认该房型价格异常，***直接拒绝该审核单(即不允许该房型价格落地)，从而减少人工工作量；当房型价格高于房型价格阈值范围的n倍以上，又小于房型价格阈值范围的m倍时(n<m)，此时可能存在误判，需要人工审核。
当工作人员综合考虑酒店管理***推送的房型价格、***定价(即OTA平台基于自身业务需求或商业目的，通过OTA平台对酒店的房型价格的售卖价作调整后的房型价格)和CM推送的房型价格(一种特殊的直签房型价格，OTA平台负责建立酒店房型，酒店方负责推送房型价格)，审核该直签房型价格是否异常；当审核确定该直签房型价格异常时，则拒绝该变价审核单，阻止该直签房型价格进入OTA平台。当人工审核认为该直签房型价格疑似异常时，则邮件通知OTA平台对应的业务组进行进一步审核。
其中，各个酒店通过代理通、EBK(一种酒店管理***)等酒店管理***向OTA平台推送并更新房型价格。
另外，当第一房型价格为直签房型价格时，步骤S4中还可以在推送的每个房型的直签房型价格进入OTA平台前，对直签房型价格进行聚类处理，剔除直签房型价格中异常房型价格，实现防止异常房型价格进入OTA平台。
可以基于母酒店ID、母基础房型ID和城市ID直接生成房型价格，若通过前置校验，则将其存储在OTA平台的本地数据库中，用于参与每日房型价格阈值范围的更新。
其中，前置校验具有拦截标准(确认价格异常，且无需人工再确认，减少人工成本)和预警标准(疑似问题价格，需要进一步确认来纠正价格判断阈值范围)。
当直签房型价格存在异常时，则将该直签房型价对应的审核单会变成待审核状态，***每天会汇总一份日报告知业务组拦截的情况，提醒业务组的相关业务去审核。
判断模块5还用于判断在推送的每个房型的落地的直连房型价格进入OTA平台前，落地的直连房型价格是否在房型价格阈值范围内，若不在，则确定房型价格存在异常，并将落地的直连房型价格从OTA平台中删除和/或向酒店***反馈价格推送失败的消息；若在，则允许推送落地的直连房型价格进入OTA平台。
具体地，综合考虑落地的直连房型价格、OTA平台的本地数据库中的一个房型的最低价以及各个房型的房型价格，确定落地的直连房型价格是否在房型价格阈值范围内，若不在，则确定房型价格存在异常或者确定该房型价格疑似异常；当确定房型价格存在异常时，则将该落地的直连房型价格从OTA平台中删除，并邮件通知OTA平台相关的业务组；当确定该房型价格疑似异常时，则将该落地的直连房型价格从OTA平台中删除，并通过Web审核看板(可以实时查询拦截情况、拦截记录等的网页平台)进行显示，并邮件通知OTA平台相关的业务组。
判断模块5还用于判断在推送的每个房型的非落地的直连房型价格进入OTA平台前，非落地的直连房型价格是否在房型价格阈值范围内，若不在，则确定房型价格存在异常，并将用于表征房型价格存在异常的信息发送至网络平台进行实时显示；若在，则允许推送的非落地的直签房型价格进入OTA平台。
其中，综合考虑非落地的直连房型价格、直连的房型价格、马甲(一种定价方式，比如为了跟进竞争对手的房型价格，将酒店房型包装成供应商的资源进行售卖)和直签房型价格等，在点击预定酒店房型前，确定非落地的直连房型价格是否在房型价格阈值范围内，若不在，则确定房型价格存在异常或者确定该房型价格疑似异常；当确定房型价格存在异常时，异常结果不返回至OTA平台前端页面(除了直签房型价格)，并邮件通知OTA平台相关的业务组；此时仅对直连的房型价格和马甲进行处理；当确定该房型价格疑似异常时，异常结果不返回至OTA平台前端页面(除了直签房型价格)，通过Web审核看板进行显示，并邮件通知OTA平台相关的业务组。
在OTA平台点击预定酒店房型后，确定非落地的直连房型价格是否在房型价格阈值范围内，若不在，则确定房型价格存在异常或者确定该房型价格疑似异常，当确定房型价格存在异常时，OTA平台显示报错(除了直签房型价格)，并邮件通知OTA平台相关的业务组；此时仅对直连的房型价格和马甲进行处理；当确定该房型价格疑似异常时，OTA平台显示报错(除了直签房型价格)，并通过Web审核看板进行显示，并邮件通知OTA平台相关的业务组。
其中，当Web审核看板显示审核通过时，则表示房型价格正常，风险控制拦截错误，并记录相关日志(包括房型价格的中位数、入住日期、房型价格、审核通过的结果、属于临时促销或是正常价格、审核人以及审核日期等)；此时，在OTA平台的风控接口中添加临时白名单，2天内的同一日期价格不会再被拦截。
当Web审核看板显示审核拒绝，则表示表示房型价格异常，风险控制拦截正确，并记录相关日志(包括房型价格的中位数、入住日期、房型价格、审核通过的结果、属于临时促销或是正常价格、审核人以及审核日期等)。此时，OTA平台通过获取日志中的相关内容更新房型价格阈值范围。
以上，对推送的每个房型的房型价格在OTA平台前，判断是否存在异常，即对房型价格进行前置校验识别出异常房型价格，当检测出异常房型价格时，OTA平台就进行相应的预警处理和拦截处理。
其中，前置校验具有拦截标准(确认价格异常，且无需人工再确认，减少人工成本)和预警标准(疑似问题价格，需要进一步确认来纠正价格判断阈值范围)。
