CN113393284A - 订单状态提示方法和装置、存储介质和电子设备 - Google Patents
订单状态提示方法和装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN113393284A CN113393284A CN202010176669.1A CN202010176669A CN113393284A CN 113393284 A CN113393284 A CN 113393284A CN 202010176669 A CN202010176669 A CN 202010176669A CN 113393284 A CN113393284 A CN 113393284A
- Authority
- CN
- China
- Prior art keywords
- order
- probability
- target
- preset
- time period
- 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.)
- Pending
Links
Images
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
- G06Q30/0637—Approvals
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种订单状态提示方法和装置、存储介质和电子设备,所述方法包括:将目标订单的订单特征信息输入预训练的目标概率预估模型,所述目标概率预估模型用于输出订单在从当前时刻起的第一预设时间段内有配送员接单的概率;基于所述目标概率预估模型的输出确定所述目标订单的接单概率;在所述接单概率小于预设概率阈值的情况下,生成用于呈现给用户的订单操作建议。
Description
技术领域
本公开涉及数据处理领域,具体地,涉及一种订单状态提示方法和装置、存储介质和电子设备。
背景技术
随着网络技术的发展,外卖行业也逐渐发展壮大,用户可以从网上以外卖的方式购买各种商品,如餐品、百货、药品、鲜花等,通过外卖平台购买商品的购物形式也深入了当代人的生活之中。通常的情况下,用户通过外卖平台下单,外卖平台将订单相关的配送需求发布至同区域的多个配送员,收到该配送需求的配送员根据自身的状况选择是否接受该订单的配送,并在接受该订单之后为用户从商家处获取商品并配送至用户的指定地址。网上订餐让用户可以足不出户购买到各种商品,极大地增加了人们的生活便利度。
但是,在一些不利于配送的特殊的情况下,例如在时间较晚、路途较长、天气较差等情况下,用户下单之后迟迟没有配送员接单。目前,当订单在一段时间之后无人接单时,一些外卖平台会开放取消订单的窗口,但是,用户只能查看订单是否有配送员接单,无法准确地知晓订单的状态,从而难以抉择应该取消订单还是继续等待。用户可能会继续等待一些很可能无人接单的订单,也有可能会取消掉很可能有人接单的订单,这样不仅会影响平台的调度效率,增加商家和平台的损失,还会影响到用户的使用体验。
发明内容
本公开的目的是提供一种订单状态提示方法和装置、存储介质和电子设备,以解决上述的技术问题。
为了实现上述目的,本公开的第一方面,提供一种订单状态提示方法,包括:将目标订单的订单特征信息输入预训练的目标概率预估模型,所述目标概率预估模型用于输出订单在从当前时刻起的第一预设时间段内有配送员接单的概率;基于所述目标概率预估模型的输出确定所述目标订单的接单概率;在所述接单概率小于预设概率阈值的情况下,生成用于呈现给用户的订单操作建议。
可选地,所述方法还包括:确定所述目标订单从下单时刻起至当前时刻为止所经过的目标时间段;所述将目标订单的订单特征信息输入预训练的目标概率预估模型,包括:从预训练的多个概率预估模型中,确定所述目标概率预估模型,所述目标概率模型的样本时间段与所述目标时间段相同,其中,每一所述概率预估模型用于输出订单在下单时刻起的第二预设时间段内有配送员接单的概率,所述第二预设时间段为所述目标时间段与所述第一预设时间段之和;将所述目标订单的订单特征信息输入所述目标概率预估模型。
可选地,每一所述概率预估模型是由样本订单集合训练得到,所述样本订单集合包括在所述概率预估模型对应的所述样本时间段内有配送员接单的正样本订单,及在所述样本时间段内无配送员接单的负样本订单,其中,所述负样本订单的训练权重高于所述正样本订单。
可选地,所述在所述接单概率小于预设概率阈值,生成用于呈现给用户的订单操作建议包括:在所述接单概率小于预设概率阈值的情况下,生成用于取消订单的服务通道以及用于呈现给用户的订单取消操作建议。
可选地,在所述生成用于呈现给用户的订单操作建议之后,所述方法还包括:
根据所述目标时间段确定所述订单操作建议的提示方式,所述提示方式包括提示条展示、订单取消入口展示、弹窗提示、短信提示中的至少一种。
可选地,所述方法还包括:根据损失预算值确定所述预设概率阈值,其中,被取消的订单造成的损失值之和不超过所述损失预算值。
可选地,所述将目标订单的订单特征信息输入预训练的目标概率预估模型,包括:根据所述目标订单的订单特征信息,确定所述目标订单是否满足运力不足条件;在所述目标订单满足所述运力不足条件的情况下,将所述订单特征信息输入运力不足情形的概率预估模型和普通情形的概率预估模型;在所述目标订单不满足所述运力不足条件的情况下,将所述订单特征信息输入普通情形的概率预估模型;所述基于所述目标概率预估模型的输出确定所述目标订单的接单概率,包括:在所述目标订单满足所述运力不足条件的情况下,获取所述运力不足情形的概率预估模型输出的第一概率和所述普通情形的概率预估模型输出的第二概率,并基于预设结合规则将所述第一概率和所述第二概率结合为所述接单概率;在所述目标订单不满足所述运力不足条件的情况下,获取所述普通情形的概率预估模型输出的所述接单概率。
可选地,所述从预训练的多个所述概率预估模型中,确定目标概率预估模型之前,所述方法还包括:确定所述目标时间段大于或等待第一预设目标时间段;所述方法还包括:在所述目标时间段大于所述第二预设目标时间段的情况下,则生成所述订单操作建议,所述第二预设目标时间段大于所述第一预设目标时间段。
可选地,在所述生成订单操作建议之前,所述方法还包括:确定所述目标订单满足预设提示条件;其中,所述预设提示条件包括以下至少一种:所述目标订单的预计配送时间小于预设配送时间阈值;所述目标订单的配送区域中的超时订单数目与所述配送区域中的配送员数目比值小于预设比例阈值;可配送所述目标订单的配送员数目大于预设数目阈值。