另外，OTA平台中的房型价格数据接口异步接风控接口，是指OTA平台中的房型价格数据接口将价格数据到固定至存储空间，风控接口并不是同步对接该房型价格数据接口，而是按一定频率定期在存储空间中提取；OTA平台中的房型价格数据接口同步接风控接口，是指OTA平台中的风控接口读取房型价格数据后计算出该售卖房型的房型价格是否异常，并将计算结果实时同步反馈至对应的房型价格接口。
判断模块5用于判断在OTA平台的酒店房型订单提交前，存储于OTA平台中与酒店房型订单对应的直连房型价格是否在房型价格阈值范围内，若不在，则确定房型价格存在异常，并进行下架处理，同时，以邮件形式向业务组发送酒店房型预定通知和房型价格存在异常的结果；或，
判断模块5还用于判断在OTA平台的酒店房型订单提交前，直签房型价格对应的酒店房型的订单量是否在产量阈值范围内，若不在，则确定房型价格存在异常，同时，以邮件形式向业务组发送酒店房型预定通知和房型价格存在异常的结果；或，
判断模块5还用于判断在OTA平台的酒店房型订单提交前，直连房型价格对应的酒店房型的订单量是否在产量阈值范围内，若不在，则确定房型价格存在异常，并进行下架处理；同时，以邮件形式向业务组发送酒店房型预定通知和房型价格存在异常的结果。
本实施例中，通过机器学习算法预测酒店每一个房型的房型价格及对应的房型价格阈值范围，来快速高效地检测推送的房型价格是否异常，并阻止其进入***及检测***中存在的价格是否异常并删除之，避免异常价格影响客户体验，进而提升品牌形象；同时，减少了人工业务审核的量，提高了处理效率。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式作出多种变更或修改，但这些变更和修改均落入本发明的保护范围。
Claims (8)
1.一种OTA平台的酒店房型价格异常的识别方法，其特征在于，所述识别方法包括：
S1、获取酒店历史数据；
其中，所述酒店历史数据用于表征酒店中各个房型的历史价格；
S2、采用XGBoost算法对所述酒店历史数据进行建模处理，获取房型价格预测模型；
S3、根据所述房型价格预测模型获取酒店每个房型对应的酒店房型预测价格，并根据所述酒店房型预测价格获取每个房型对应的房型价格阈值范围；
S4、判断OTA平台的每个房型的房型价格是否在对应房型的所述房型价格阈值范围内，若不在，则确定房型价格存在异常；
其中，每个房型的房型价格包括推送的未进入所述OTA平台的第一房型价格，或在所述OTA平台的酒店房型订单提交前，存储于所述OTA平台中的与所述酒店房型订单对应的第二房型价格。
2.如权利要求1所述的OTA平台的酒店房型价格异常的识别方法，其特征在于，所述第一房型价格和所述第二房型价格均包括直签房型价格和/或直连房型价格；
所述直连房型价格包括落地的直连房型价格和非落地的直连房型价格；
其中，所述直签房型价格是指所述OTA平台通过与酒店签约合作确定的房型价格；
所述直连房型价格是指所述OTA平台与酒店***直接连接，实时获取所述酒店***中对应房型的房型价格；
所述落地的直连房型价格是指所述OTA平台与酒店***直接连接，并将实时获取所述酒店***中对应房型的房型价格存储在OTA平台的本地数据库中的房型价格；
所述非落地的直连房型价格是指所述OTA平台与酒店***直接连接，并将实时获取所述酒店***中对应房型的房型价格，且未存储在OTA平台的本地数据库中的房型价格。
3.如权利要求2所述的OTA平台的酒店房型价格异常的识别方法，其特征在于，当所述第一房型价格为所述直签房型价格时，步骤S4具体包括：
判断在推送的每个房型的所述直签房型价格进入OTA平台前，所述直签房型价格是否在所述房型价格阈值范围内，若不在，则确定所述房型价格存在异常，并生成待审核的变价审核单；
当所述第一房型价格为所述落地的直连房型价格时，步骤S4具体包括：
判断在推送的每个房型的所述落地的直连房型价格进入OTA平台前，所述落地的直连房型价格是否在所述房型价格阈值范围内，若不在，则确定所述房型价格存在异常，并将所述落地的直连房型价格从OTA平台中删除和/或向所述酒店***反馈价格推送失败的消息；
当所述第一房型价格为所述非落地的直连房型价格时，步骤S4具体包括：
判断在推送的每个房型的所述非落地的直连房型价格进入OTA平台前，所述非落地的直连房型价格是否在所述房型价格阈值范围内，若不在，则确定所述房型价格存在异常，并将用于表征所述房型价格存在异常的信息发送至网络平台进行实时显示。
4.如权利要求2所述的OTA平台的酒店房型价格异常的识别方法，其特征在于，当所述第二房型价格为所述直连房型价格时，步骤S4具体包括：
判断在所述OTA平台的酒店房型订单提交前，存储于所述OTA平台中与所述酒店房型订单对应的所述直连房型价格是否在所述房型价格阈值范围内，若不在，则确定所述房型价格存在异常，并进行下架处理；
当所述第二房型价格为所述直签房型价格和/或所述直连房型价格时，步骤S4还包括：
判断在OTA平台的酒店房型订单提交前，所述直签房型价格对应的酒店房型的订单量是否在产量阈值范围内，若不在，则确定所述房型价格存在异常；或，
判断在OTA平台的酒店房型订单提交前，所述直连房型价格对应的酒店房型的订单量是否在产量阈值范围内，若不在，则确定所述房型价格存在异常，并进行下架处理。
5.一种OTA平台的酒店房型价格异常的识别***，其特征在于，所述识别***包括历史数据获取模块、预测模型获取模块、预测价格获取模块、阈值范围获取模块和判断模块；
所述历史数据获取模块用于获取酒店历史数据；
其中，所述酒店历史数据用于表征酒店中各个房型的历史价格；
所述预测模型获取模块用于采用XGBoost算法对所述酒店历史数据进行建模处理，获取房型价格预测模型；
所述预测价格获取模块用于根据所述房型价格预测模型获取酒店每个房型对应的酒店房型预测价格；
所述阈值范围获取模块用于根据所述酒店房型预测价格获取每个房型对应的房型价格阈值范围；
所述判断模块用于判断OTA平台的每个房型的房型价格是否在对应房型的所述房型价格阈值范围内，若不在，则确定房型价格存在异常；
其中，每个房型的房型价格包括推送的未进入所述OTA平台的第一房型价格，或在所述OTA平台的酒店房型订单提交前，存储于所述OTA平台中的与所述酒店房型订单对应的第二房型价格。
6.如权利要求5所述的OTA平台的酒店房型价格异常的识别***，其特征在于，所述第一房型价格和所述第二房型价格均包括直签房型价格和/或直连房型价格；
所述直连房型价格包括落地的直连房型价格和非落地的直连房型价格；
其中，所述直签房型价格是指所述OTA平台通过与酒店签约合作确定的房型价格；
所述直连房型价格是指所述OTA平台与酒店***直接连接，实时获取所述酒店***中对应房型的房型价格；
所述落地的直连房型价格是指所述OTA平台与酒店***直接连接，并将实时获取所述酒店***中对应房型的房型价格存储在OTA平台的本地数据库中的房型价格；
所述非落地的直连房型价格是指所述OTA平台与酒店***直接连接，并将实时获取所述酒店***中对应房型的房型价格，且未存储在OTA平台的本地数据库中的房型价格。
7.如权利要求6所述的OTA平台的酒店房型价格异常的识别***，其特征在于，所述判断模块用于判断在推送的每个房型的所述直签房型价格进入OTA平台前，所述直签房型价格是否在所述房型价格阈值范围内，若不在，则确定所述房型价格存在异常，并生成待审核的变价审核单；或，
所述判断模块还用于判断在推送的每个房型的所述落地的直连房型价格进入OTA平台前，所述落地的直连房型价格是否在所述房型价格阈值范围内，若不在，则确定所述房型价格存在异常，并将所述落地的直连房型价格从OTA平台中删除和/或向所述酒店***反馈价格推送失败的消息；或，
所述判断模块还用于判断在推送的每个房型的所述非落地的直连房型价格进入OTA平台前，所述非落地的直连房型价格是否在所述房型价格阈值范围内，若不在，则确定所述房型价格存在异常，并将用于表征所述房型价格存在异常的信息发送至网络平台进行实时显示。
8.如权利要求6所述的OTA平台的酒店房型价格异常的识别***，其特征在于，所述判断模块用于判断在所述OTA平台的酒店房型订单提交前，存储于所述OTA平台中与所述酒店房型订单对应的所述直连房型价格是否在所述房型价格阈值范围内，若不在，则确定所述房型价格存在异常，并进行下架处理；或，
所述判断模块还用于判断在OTA平台的酒店房型订单提交前，所述直签房型价格对应的酒店房型的订单量是否在产量阈值范围内，若不在，则确定所述房型价格存在异常；或，
所述判断模块还用于判断在OTA平台的酒店房型订单提交前，所述直连房型价格对应的酒店房型的订单量是否在产量阈值范围内，若不在，则确定所述房型价格存在异常，并进行下架处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810399850.1A CN108665283B (zh) | 2018-04-28 | 2018-04-28 | Ota平台的酒店房型价格异常的识别方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810399850.1A CN108665283B (zh) | 2018-04-28 | 2018-04-28 | Ota平台的酒店房型价格异常的识别方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108665283A true CN108665283A (zh) | 2018-10-16 |
| CN108665283B CN108665283B (zh) | 2022-04-12 |
Family
ID=63781344