本公开的第二方面,公开了一种订单状态提示装置,包括:特征输入模块,用于将目标订单的订单特征信息输入预训练的目标概率预估模型,所述目标概率预估模型用于输出订单在从当前时刻起的第一预设时间段内有配送员接单的概率;概率确定模块,用于基于所述目标概率预估模型的输出确定所述目标订单的接单概率;建议生成模块,用于在所述接单概率小于预设概率阈值的情况下,生成用于呈现给用户的订单操作建议。
可选地,所述装置还包括:时间确定模块,用于确定所述目标订单从下单时刻起至当前时刻为止所经过的目标时间段;所述特征输入模块,用于从预训练的多个概率预估模型中,确定所述目标概率预估模型,所述目标概率模型的样本时间段与所述目标时间段相同,其中,每一所述概率预估模型用于输出订单在下单时刻起的第二预设时间段内有配送员接单的概率,所述第二预设时间段为所述目标时间段与所述第一预设时间段之和,并将所述目标订单的订单特征信息输入所述目标概率预估模型。
可选地,每一所述概率预估模型是由样本订单集合训练得到,所述样本订单集合包括在所述概率预估模型对应的所述样本时间段内有配送员接单的正样本订单,及在所述样本时间段内无配送员接单的负样本订单,其中,所述负样本订单的训练权重高于所述正样本订单。
可选地,所述建议生成模块,用于在所述接单概率小于预设概率阈值的情况下,生成用于取消订单的服务通道以及用于呈现给用户的订单取消操作建议。
可选地,所述装置还包括提示模块,用于根据所述目标时间段确定所述订单操作建议的提示方式,所述提示方式包括提示条展示、订单取消入口展示、弹窗提示、短信提示中的至少一种。
可选地,所述装置还包括,阈值确定模块,用于根据损失预算值确定所述预设概率阈值,其中,被取消的订单造成的损失值之和不超过所述损失预算值。
可选地,所述特征输入模块,用于根据所述目标订单的订单特征信息,确定所述目标订单是否满足运力不足条件;在所述目标订单满足所述运力不足条件的情况下,将所述订单特征信息输入运力不足情形的概率预估模型和普通情形的概率预估模型;在所述目标订单不满足所述运力不足条件的情况下,将所述订单特征信息输入普通情形的概率预估模型;所述概率确定模块,用于在所述目标订单满足所述运力不足条件的情况下,获取所述运力不足情形的概率预估模型输出的第一概率和所述普通情形的概率预估模型输出的第二概率,并基于预设结合规则将所述第一概率和所述第二概率结合为所述接单概率;在所述目标订单不满足所述运力不足条件的情况下,获取所述普通情形的概率预估模型输出的所述接单概率。
可选地,所述装置还包括目标确定模块,用于确定所述目标时间段大于或等待第一预设目标时间段;所述条件确定模块,还用于在所述目标时间段大于所述第二预设目标时间段的情况下,则生成所述订单操作建议,所述第二预设目标时间段大于所述第一预设目标时间段。
可选地,所述装置还包括条件确定模块,用于确定所述目标订单满足预设提示条件;其中,所述预设提示条件包括以下至少一种:所述目标订单的预计配送时间小于预设配送时间阈值;所述目标订单的配送区域中的超时订单数目与所述配送区域中的配送员数目比值小于预设比例阈值;可配送所述目标订单的配送员数目大于预设数目阈值。
本公开的第三方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本公开第一方面中任一项所述方法的步骤。
本公开的第四方面,提供一种电子设备,包括:存储器,其上存储有计算机程序;处理器,用于执行所述存储器中的所述计算机程序,以实现本公开第一方面中任一项所述方法的步骤。
通过上述技术方案,在用户下单后,可以将订单的订单特征信息输入预训练的概率预估模型,基于概率预估模型的输出确定订单有配送员接单的接单概率,并在该接单概率小于预设概率阈值时生成订单操作建议,这样,可以通过订单的特征来判断订单无人接单的可能性是否较高,并将判断结果和与之对应的操作建议呈现给用户,使用户对订单的状态更明确,从而对订单做出合理的操作处理,这样,用户可以取消接单概率较低的订单,继续等待接单概率较高的订单,平衡外卖平台对订单的调度资源,减少商家及平台的损失,并且可以提升用户的使用体验。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据一示例性公开实施例示出的一种订单状态提示方法的流程图。
图2是根据一示例性公开实施例示出的一种订单状态提示方法的流程图。
图3是根据一示例性公开实施例示出的一种订单状态提示装置的框图。
图4是根据一示例性公开实施例示出的一种电子设备的框图
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
通常的情况下,用户通过外卖平台下单,外卖平台将订单相关的配送需求发布至同区域的多个配送员,收到该配送需求的配送员根据自身的状况选择是否接受该订单的配送,并在接受该订单之后为用户从商家处获取商品并配送至用户的指定地址。但是,配送需求发布以后,并不是所有的订单都会有配送员接单,一些订单面临没有配送员接单的情况,或者,一些订单面临在短时间内没有配送员接单的情况。
在现有技术中,用户下单一段时间之后(例如20分钟之后)没有配送员接单,平台会为用户开放无责任取消窗口,用户可以选择取消订单或继续等待。订单在下单后,商家已经开始准备商品,而一个在20分钟之后有配送员接单的概率很高的订单,在用户在下单20分钟时被取消,此事商家会面对商品已经准备完毕却无法卖出的局面,平台也需对商家或用户的损失进行安抚性赔偿;而如果任何时间被配送员接单概率都较低的订单,如果用户在20分钟时选择继续等待,则在等待时间内仍旧无人接单,从而会影响用户的使用体验,订单长时间滞留也会导致平台的调度效率降低的问题。
本公开可以为用户预估出订单被配送员接单的接单概率,并根据接单概率为用户生成操作建议,从而解决上述的问题。
图1是根据一示例性公开实施例示出的一种订单状态提示方法的流程图。如图1所示,该方法可以包括以下步骤:
S11、将目标订单的订单特征信息输入预训练的目标概率预估模型,所述目标概率预估模型用于输出订单在从当前时刻起的第一预设时间段内有配送员接单的概率。
订单特征信息指可以体现订单的客观特性的信息,这些客观特性会从一定程度上影响配送员接单的主观意愿,从而影响到目标订单被接单的概率大小。例如,当商家位置与目标订单的目的地相隔较远时,配送员可能不愿意接单,导致商家位置与目的地相隔较远的订单的接单概率降低;当目标订单的下单时间为周末时,周末订单量较大,而配送员数量有所减少,因此周末的订单的平均接单等待时长会增长,从而使目标订单在一定时间以内被接单的可能性降低;当目标订单所对应的商家的出餐时间较长时,配送员在店内的等候时间也会增长,从而导致配送员不愿接受该商家的订单,从而使目标订单被接单的概率变小。
订单特征信息可以包括以下信息中的一个或多个:业务特征信息、统计特征信息、实时特征信息及商户特征信息,其中,业务特征信息可以包括:配送距离、配送金额、预计送达时长、配送费、下单时间等信息,这类特征信息对不同的订单而言差异很大;统计特征信息可以包括区域平均取餐时间、区域平均送达时间等,对处于同一区域的订单而言,该维度的特征信息是相同且不变的;实时特征信息可以包括:区域未取餐订单数目、区域未送达订单数目、区域未接单订单数目、区域10分钟内下单数目等,这些特征信息会随时间实时变化,但对处于同一区域内的订单而言,该维度的特征信息是相同的;商户特征信息可以包括:商户平均取餐速度、商户平均到店等待时长等。通过上述的特征信息,可以对目标订单可能对接单概率造成影响的因素进行归类。
在接受到用户提交的订单后,可以对目标订单的订单特征信息进行收集,并将其输入至预训练的目标概率预估模型。
其中,目标概率预估模型是通过样本训练集训练得到的,样本训练集中包括从统计时刻起第一预设时间段内有配送员接单的正样本订单,以及从统计时刻起第一预设时间内无配送员接单的负样本订单(包括在第一预设时间段之后接单、在第一预设时间段之内取消、在第一预设时间段之后取消的情况),每一样本订单包括了样本订单的订单特征信息和样本接单时间,其中,统计时刻与所述目标订单的“当前时刻”相对应,即,目标订单的下单时刻至所述当前时刻之间的时长与样本订单的下单时刻至统计时刻的时长相同。例如,在下单后第15分钟时,用于输出接单概率的目标概率预估模型是由“从样本订单的下单时刻起15分钟之后的统计时刻开始,在第一预设时间段内有配送员接单的正样本订单”以及“从样本订单的下单时刻起15分钟之后的统计时刻开始,在第一预设时间段内没有配送员接单的负样本订单”组成,如果该第一预设时间段为10分钟,则样本训练集为从下单起15分钟至25分钟内有配送员接单的正样本订单,及从下单起15至25分钟内无配送员接单的负样本订单,15分钟以内有配送员接单或15分钟以内被取消的订单不纳入该目标配送模型的样本训练集中。
由于订单特征信息与接单概率的对应关系可能发生变化,因此,目标概率预估模型需要定期更新,且使用具有时效性的历史订单作为样本训练集。并且,由于在实际的配送业务中,在短时间内(例如20分钟或30分钟内)有配送员接单的订单的数目是远高于在短时间内无配送员接单的订单数目的,因此,在收集样本训练集时,该正样本订单的数目也高于负样本订单的数目,而模型训练时,在样本不均衡的情况下,损失函数会优先使数目较多一方的准确率提升,而使数目较少一方的准确率下降,因此,本公开在进行模型训练时,利用加权交叉熵损失函数进行训练,从而达到对较少的类别进行加权训练的目的,均衡正样本与负样本的准确率。在具体的实现过程中,可以使用xgboost模型,并且将模型训练的迭代轮次设置为200,训练深度设置为6,样本的采样比例设置为0.4,学习率设置为0.1,为负样本的加权值设置为5。
每一订单特征信息由目标概率预估模型输出为一标签值,该标签值表征该订单特征信息对接单概率的影响程度。目标概率预估模型可以对所有标签值进行统计并进行加权处理,得到最终的标签值,该最终的标签值表征该目标订单在从当前时刻起的第一预设时间段内有配送员接单的概率。
在一种可能的实施方式中,运力不足条件下的目标概率预估模型与其他条件下的目标概率预估模型不同,是由运力不足条件下的样本训练集训练而成的,样本训练集中的所有样本订单都是运力不足条件下的历史订单。在将订单特征输入目标概率预估模型之前,根据所述目标订单的订单特征信息,确定所述目标订单是否满足运力不足条件,在所述目标订单满足所述运力不足条件的情况下,将所述订单特征信息输入运力不足情形的概率预估模型和普通情形的概率预估模型,在所述目标订单不满足所述运力不足条件的情况下,将所述订单特征信息输入普通情形的概率预估模型。在后续步骤中获取目标概率预估模型的输出时,在所述目标订单满足所述运力不足条件的情况下,获取所述运力不足情形的概率预估模型输出的第一概率和所述普通情形的概率预估模型输出的第二概率,并基于预设结合规则将所述第一概率和所述第二概率结合为所述接单概率。
其中,所述运力不足条件可以包括:当前时刻配送区域的十分钟接单率小于预设接单率阈值,该接单率为本区域内10分钟创建的订单中有配送员接单的订单总量,与本区域内10分钟创建的订单总量和本区域内被取消的订单总量之差的比值。
S12、基于所述目标概率预估模型的输出确定所述目标订单的接单概率。
在获得目标概率预估模型输出的最终的标签值之后,可以根据该标签值确定目标订单的接单概率。例如,如果该标签值为0.78,则可以确定该目标订单的接单概率为78%。其中,该接单概率是指“目标订单从当前时刻起的第一预设时间段内有配送员接单的概率”。
S13、在所述接单概率小于预设概率阈值的情况下,生成用于呈现给用户的订单操作建议。
在确定了该接单概率之后,可以以提醒信息的形式将该接单概率呈现给用户,由用户判断应该对订单采取何种操作;也可以直接根据该接单概率生成推荐的订单操作建议,并将其呈现给用户。
当所述接单概率小于预设概率阈值时,表明该目标订单从当前时刻起的第一预设时间段内有配送员接单的概率较低,则可以生成建议用户取消订单的订单操作建议,例如,可以生成“当前订单还没有骑手接单,您可以选择取消订单”的提示信息,并以弹窗的形式发送给用户。
在一种可能的方式中,可以根据用户下单后经过的时长确定该提示信息的提示方式,该提示方式的提示强度与用户下单后经过的时长成正相关关系。例如,当用户下单10分钟时,可以在应用程序内以常驻提示条的形式展示该提示信息,当用户下单20分钟时,可以在应用程序内通过开放用户免责取消的入口的形式展示该提示信息,当用户下单30分钟时,可以在以通知弹窗与短信相结合的方式展示该提示信息。
在一种可能的实施方式中,可以确定所述订单特征信息中对所述接单概率的影响程度最高的目标特征信息,并根据该目标特征信息生成提示信息。例如。当该目标特征信息为“天气:下雨”时,则可以生成“雨天送餐困难,目前还没有骑手接单,您可以选择取消订单”,以便用户进一步了解订单的状态,并结合订单操作建议进行恰当的订单操作。
在一种可能的实施方式中,在生成订单操作建议之前,还可以确定所述目标订单满足预设提示条件:所述目标订单的预计配送时间小于预设配送时间阈值,或者,所述目标订单的配送区域中的超时订单数目与所述配送区域中的配送员数目比值小于预设比例阈值,或者,可配送所述目标订单的配送员数目大于预设数目阈值。在上述条件下,订单有配送员接单的概率会大大提升,因此可以根据上述条件对由模型确定为大概率无人接单的订单进行过滤。
值得说明的是,由于订单取消会对商家、用户造成损失,一些外卖平台会对此损失进行补偿,因此,该预设概率阈值可以结合损失预算值进行确定,被取消的订单造成的损失值之和不超过所述损失预算值。
通过上述技术方案,在用户下单后,可以将订单的订单特征信息输入预训练的概率预估模型,基于概率预估模型的输出确定订单有配送员接单的接单概率,并在该接单概率小于预设概率阈值时生成订单操作建议,这样,可以通过订单的特征来判断订单无人接单的可能性是否较高,并将判断结果和与之对应的操作建议呈现给用户,使用户对订单的状态更明确,从而对订单做出合理的操作处理,这样,用户可以取消接单概率较低的订单,继续等待接单概率较高的订单,平衡外卖平台对订单的调度资源,减少商家及平台的损失,并且可以提升用户的使用体验。
图2是根据一示例性公开实施例示出的一种订单状态提示方法的流程图。如图2所示,该方法可以包括以下步骤:
S21、确定所述目标订单从下单时刻起至当前时刻为止所经过的目标时间段。
例如,用户在10:00下单,且当前时刻为10:16时,该目标时间段为16分钟。
S22、判断所述目标时间段与第一预设目标时间段及第二预设目标时间段的关系,其中,第二预设目标时间段大于第一预设目标时间段。
在目标时间段小于第一预设目标时间段的情况下,则返回步骤S21;在目标时间段大于或等于第一预设目标时间段的情况下,并小于等于第二预设目标时间段,则执行步骤S23;在目标时间段大于第二预设目标时间段的情况下,则直接生成订单操作建议。
也就是说,当从下单时刻起至当前时刻为止所经过的目标时间段超过第一预设目标时间段时,才开始使用目标概率预估模型对目标订单的接单概率进行判断,在小于第一预设目标时间段时,订单下单时长还较短,被接单的可能性较高,尚不需对此类订单进行接单概率计算;当目标时间段超过第二预设目标时间段后,用户下单之后的等待时间已经过长,多数用户已经没有耐心等待配送员接单,此时可以直接向用户提出订单操作建议,指导用户对订单进行适当的操作。
S23、从预训练的多个概率预估模型中,确定所述目标概率预估模型,所述目标概率模型的样本时间段与所述目标时间段相同。
其中,每一所述概率预估模型用于输出订单在下单时刻起的第二预设时间段内有配送员接单的概率,所述第二预设时间段为所述目标时间段与所述第一预设时间段之和。
其中,目标时间段的精度为一分钟,也就是说,目标时间段在第一预设目标时间段至第二预设目标时间段之间时,每经过一分钟,就需要确定新的目标概率预估模型,如果第一预设目标时间段为10分钟,第二预设目标时间段为20分钟,则在下单时刻起的第10分钟、第11分钟、第12分钟、第13分钟、第14分钟、第15分钟、第16分钟、第17分钟、第18分钟、第19分钟、第20分钟,分别都有一个预设的目标概率预估模型,当第一预设时间段为10分钟时,这11个目标概率预估模型分别用于输出从下单时刻起第20分钟(第一预设时间段10分钟与目标时间段10分钟之和)、第21分钟、第22分钟、第23分钟、第24分钟、第25分钟、第26分钟、第27分钟、第28分钟、第29分钟、第30分钟内有配送员接单的概率。
其中,目标概率预估模型是通过样本训练集训练得到的,样本训练集中包括从统计时刻起第一预设时间段内有配送员接单的正样本订单,以及从统计时刻起第一预设时间内无配送员接单的负样本订单(包括在第一预设时间段之后接单、在第一预设时间段之内取消、在第一预设时间段之后取消的情况),每一样本订单包括了样本订单的订单特征信息和样本接单时间,其中,统计时刻与所述目标订单的“当前时刻”相对应,即,目标订单的下单时刻至所述当前时刻之间的时长与样本订单的下单时刻至统计时刻的时长相同。例如,在下单后第15分钟时,用于输出接单概率的目标概率预估模型是由“从样本订单的下单时刻起15分钟之后的统计时刻开始,在第一预设时间段内有配送员接单的正样本订单”以及“从样本订单的下单时刻起15分钟之后的统计时刻开始,在第一预设时间段内没有配送员接单的负样本订单”组成,如果该第一预设时间段为10分钟,则样本训练集为从下单起15分钟至25分钟内有配送员接单的正样本订单,及从下单起15至25分钟内无配送员接单的负样本订单,15分钟以内有配送员接单或15分钟以内被取消的订单不纳入该目标配送模型的样本训练集中。
由于订单特征信息与接单概率的对应关系可能发生变化,因此,目标概率预估模型需要定期更新,且使用具有时效性的历史订单作为样本训练集。并且,由于在实际的配送业务中,在短时间内(例如20分钟或30分钟内)有配送员接单的订单的数目是远高于在短时间内无配送员接单的订单数目的,因此,在收集样本训练集时,该正样本订单的数目也高于负样本订单的数目,而模型训练时,在样本不均衡的情况下,损失函数会优先使数目较多一方的准确率提升,而使数目较少一方的准确率下降,因此,本公开在进行模型训练时,利用加权交叉熵损失函数进行训练,从而达到对较少的类别进行加权训练的目的,均衡正样本与负样本的准确率。在具体的实现过程中,可以使用xgboost模型,并且将模型训练的迭代轮次设置为200,训练深度设置为6,样本的采样比例设置为0.4,学习率设置为0.1,为负样本的加权值设置为5。
S24、将所述目标订单的订单特征信息输入所述目标概率预估模型。
订单特征信息指可以体现订单的客观特性的信息,这些客观特性会从一定程度上影响配送员接单的主观意愿,从而影响到目标订单被接单的概率大小。例如,当商家位置与目标订单的目的地相隔较远时,配送员可能不愿意接单,导致商家位置与目的地相隔较远的订单的接单概率降低;当目标订单的下单时间为周末时,周末订单量较大,而配送员数量有所减少,因此周末的订单的平均接单等待时长会增长,从而使目标订单在一定时间以内被接单的可能性降低;当目标订单所对应的商家的出餐时间较长时,配送员在店内的等候时间也会增长,从而导致配送员不愿接受该商家的订单,从而使目标订单被接单的概率变小。
订单特征信息可以包括以下信息中的一个或多个:业务特征信息、统计特征信息、实时特征信息及商户特征信息,其中,业务特征信息可以包括:配送距离、配送金额、预计送达时长、配送费、下单时间等信息,这类特征信息对不同的订单而言差异很大;统计特征信息可以包括区域平均取餐时间、区域平均送达时间等,对处于同一区域的订单而言,该维度的特征信息是相同且不变的;实时特征信息可以包括:区域未取餐订单数目、区域未送达订单数目、区域未接单订单数目、区域10分钟内下单数目等,这些特征信息会随时间实时变化,但对处于同一区域内的订单而言,该维度的特征信息是相同的;商户特征信息可以包括:商户平均取餐速度、商户平均到店等待时长等。通过上述的特征信息,可以对目标订单可能对接单概率造成影响的因素进行归类。
在接受到用户提交的订单后,可以对目标订单的订单特征信息进行收集,并将其输入至预训练的目标概率预估模型。
每一订单特征信息由目标概率预估模型输出为一标签值,该标签值表征该订单特征信息对接单概率的影响程度。目标概率预估模型可以对所有标签值进行统计并进行加权处理,得到最终的标签值,该最终的标签值表征该目标订单在从当前时刻起的第一预设时间段内有配送员接单的概率。
在一种可能的实施方式中,运力不足条件下的目标概率预估模型与其他条件下的目标概率预估模型不同,是由运力不足条件下的样本训练集训练而成的,样本训练集中的所有样本订单都是运力不足条件下的历史订单。在将订单特征输入目标概率预估模型之前,根据所述目标订单的订单特征信息,确定所述目标订单是否满足运力不足条件,在所述目标订单满足所述运力不足条件的情况下,将所述订单特征信息输入运力不足情形的概率预估模型和普通情形的概率预估模型,在所述目标订单不满足所述运力不足条件的情况下,将所述订单特征信息输入普通情形的概率预估模型。在后续步骤中获取目标概率预估模型的输出时,在所述目标订单满足所述运力不足条件的情况下,获取所述运力不足情形的概率预估模型输出的第一概率和所述普通情形的概率预估模型输出的第二概率,并基于预设结合规则将所述第一概率和所述第二概率结合为所述接单概率。
其中,所述运力不足条件可以包括:当前时刻配送区域的十分钟接单率小于预设接单率阈值,该接单率为本区域内10分钟创建的订单中有配送员接单的订单总量,与本区域内10分钟创建的订单总量和本区域内被取消的订单总量之差的比值。
S25、基于所述目标概率预估模型的输出确定所述目标订单的接单概率。
在获得目标概率预估模型输出的最终的标签值之后,可以根据该标签值确定目标订单的接单概率。例如,如果该标签值为0.78,则可以确定该目标订单的接单概率为78%。其中,该接单概率是指“目标订单从当前时刻起的第一预设时间段内有配送员接单的概率”。
S26、在所述接单概率小于预设概率阈值的情况下,生成用于呈现给用户的订单操作建议。
在确定了该接单概率之后,可以以提醒信息的形式将该接单概率呈现给用户,由用户判断应该对订单采取何种操作;也可以直接根据该接单概率生成推荐的订单操作建议,并将其呈现给用户。
当所述接单概率小于预设概率阈值时,表明该目标订单从当前时刻起的第一预设时间段内有配送员接单的概率较低,则可以生成建议用户取消订单的订单操作建议,例如,可以生成“当前订单还没有骑手接单,您可以选择取消订单”的提示信息,并以弹窗的形式发送给用户。
在一种可能的实施方式中,可以确定所述订单特征信息中对所述接单概率的影响程度最高的目标特征信息,并根据该目标特征信息生成提示信息。例如。当该目标特征信息为“天气:下雨”时,则可以生成“雨天送餐困难,目前还没有骑手接单,您可以选择取消订单”,以便用户进一步了解订单的状态,并结合订单操作建议进行恰当的订单操作。
在一种可能的方式中,可以根据目标时间段确定该提示信息的提示方式,该提示方式的提示强度与目标时间段成正相关关系。例如,当用户下单10分钟时(即目标时间段为10分钟时),可以在应用程序内以常驻提示条的形式展示该提示信息,当用户下单20分钟时,可以在应用程序内通过开放用户免责取消的入口的形式展示该提示信息,当用户下单30分钟时,可以在以通知弹窗与短信相结合的方式展示该提示信息。
在一种可能的实施方式中,在生成订单操作建议之前,还可以确定所述目标订单满足预设提示条件:所述目标订单的预计配送时间小于预设配送时间阈值,或者,所述目标订单的配送区域中的超时订单数目与所述配送区域中的配送员数目比值小于预设比例阈值,或者,可配送所述目标订单的配送员数目大于预设数目阈值。在上述条件下,订单有配送员接单的概率会大大提升,因此可以根据上述条件对由模型确定为大概率无人接单的订单进行过滤。
值得说明的是,由于订单取消会对商家、用户造成损失,一些外卖平台会对此损失进行补偿,被取消的订单造成的损失值之和不超过所述损失预算值,且所有的概率预估模型的损失预算值之和不超过总的损失预算值。因此,该预设概率阈值可以通过下述公式结合损失预算值进行确定:即,,其中,St.budget为总损失预算值,cost(xi)为第i个模型的损失预算值。
通过上述技术方案,在用户下单后,可以将从下单时刻起至当前时刻为止所经过的目标时间段位于第一预设目标时间段和第二预设目标时间段之间的订单的订单特征信息输入预训练的概率预估模型,基于概率预估模型的输出确定订单有配送员接单的接单概率,并在该接单概率小于预设概率阈值时生成订单操作建议,这样,可以在节省计算资源并符合使用实际的前提下,通过订单的特征来判断订单无人接单的可能性是否较高,并将判断结果和与之对应的操作建议呈现给用户,使用户对订单的状态更明确,从而对订单做出合理的操作处理,从而,用户可以取消接单概率较低的订单,继续等待接单概率较高的订单,平衡外卖平台对订单的调度资源,减少商家及平台的损失,并且可以提升用户的使用体验。
图3是根据一示例性公开实施例示出的一种订单状态提示装置的框图。如图3所示,所述订单状态提示装置300包括:
特征输入模块301,用于将目标订单的订单特征信息输入预训练的目标概率预估模型,所述目标概率预估模型用于输出订单在从当前时刻起的第一预设时间段内有配送员接单的概率.
概率确定模块302,用于基于所述目标概率预估模型的输出确定所述目标订单的接单概率。
建议生成模块303,用于在所述接单概率小于预设概率阈值的情况下,生成用于呈现给用户的订单操作建议。
可选地,所述装置还包括:时间确定模块,用于确定所述目标订单从下单时刻起至当前时刻为止所经过的目标时间段;所述特征输入模块,用于从预训练的多个概率预估模型中,确定所述目标概率预估模型,所述目标概率模型的样本时间段与所述目标时间段相同,其中,每一所述概率预估模型用于输出订单在下单时刻起的第二预设时间段内有配送员接单的概率,所述第二预设时间段为所述目标时间段与所述第一预设时间段之和,并将所述目标订单的订单特征信息输入所述目标概率预估模型。
可选地,每一所述概率预估模型是由样本订单集合训练得到,所述样本订单集合包括在所述概率预估模型对应的所述样本时间段内有配送员接单的正样本订单,及在所述样本时间段内无配送员接单的负样本订单,其中,所述负样本订单的训练权重高于所述正样本订单。
可选地,所述建议生成模块,用于在所述接单概率小于预设概率阈值的情况下,生成用于取消订单的服务通道以及用于呈现给用户的订单取消操作建议。
可选地,所述装置还包括提示模块,用于根据所述目标时间段确定所述订单操作建议的提示方式,所述提示方式包括提示条展示、订单取消入口展示、弹窗提示、短信提示中的至少一种。
可选地,所述装置还包括,阈值确定模块,用于根据损失预算值确定所述预设概率阈值,其中,被取消的订单造成的损失值之和不超过所述损失预算值。
可选地,所述特征输入模块,用于根据所述目标订单的订单特征信息,确定所述目标订单是否满足运力不足条件;在所述目标订单满足所述运力不足条件的情况下,将所述订单特征信息输入运力不足情形的概率预估模型和普通情形的概率预估模型;在所述目标订单不满足所述运力不足条件的情况下,将所述订单特征信息输入普通情形的概率预估模型;所述概率确定模块,用于在所述目标订单满足所述运力不足条件的情况下,获取所述运力不足情形的概率预估模型输出的第一概率和所述普通情形的概率预估模型输出的第二概率,并基于预设结合规则将所述第一概率和所述第二概率结合为所述接单概率;在所述目标订单不满足所述运力不足条件的情况下,获取所述普通情形的概率预估模型输出的所述接单概率。
可选地,所述装置还包括目标确定模块,用于确定所述目标时间段大于或等待第一预设目标时间段;所述条件确定模块,还用于在所述目标时间段大于所述第二预设目标时间段的情况下,则生成所述订单操作建议,所述第二预设目标时间段大于所述第一预设目标时间段。
可选地,所述装置还包括条件确定模块,用于确定所述目标订单满足预设提示条件;其中,所述预设提示条件包括以下至少一种:所述目标订单的预计配送时间小于预设配送时间阈值;所述目标订单的配送区域中的超时订单数目与所述配送区域中的配送员数目比值小于预设比例阈值;可配送所述目标订单的配送员数目大于预设数目阈值。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
通过上述技术方案,至少可以达到以下技术效果:
在用户下单后,可以将订单的订单特征信息输入预训练的概率预估模型,基于概率预估模型的输出确定订单有配送员接单的接单概率,并在该接单概率小于预设概率阈值时生成订单操作建议,这样,可以通过订单的特征来判断订单无人接单的可能性是否较高,并将判断结果和与之对应的操作建议呈现给用户,使用户对订单的状态更明确,从而对订单做出合理的操作处理,这样,用户可以取消接单概率较低的订单,继续等待接单概率较高的订单,平衡外卖平台对订单的调度资源,减少商家及平台的损失,并且可以提升用户的使用体验。
图4是根据一示例性实施例示出的一种电子设备400的框图。该电子设备400可以被提供为一服务器。如图4所示,该电子设备400可以包括:处理器401,存储器402。该电子设备400还可以包括多媒体组件403,输入/输出(I/O)接口404,以及通信组件405中的一者或多者。
其中,处理器401用于控制该电子设备400的整体操作,以完成上述的订单状态提示方法中的全部或部分步骤。存储器402用于存储各种类型的数据以支持在该电子设备400的操作,这些数据例如可以包括用于在该电子设备400上操作的任何应用程序或方法的指令,以及应用程序相关的数据。该存储器402可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-OnlyMemory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-OnlyMemory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件403可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器402或通过通信组件405发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口404为处理器401和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件405用于该电子设备400与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near Field Communication,简称NFC),2G、3G、4G、NB-IOT、eMTC、或其他5G等等,或它们中的一种或几种的组合,在此不做限定。因此相应的该通信组件405可以包括:Wi-Fi模块,蓝牙模块,NFC模块等等。
在一示例性实施例中,电子设备400可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的订单状态提示方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的订单状态提示方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器402,上述程序指令可由电子设备400的处理器401执行以完成上述的订单状态提示方法。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的订单状态提示方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (12)
1.一种订单状态提示方法,其特征在于,所述方法包括:
将目标订单的订单特征信息输入预训练的目标概率预估模型,所述目标概率预估模型用于输出订单在从当前时刻起的第一预设时间段内有配送员接单的概率;
基于所述目标概率预估模型的输出确定所述目标订单的接单概率;
在所述接单概率小于预设概率阈值的情况下,生成用于呈现给用户的订单操作建议。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定所述目标订单从下单时刻起至当前时刻为止所经过的目标时间段;
所述将目标订单的订单特征信息输入预训练的目标概率预估模型,包括:
从预训练的多个概率预估模型中,确定所述目标概率预估模型,所述目标概率模型的样本时间段与所述目标时间段相同,其中,每一所述概率预估模型用于输出订单在下单时刻起的第二预设时间段内有配送员接单的概率,所述第二预设时间段为所述目标时间段与所述第一预设时间段之和;
将所述目标订单的订单特征信息输入所述目标概率预估模型。
3.根据权利要求2任一项所述的方法,其特征在于,每一所述概率预估模型是由样本订单集合训练得到,所述样本订单集合包括在所述概率预估模型对应的所述样本时间段内有配送员接单的正样本订单,及在所述样本时间段内无配送员接单的负样本订单,其中,所述负样本订单的训练权重高于所述正样本订单。
4.根据权利要求1或2任一项所述的方法,其特征在于,所述在所述接单概率小于预设概率阈值的情况下,生成用于呈现给用户的订单操作建议包括:
在所述接单概率小于预设概率阈值的情况下,生成用于取消订单的服务通道以及用于呈现给用户的订单取消操作建议。
5.根据权利要求1所述的方法,其特征在于,在所述生成用于呈现给用户的订单操作建议之后,所述方法还包括:
根据所述目标时间段确定所述订单操作建议的提示方式,所述提示方式包括提示条展示、订单取消入口展示、弹窗提示、短信提示中的至少一种。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
根据损失预算值确定所述预设概率阈值,其中,被取消的订单造成的损失值之和不超过所述损失预算值。
7.根据权利要求1所述的方法,其特征在于,所述将目标订单的订单特征信息输入预训练的目标概率预估模型,包括:
根据所述目标订单的订单特征信息,确定所述目标订单是否满足运力不足条件;
在所述目标订单满足所述运力不足条件的情况下,将所述订单特征信息输入运力不足情形的概率预估模型和普通情形的概率预估模型;
在所述目标订单不满足所述运力不足条件的情况下,将所述订单特征信息输入普通情形的概率预估模型;
所述基于所述目标概率预估模型的输出确定所述目标订单的接单概率,包括:
在所述目标订单满足所述运力不足条件的情况下,获取所述运力不足情形的概率预估模型输出的第一概率和所述普通情形的概率预估模型输出的第二概率,并基于预设结合规则将所述第一概率和所述第二概率结合为所述接单概率;
在所述目标订单不满足所述运力不足条件的情况下,获取所述普通情形的概率预估模型输出的所述接单概率。
8.根据权利要求2所述的方法,其特征在于,所述从预训练的多个所述概率预估模型中,确定目标概率预估模型之前,所述方法还包括:
确定所述目标时间段大于或等待第一预设目标时间段;
所述方法还包括:
在所述目标时间段大于所述第二预设目标时间段的情况下,则生成所述订单操作建议,所述第二预设目标时间段大于所述第一预设目标时间段。
9.根据权利要求1所述的方法,其特征在于,在所述生成订单操作建议之前,所述方法还包括:
确定所述目标订单满足预设提示条件;
其中,所述预设提示条件包括以下至少一种:
所述目标订单的预计配送时间小于预设配送时间阈值;
所述目标订单的配送区域中的超时订单数目与所述配送区域中的配送员数目比值小于预设比例阈值;
可配送所述目标订单的配送员数目大于预设数目阈值。
10.一种订单状态提示装置,其特征在于,所述装置包括:
特征输入模块,用于将目标订单的订单特征信息输入预训练的目标概率预估模型,所述目标概率预估模型用于输出订单在从当前时刻起的第一预设时间段内有配送员接单的概率;
概率确定模块,用于基于所述目标概率预估模型的输出确定所述目标订单的接单概率;
建议生成模块,用于在所述接单概率小于预设概率阈值的情况下,生成用于呈现给用户的订单操作建议。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-9中任一项所述方法的步骤。
12.一种电子设备,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1-9中任一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010176669.1A CN113393284A (zh) | 2020-03-13 | 2020-03-13 | 订单状态提示方法和装置、存储介质和电子设备 |
PCT/CN2021/077486 WO2021179906A1 (zh) | 2020-03-13 | 2021-02-23 | 订单状态提示 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010176669.1A CN113393284A (zh) | 2020-03-13 | 2020-03-13 | 订单状态提示方法和装置、存储介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113393284A true CN113393284A (zh) | 2021-09-14 |
Family
ID=77616125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010176669.1A Pending CN113393284A (zh) | 2020-03-13 | 2020-03-13 | 订单状态提示方法和装置、存储介质和电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113393284A (zh) |
WO (1) | WO2021179906A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066105A (zh) * | 2022-01-11 | 2022-02-18 | 浙江口碑网络技术有限公司 | 运单配送超时预估模型的训练方法,存储介质和电子设备 |
CN118075873A (zh) * | 2024-04-19 | 2024-05-24 | 浙江口碑网络技术有限公司 | 基于无线网络数据的定位方法、数据处理方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113850550A (zh) * | 2021-09-24 | 2021-12-28 | 北京我来文化传媒有限公司 | 面向高校园区的配餐订单智能派送方法、存储介质、计算机 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010037394A1 (en) * | 2008-10-01 | 2010-04-08 | Just-Eat Group Limited | Ordering system with terminal unit having barcode scanner |
CN106971326B (zh) * | 2016-09-07 | 2021-03-23 | 蔚来(安徽)控股有限公司 | 订单的用户预期管理***和方法 |
CN109376942A (zh) * | 2018-11-12 | 2019-02-22 | 达疆网络科技(上海)有限公司 | 订单处理方法、存储介质和装置 |
CN110119847B (zh) * | 2019-05-14 | 2021-07-09 | 拉扎斯网络科技(上海)有限公司 | 一种配送时长的预测方法、装置、存储介质和电子设备 |
-
2020
- 2020-03-13 CN CN202010176669.1A patent/CN113393284A/zh active Pending
-
2021
- 2021-02-23 WO PCT/CN2021/077486 patent/WO2021179906A1/zh active Application Filing
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066105A (zh) * | 2022-01-11 | 2022-02-18 | 浙江口碑网络技术有限公司 | 运单配送超时预估模型的训练方法,存储介质和电子设备 |
CN118075873A (zh) * | 2024-04-19 | 2024-05-24 | 浙江口碑网络技术有限公司 | 基于无线网络数据的定位方法、数据处理方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021179906A1 (zh) | 2021-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10346889B1 (en) | Determining courier effort for deliveries | |
CN107563572B (zh) | 一种订单分配方法、装置、计算机设备和存储介质 | |
US20200118071A1 (en) | Delivery prediction generation system | |
CN113393284A (zh) | 订单状态提示方法和装置、存储介质和电子设备 | |
US9635181B1 (en) | Optimized routing of interactions to contact center agents based on machine learning | |
US20210090017A1 (en) | Feedback-based management of delivery orders | |
US20180121875A1 (en) | Delivery prediction automation and risk mitigation | |
US20170111505A1 (en) | System and method for generating a network of contact center agents and customers for optimized routing of interactions | |
CA3009944A1 (en) | Optimized routing of interactions to contact center agents based on machine learning | |
CN110472910A (zh) | 确定目标配送任务节点的方法、装置及存储介质、电子设备 | |
US11138674B2 (en) | Utilizing machine learning models to automatically perform actions that maintain a plan for an event | |
CN103415861A (zh) | 无预测的服务容量管理 | |
US20200193362A1 (en) | Presentation device and presentation method | |
CN109961328A (zh) | 确定订单冷静期的方法和装置 | |
US20190065948A1 (en) | Using a neural network to optimize processing of user requests | |
CN111382359A (zh) | 基于强化学习的服务策略推荐方法、装置、电子设备 | |
CN107844862A (zh) | 订单失效预测方法、装置、介质及电子设备 | |
CN114971716A (zh) | 服务接口质量评估方法及其装置、设备、介质、产品 | |
US20190155851A1 (en) | Information filtering | |
CN107977825A (zh) | 一种分发服务事件的方法及装置 | |
KR20210133818A (ko) | 딥러닝 인공지능 기반의 음성인식 쇼핑 서비스 제공 방법 | |
US11972446B2 (en) | Communication channel or communication timing selection based on user engagement | |
CN115759625A (zh) | 空勤人员的排班方法、装置、电子设备及存储介质 | |
CN115439180A (zh) | 一种目标对象确定方法、装置、电子设备及存储介质 | |
CN114997576A (zh) | 一种达标提示对象的确定方法、装置、设备、介质及产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210914 |