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810399850.1A Active CN108665283B (zh) | 2018-04-28 | 2018-04-28 | Ota平台的酒店房型价格异常的识别方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108665283B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109949030A (zh) * | 2019-02-14 | 2019-06-28 | 深圳云游四海信息科技有限公司 | 一种出租车绕路和计价异常的检测方法和装置 |
| CN110738054A (zh) * | 2019-10-14 | 2020-01-31 | 携程计算机技术（上海）有限公司 | 识别邮件中酒店信息的方法、***、电子设备及存储介质 |
| CN110930022A (zh) * | 2019-11-20 | 2020-03-27 | 携程计算机技术（上海）有限公司 | 酒店静态信息的检测方法、***、电子设备及存储介质 |
| CN111080417A (zh) * | 2019-12-27 | 2020-04-28 | 携程计算机技术（上海）有限公司 | 用于提高预订顺畅率的处理方法、模型训练方法及*** |
| CN111340541A (zh) * | 2020-02-24 | 2020-06-26 | 携程计算机技术（上海）有限公司 | 酒店房型异常价格的预警方法、***、设备和介质 |
| WO2021068611A1 (zh) * | 2019-10-11 | 2021-04-15 | 苏宁云计算有限公司 | 价格发布控制方法、装置、计算机设备和存储介质 |
| CN113762879A (zh) * | 2021-04-02 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 设定邮费的方法、装置和*** |
| CN114881271A (zh) * | 2022-04-13 | 2022-08-09 | 携程旅游网络技术（上海）有限公司 | 酒店预订方法、***、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1538334A (zh) * | 2003-04-18 | 2004-10-20 | 鸿富锦精密工业（深圳）有限公司 | 报价策略分析***及方法 |
| CN105808655A (zh) * | 2016-02-26 | 2016-07-27 | 广州品唯软件有限公司 | 一种海量数据异常检查的处理方法、装置及*** |
| CN105825284A (zh) * | 2016-04-24 | 2016-08-03 | 上海久茂国际物流有限公司 | 空运物流自助订舱*** |
| CN105931119A (zh) * | 2016-05-17 | 2016-09-07 | 中国建设银行股份有限公司 | 一种债券报价处理方法及装置 |
| CN107798482A (zh) * | 2017-11-16 | 2018-03-13 | 中国农业科学院农业信息研究所 | 一种农产品市场异常波动风险监测方法及*** |
-
2018
- 2018-04-28 CN CN201810399850.1A patent/CN108665283B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1538334A (zh) * | 2003-04-18 | 2004-10-20 | 鸿富锦精密工业（深圳）有限公司 | 报价策略分析***及方法 |
| CN105808655A (zh) * | 2016-02-26 | 2016-07-27 | 广州品唯软件有限公司 | 一种海量数据异常检查的处理方法、装置及*** |
| CN105825284A (zh) * | 2016-04-24 | 2016-08-03 | 上海久茂国际物流有限公司 | 空运物流自助订舱*** |
| CN105931119A (zh) * | 2016-05-17 | 2016-09-07 | 中国建设银行股份有限公司 | 一种债券报价处理方法及装置 |
| CN107798482A (zh) * | 2017-11-16 | 2018-03-13 | 中国农业科学院农业信息研究所 | 一种农产品市场异常波动风险监测方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 韩琳 等: "基于K-Means聚类的农产品价格异常数据检测", 《计算机***应用》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109949030A (zh) * | 2019-02-14 | 2019-06-28 | 深圳云游四海信息科技有限公司 | 一种出租车绕路和计价异常的检测方法和装置 |
| CN109949030B (zh) * | 2019-02-14 | 2022-12-02 | 深圳云游四海信息科技有限公司 | 一种出租车绕路和计价异常的检测方法和装置 |
| WO2021068611A1 (zh) * | 2019-10-11 | 2021-04-15 | 苏宁云计算有限公司 | 价格发布控制方法、装置、计算机设备和存储介质 |
| CN110738054A (zh) * | 2019-10-14 | 2020-01-31 | 携程计算机技术（上海）有限公司 | 识别邮件中酒店信息的方法、***、电子设备及存储介质 |
| CN110930022A (zh) * | 2019-11-20 | 2020-03-27 | 携程计算机技术（上海）有限公司 | 酒店静态信息的检测方法、***、电子设备及存储介质 |
| CN111080417A (zh) * | 2019-12-27 | 2020-04-28 | 携程计算机技术（上海）有限公司 | 用于提高预订顺畅率的处理方法、模型训练方法及*** |
| CN111340541A (zh) * | 2020-02-24 | 2020-06-26 | 携程计算机技术（上海）有限公司 | 酒店房型异常价格的预警方法、***、设备和介质 |
| CN113762879A (zh) * | 2021-04-02 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 设定邮费的方法、装置和*** |
| CN114881271A (zh) * | 2022-04-13 | 2022-08-09 | 携程旅游网络技术（上海）有限公司 | 酒店预订方法、***、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108665283B (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108665283A (zh) | Ota平台的酒店房型价格异常的识别方法及*** | |
| CN105469645A (zh) | 飞行目标通信*** | |
| CN101207838A (zh) | 基于发送方和接收方关系的消息转发 | |
| CN105740465A (zh) | 一种灵活的自定义比对方法 | |
| WO2021073477A1 (zh) | 一种支持修改收件信息的方法和装置 | |
| CN112686418B (zh) | 一种履约时效预测方法和装置 | |
| CN109615290A (zh) | 用于获得送达地址的方法、装置、***及介质 | |
| CN104504547B (zh) | 一种用于货品物流支持的工单生成方法及*** | |
| CN109146398A (zh) | 一种数字化楼宇运营管理方法、装置、***及存储介质 | |
| CN113592440A (zh) | 一种基于大数据的智慧物流取件分析***及方法 | |
| CN109165709A (zh) | 基于二维码的固定资产管理方法及装置 | |
| CN116409575A (zh) | 一种智能仓储货架进出库管控*** | |
| CN112200437A (zh) | 一种客户分配方法及装置 | |
| CN106600193A (zh) | 一种tps*** | |
| US20050060247A1 (en) | Forwarder stocktaking management system and method | |
| CN116821106A (zh) | 一种企业数据数字治理***及方法 | |
| CN115099707A (zh) | 订单评价数据评估***、方法、电子设备及存储介质 | |
| CN112714056B (zh) | 物业实时通信方法及物业实时通信*** | |
| CN114819762B (zh) | 通过云平台对it***维保服务信息进行处理方法及*** | |
| KR101624201B1 (ko) | 컨텐츠 퇴출 시스템 및 방법 | |
| US11699119B2 (en) | Systems and methods for analyzing product movement information and generating compliance profiles | |
| CN113313439B (zh) | 一种计算妥投时长的方法和装置 | |
| CN116883094A (zh) | 一种订单处理方法和*** | |
| US20190303376A1 (en) | Management and scoring of data for information sources | |
| CN117333107A (zh) | 一种智慧物流供应链管理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |