CN116151460A - 车辆智能化产品的优化方法、装置、服务器及存储介质 - Google Patents
车辆智能化产品的优化方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN116151460A CN116151460A CN202310179395.5A CN202310179395A CN116151460A CN 116151460 A CN116151460 A CN 116151460A CN 202310179395 A CN202310179395 A CN 202310179395A CN 116151460 A CN116151460 A CN 116151460A
- Authority
- CN
- China
- Prior art keywords
- behavior
- user
- data
- satisfaction degree
- vehicle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 102
- 238000005457 optimization Methods 0.000 title claims abstract description 57
- 230000006399 behavior Effects 0.000 claims abstract description 159
- 238000012549 training Methods 0.000 claims abstract description 70
- 238000011156 evaluation Methods 0.000 claims abstract description 48
- 230000006870 function Effects 0.000 claims abstract description 40
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000011835 investigation Methods 0.000 claims description 14
- 238000000586 desensitisation Methods 0.000 claims description 13
- 230000003542 behavioural effect Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000012795 verification Methods 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000013475 authorization Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Bioethics (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种车辆智能化产品的优化方法、装置、服务器及存储介质，其中，方法包括：采集用户在车辆智能化产品功能使用过程中的客观行为数据；获取用户对车辆智能化产品功能满意度的主观评分数据，并由客观行为数据和主观评分数据生成行为训练数据集；利用训练数据集训练训练模型，构建行为与评价关系模型，以基于行为与评价关系模型输出的满意度评分，生成任一车辆智能化产品的优化信息。本申请实施例可以结合用户在车辆智能化产品功能使用过程中的客观行为和主观评分，构建行为与评价关系模型，使得用户的主观评分可以得到客观行为的支撑，得到更具准确性和参考性的满意度评分，以对车辆智能化产品进行更具针对性的优化。
Description
技术领域
本申请涉及数据处理技术领域，特别涉及一种车辆智能化产品的优化方法、装置、服务器及存储介质。
背景技术
产品满意度可以用来评价产品或服务在满足或超过用户期望方面所达到的程度，通过该项指标可以用以评价产品当前的好坏、市场竞争力，并为产品改善提供指导依据。
相关技术中，获取产品满意度的方法以用户主观评分为主，有以下几类：
一、设立投诉与建议***，通过收集用户的直接反馈获取用户的意见，从而了解用户的满意程度及原因。该方式的优点是从用户的主动反馈中，可以获得更直观、全面的了解用户的想法。该方法的缺点是，用户的主动反馈难以量化为满意度数值、从少部分用户的反馈中无法了解整体的满意程度、等待用户反馈过程中失去了及时性、用户的反馈主观性较大。
二、满意度量表调查，通过电话、信件、网络问卷等方式主动向用户询问产品满意度，通过列出可能影响用户满意的因素，通过排序、打分等形式获得用户的满意度评分。该种方式的优点，主动发起调研可以保证时效性、获得的结果是量化的数值、通过统计学的方法在一定样本量的基础上可以了解用户整体的满意度情况。该种方式的缺点，满意度是一个主观的评价、缺少导致用户不满的细节信息，对于产品的优化指导性偏弱。
此外还有通过网络上的用户舆论数据进行正负面情感判断和满意度测量的方法、邀请体验评价官进行测评，等等，但以上方法都仅仅基于人的主观感受、缺少客观数据的验证，从而难以验证主观评分的真实性，难以用于产品优化，有待改进。
发明内容
本申请提供一种车辆智能化产品的优化方法、装置、服务器及存储介质，以解决相关技术中，获取产品满意度的方法以用户主观评分为主，缺少客观数据的验证，从而难以应用于产品优化的技术问题。
本申请第一方面实施例提供一种车辆智能化产品的优化方法，应用于模型构建阶段，其中，所述方法包括以下步骤：采集用户在车辆智能化产品功能使用过程中的客观行为数据；获取所述用户对车辆智能化产品功能满意度的主观评分数据，并由所述客观行为数据和所述主观评分数据生成行为训练数据集；以及利用所述训练数据集训练训练模型，构建行为与评价关系模型，以基于所述行为与评价关系模型输出的满意度评分，生成任一车辆智能化产品的优化信息。
根据上述技术手段，本申请实施例可以结合用户在车辆智能化产品功能使用过程中的客观行为数据和用户对该产品功能的满意度的主观评分数据，生成行为与评价关系模型，使得用户的主观评分可以得到客观行为的支持，从而使得满意度结果更具准确性，便于智能化产品的优化。
可选地，在本申请的一个实施例中，所述由所述客观行为数据和所述主观评分数据生成行为训练数据集，包括：基于预设的时间窗口，以每个用户的满意度评分的时间为起点，将预设时长内的客观行为数据生成行为集合数据；根据所述每个用户的满意度评分和所述行为集合数据生成所述行为训练数据集。
根据上述技术手段，本申请实施例可以生成行为训练数据集便于后续进行模型构建。
可选地，在本申请的一个实施例中，在生成所述行为集合数据之前，还包括：向所述每个用户推送满意度调研问卷量表；根据所述满意度调研问卷量表的满意度打分数据、时间及经过单向脱敏处理后的用户标识得到所述每个用户的满意度评分。
根据上述技术手段，本申请实施例可以对用户标识进行单项脱敏，以保护用户隐私信息。
可选地，在本申请的一个实施例中，所述利用所述训练数据集训练训练模型，构建行为与评价关系模型，包括：根据所述训练数据集得到至少一个特征值；根据用户评分和所述至少一个特征值之间的相关性训练所述行为与评价关系模型。
根据上述技术手段，本申请实施例可以讲训练数据集进行特征转化，以训练行为与评价关系模型。
本申请第二方面实施例提供一种车辆智能化产品的优化方法，应用于模型构建阶段，其中，所述方法包括以下步骤：获取当前用户的客观行为数据；将所述客观行为数据输入至预先构建的行为与评价关系模型，输出所述当前用户的满意度评分，其中，所述行为与评价关系模型由用户在车辆智能化产品功能使用过程中的客观行为数据及用户的满意度评分构建得到；以及根据所述满意度评分生成对应的车辆智能化产品的优化信息。
根据上述技术手段，本申请实施例可以给予用户的客观行为数据，获得用户的对智能化产品功能的满意度，从而生成车辆智能化产品的优化信息，以进行优化指导，使得车辆智能化产品可以更满足用户的使用体验。
本申请第三方面实施例提供一种车辆智能化产品的优化装置，应用于模型构建阶段，其中，所述装置包括：采集模块，用于采集用户在车辆智能化产品功能使用过程中的客观行为数据；生成模块，用于获取所述用户对车辆智能化产品功能满意度的主观评分数据，并由所述客观行为数据和所述主观评分数据生成行为训练数据集；以及建模模块，用于利用所述训练数据集训练训练模型，构建行为与评价关系模型，以基于所述行为与评价关系模型输出的满意度评分，生成任一车辆智能化产品的优化信息。
可选地，在本申请的一个实施例中，所述生成模块包括：第一生成单元，用于基于预设的时间窗口，以每个用户的满意度评分的时间为起点，将预设时长内的客观行为数据生成行为集合数据；第二生成单元，用于根据所述每个用户的满意度评分和所述行为集合数据生成所述行为训练数据集。
可选地，在本申请的一个实施例中，还包括：推送模块，用于向所述每个用户推送满意度调研问卷量表；处理模块，用于根据所述满意度调研问卷量表的满意度打分数据、时间及经过单向脱敏处理后的用户标识得到所述每个用户的满意度评分。
可选地，在本申请的一个实施例中，所述建模模块包括：计算单元，用于根据所述训练数据集得到至少一个特征值；训练单元，用于根据用户评分和所述至少一个特征值之间的相关性训练所述行为与评价关系模型。
本申请第四方面实施例提供一种车辆智能化产品的优化装置，应用于产品应用阶段，其中，所述装置包括：获取模块，用于获取当前用户的客观行为数据；输出模块，用于将所述客观行为数据输入至预先构建的行为与评价关系模型，输出所述当前用户的满意度评分，其中，所述行为与评价关系模型由用户在车辆智能化产品功能使用过程中的客观行为数据及用户的满意度评分构建得到；以及优化模块，用于根据所述满意度评分生成对应的车辆智能化产品的优化信息。
本申请第五方面实施例提供一种服务器，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的车辆智能化产品的优化方法。
本申请第六方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的车辆智能化产品的优化方法。
本申请实施例的有益效果：
(1)本申请实施例可以结合用户的主观评分数据和客观行为数据，建立客观行为与主观评分之间的关系，从而构建行为与评价关系模型，使得用户的主观评分可以得到客观行为的支撑；
(2)本申请实施例可以基于行为与评价关系模型，根据用户的客观行为得到该用户对车辆智能化产品的满意度评价，从而便于对车辆智能化产品进行更具针对性的优化；
(3)本申请实施例可以在采集用户信息时，对用户的身份标识进行单项脱敏，以保护用户隐私信息。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请实施例提供的一种车辆智能化产品的优化方法的流程图；
图2为根据本申请一个具体实施例提供的一种车辆智能化产品的优化方法的流程图；
图3为根据本申请实施例提供的一种车辆智能化产品的优化装置的结构示意图；
图4为根据本申请实施例提供的一种车辆智能化产品的优化方法的流程图；
图5为根据本申请实施例提供的一种车辆智能化产品的优化装置的结构示意图；
图6为根据本申请实施例提供的服务器的结构示意图。
其中，10-车辆智能化产品的优化装置，101-采集模块，102-生成模块，103-建模模块；20-车辆智能化产品的优化装置，201-获取模块，202-输出模块，203-优化模块。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的车辆智能化产品的优化方法、装置、服务器及存储介质。针对上述背景技术中心提到的相关技术中，获取产品满意度的方法以用户主观评分为主，缺少客观数据的验证，从而难以应用于产品优化的技术问题，本申请提供了一种车辆智能化产品的优化方法，在该方法中，可以结合用户在车辆智能化产品功能使用过程中的客观行为数据个用户对车辆智能化产品功能满意度的主观评分数据，生成行为训练数据集，进而构建行为与评价关系模型，输出满意度评分，从而基于满意度评分生成任一车辆智能化产品的优化信息，使得用户的主观评分可以得到客观行为的支撑，得到更具准确性和参考性的满意度评分，以对车辆智能化产品进行更具针对性的优化。由此，解决了相关技术中，获取产品满意度的方法以用户主观评分为主，缺少客观数据的验证，从而难以应用于产品优化的技术问题。
具体而言，图1为本申请实施例所提供的一种车辆智能化产品的优化方法的流程示意图。
如图1所示，该车辆智能化产品的优化方法，应用于模型构建阶段，其中，方法包括以下步骤：
在步骤S101中，采集用户在车辆智能化产品功能使用过程中的客观行为数据。
在实际执行过程中，本申请实施例可以获取用户的授权信息，如向用户征询收集匿名的功能使用数据以用于产品优化，并在确认得到用户授权后，采集用户在车辆智能化产品功能使用过程中的客观行为数据，如用户的操作、结果、时间数据等，并在采集数据后，通过如Hash函数等工具，对用户的标识进行单项脱敏，防止用户隐私信息泄露。
在步骤S102中，获取用户对车辆智能化产品功能满意度的主观评分数据，并由客观行为数据和主观评分数据生成行为训练数据集。
作为一种可能实现的方式，本申请实施例可以针对车辆的智能化产品功能预先设计满意度调研卷量表，并在获得用户授权后，获取用户对车辆智能化产品功能满意度的主观评分数据，并基于客观行为数据和主观评分数据生成行为训练数据集，从而便于后续进行模型训练。
其中，预设设计的满意度调研卷量表，可以由本领域技术人员根据实际车辆智能化产品功能的不同进行相应设置，在此不做具体限制。
可选地，在本申请的一个实施例中，由客观行为数据和主观评分数据生成行为训练数据集，包括：基于预设的时间窗口，以每个用户的满意度评分的时间为起点，将预设时长内的客观行为数据生成行为集合数据；根据每个用户的满意度评分和行为集合数据生成行为训练数据集。
在一些实施例中，本申请实施例可以根据产品特点，预设时间窗口T，保证在一个预设时间窗口T内平均有n次完整的功能使用记录，并以用户的满意度评分的时间为起点为t0，将时间点t0-T到t0范围内的用户使用操作作为一个行为集合数据。
进一步地，本申请实施例可以根据每个用户的满意度评分和行为集合数据生成行为训练数据集。
可选地，在本申请的一个实施例中，在生成行为集合数据之前，还包括：向每个用户推送满意度调研问卷量表；根据满意度调研问卷量表的满意度打分数据、时间及经过单向脱敏处理后的用户标识得到每个用户的满意度评分。
在实际执行过程中，本申请实施例可以在生成行为集合数据之前向每个用户推送预先设计的满意度调研问卷量表，并根据满意度调研问卷量表的满意度打分数据、时间及经过单向脱敏处理后的用户标识得到每个用户的满意度评分，其中，对用户的标识进行单向脱敏处理可以通过如Hash函数等工具实现，从而防止用户隐私信息泄露。
在步骤S103中，利用训练数据集训练训练模型，构建行为与评价关系模型，以基于行为与评价关系模型输出的满意度评分，生成任一车辆智能化产品的优化信息。
作为一种可能实现的方式，本申请实施例可以利用获得的训练数据集训练训练模型，构建行为与评价关系模型，从而基于行为与评价关系模型输出的满意度评分，生成任一车辆智能化产品的优化信息，便于后续针对优化信息实现产品优化，从而提高用户的使用体验。
可选地，在本申请的一个实施例中，利用训练数据集训练训练模型，构建行为与评价关系模型，包括：根据训练数据集得到至少一个特征值；根据用户评分和至少一个特征值之间的相关性训练行为与评价关系模型。
具体地，本申请实施例可以将用户的满意度评分设为因变量y，将行为数据集合转化为若干特征值，如特定行为的次数、不同行为的种类数、不同行为的顺序排列等，并在进行数值化处理后得到自变量x1，x2，x3，x4等，从而找出因变量与自变量之间的相关性，其中，判断相关性的方法包括但不限于计算因变量与自变量之间皮尔逊相关系数等。
结合图2所示，以一个实施例对本申请实施例的车辆智能化产品的优化方法的工作原理进行阐述。
如图2所示，本申请实施例可以包括以下步骤：
步骤S201：客观行为数据采集。本申请实施例可以向用户征询收集匿名的功能使用数据，即客观行为数据，以用于产品优化，经用户同意后，将采集用户的操作、结果、时间数据及经过单向脱敏处理后的用户标识，上传到云端存储，其中，单向脱敏操作可通过如Hash函数等工具来实现。
步骤S202：主观满意度调研。本申请实施例可以预先设计满意度调研问卷量表，供用户对产品评分，将问卷推送给用户，经用户同意后将用户的满意度评分，如用户的满意度打分数据、时间及经过单向脱敏处理后的用户标识，上传到云端存储，其中，评分可针对产品整体、每个子功能或每个操作环节进行。
步骤S203：数据处理。本申请实施例可以根据产品特点，预设时间窗口T，保证在一个预设时间窗口T内平均有n次完整的功能使用记录，并以用户的满意度评分的时间为起点为t0，将时间点t0-T到t0范围内的用户使用操作作为一个行为集合数据。
步骤S204：模型构建。本申请实施例可以将用户的满意度评分设为因变量y，将行为数据集合转化为若干特征值，如特定行为的次数、不同行为的种类数、不同行为的顺序排列等，并在进行数值化处理后得到自变量x1，x2，x3，x4等，从而找出因变量与自变量之间的相关性，其中，判断相关性的方法包括但不限于计算因变量与自变量之间皮尔逊相关系数等。
步骤S205：应用阶段。本申请实施例可以基于构建的模型，获得用户群整体功能使用满意度。
根据本申请实施例提出的车辆智能化产品的优化方法，可以结合用户在车辆智能化产品功能使用过程中的客观行为数据个用户对车辆智能化产品功能满意度的主观评分数据，生成行为训练数据集，进而构建行为与评价关系模型，输出满意度评分，从而基于满意度评分生成任一车辆智能化产品的优化信息，使得用户的主观评分可以得到客观行为的支撑，得到更具准确性和参考性的满意度评分，以对车辆智能化产品进行更具针对性的优化。由此，解决了相关技术中，获取产品满意度的方法以用户主观评分为主，缺少客观数据的验证，从而难以应用于产品优化的技术问题。
其次参照附图描述根据本申请实施例提出的车辆智能化产品的优化装置。
图3是本申请实施例的车辆智能化产品的优化装置的方框示意图。
如图3所示，该车辆智能化产品的优化装置10包括：采集模块101、生成模块102和建模模块103。
具体地，采集模块101，用于采集用户在车辆智能化产品功能使用过程中的客观行为数据。
生成模块102，用于获取用户对车辆智能化产品功能满意度的主观评分数据，并由客观行为数据和主观评分数据生成行为训练数据集。
建模模块103，用于利用训练数据集训练训练模型，构建行为与评价关系模型，以基于行为与评价关系模型输出的满意度评分，生成任一车辆智能化产品的优化信息。
可选地，在本申请的一个实施例中，生成模块102包括：第一生成单元和第二生成单元。
其中，第一生成单元，用于基于预设的时间窗口，以每个用户的满意度评分的时间为起点，将预设时长内的客观行为数据生成行为集合数据。
第二生成单元，用于根据每个用户的满意度评分和行为集合数据生成行为训练数据集。
可选地，在本申请的一个实施例中，车辆智能化产品的优化装置10还包括：推送模块和处理模块。
其中，推送模块，用于向每个用户推送满意度调研问卷量表。
处理模块，用于根据满意度调研问卷量表的满意度打分数据、时间及经过单向脱敏处理后的用户标识得到每个用户的满意度评分。
可选地，在本申请的一个实施例中，建模模块103包括：计算单元和训练单元。
其中，计算单元，用于根据训练数据集得到至少一个特征值。
训练单元，用于根据用户评分和至少一个特征值之间的相关性训练行为与评价关系模型。
需要说明的是，前述对车辆智能化产品的优化方法实施例的解释说明也适用于该实施例的车辆智能化产品的优化装置，此处不再赘述。
根据本申请实施例提出的车辆智能化产品的优化装置，可以结合用户在车辆智能化产品功能使用过程中的客观行为数据个用户对车辆智能化产品功能满意度的主观评分数据，生成行为训练数据集，进而构建行为与评价关系模型，输出满意度评分，从而基于满意度评分生成任一车辆智能化产品的优化信息，使得用户的主观评分可以得到客观行为的支撑，得到更具准确性和参考性的满意度评分，以对车辆智能化产品进行更具针对性的优化。由此，解决了相关技术中，获取产品满意度的方法以用户主观评分为主，缺少客观数据的验证，从而难以应用于产品优化的技术问题。
上述实施例描述的为模型构建阶段，下面对产品应用阶段的实施例进行描述。
如图4所示，该车辆智能化产品的优化方法，应用于产品应用阶段，其中，方法包括以下步骤：
在步骤S401中，获取当前用户的客观行为数据。
在实际执行过程中，本申请实施例可以基于用户的授权信息，获取当前用户的客观行为数据。
在步骤S402中，将客观行为数据输入至预先构建的行为与评价关系模型，输出当前用户的满意度评分，其中，行为与评价关系模型由用户在车辆智能化产品功能使用过程中的客观行为数据及用户的满意度评分构建得到。
作为一种可能实现的方式，本申请实施例可以利用预先构建的行为与评价关系模型，将当前用户的客观行为转化成用户的满意度评分。
在步骤S403中，根据满意度评分生成对应的车辆智能化产品的优化信息。
进一步地，本申请实施例可以根据满意度评分，确定车辆智能化产品的优化方向，生成对应的车辆智能化产品的优化信息，以对车辆智能化产品进行更具针对性的优化，从而提高用户后续的使用体验。
具体地，如图2所示，本申请实施例可以在应用阶段，根据已发现的用户满意度评分与客观行为之间的特征关系，利用构建的行为与评价关系模型，对全量用户的行为特征进行识别后即可计算出用户整体满意度。以皮尔逊相关系数进行计算为例，已知产品满意度得分j与产品功能故障次数k计算得到皮尔逊相关系数p>0.8，则两者呈高度正相关，若满意度j1组的用户，在时间点t0-T到t0范围内产品功能故障次数范围为[k1，k2]，统计当前时间tnow到tnow-T之间用户的产品功能故障次数落在[k1，k2]的占比为q1＝20％，根据满意度jn和对应用户占比qn加权计算即可获得用户整体的满意度。
根据本申请实施例提出的车辆智能化产品的优化方法，可以结合用户在车辆智能化产品功能使用过程中的客观行为数据个用户对车辆智能化产品功能满意度的主观评分数据，生成行为训练数据集，进而构建行为与评价关系模型，输出满意度评分，从而基于满意度评分生成任一车辆智能化产品的优化信息，使得用户的主观评分可以得到客观行为的支撑，得到更具准确性和参考性的满意度评分，以对车辆智能化产品进行更具针对性的优化。由此，解决了相关技术中，获取产品满意度的方法以用户主观评分为主，缺少客观数据的验证，从而难以应用于产品优化的技术问题。
其次参照附图描述根据本申请实施例提出的车辆智能化产品的优化装置。
图5是本申请实施例的车辆智能化产品的优化装置的方框示意图。
如图5所示，该车辆智能化产品的优化装置20，应用于产品应用阶段，其中，所述装置包括：获取模块201、输出模块202和优化模块203。
具体地，获取模块201，用于获取当前用户的客观行为数据。
输出模块202，用于将客观行为数据输入至预先构建的行为与评价关系模型，输出当前用户的满意度评分，其中，行为与评价关系模型由用户在车辆智能化产品功能使用过程中的客观行为数据及用户的满意度评分构建得到。
优化模块203，用于根据满意度评分生成对应的车辆智能化产品的优化信息。
需要说明的是，前述对车辆智能化产品的优化方法实施例的解释说明也适用于该实施例的车辆智能化产品的优化装置，此处不再赘述。
根据本申请实施例提出的车辆智能化产品的优化装置，可以结合用户在车辆智能化产品功能使用过程中的客观行为数据个用户对车辆智能化产品功能满意度的主观评分数据，生成行为训练数据集，进而构建行为与评价关系模型，输出满意度评分，从而基于满意度评分生成任一车辆智能化产品的优化信息，使得用户的主观评分可以得到客观行为的支撑，得到更具准确性和参考性的满意度评分，以对车辆智能化产品进行更具针对性的优化。由此，解决了相关技术中，获取产品满意度的方法以用户主观评分为主，缺少客观数据的验证，从而难以应用于产品优化的技术问题。
图6为本申请实施例提供的服务器的结构示意图。该服务器可以包括：
存储器601、处理器602及存储在存储器601上并可在处理器602上运行的计算机程序。
处理器602执行程序时实现上述实施例中提供的车辆智能化产品的优化方法。
进一步地，服务器还包括：
通信接口603，用于存储器601和处理器602之间的通信。
存储器601，用于存放可在处理器602上运行的计算机程序。
存储器601可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
如果存储器601、处理器602和通信接口603独立实现，则通信接口603、存储器601和处理器602可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(PeripheralComponent，简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture，简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选地，在具体实现上，如果存储器601、处理器602及通信接口603，集成在一块芯片上实现，则存储器601、处理器602及通信接口603可以通过内部接口完成相互间的通信。
处理器602可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。
本实施例还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如上的车辆智能化产品的优化方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或N个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种车辆智能化产品的优化方法，其特征在于，应用于模型构建阶段，其中，所述方法包括以下步骤：
采集用户在车辆智能化产品功能使用过程中的客观行为数据；
获取所述用户对车辆智能化产品功能满意度的主观评分数据，并由所述客观行为数据和所述主观评分数据生成行为训练数据集；以及
利用所述训练数据集训练训练模型，构建行为与评价关系模型，以基于所述行为与评价关系模型输出的满意度评分，生成任一车辆智能化产品的优化信息。
2.根据权利要求1所述的方法，其特征在于，所述由所述客观行为数据和所述主观评分数据生成行为训练数据集，包括：
基于预设的时间窗口，以每个用户的满意度评分的时间为起点，将预设时长内的客观行为数据生成行为集合数据；
根据所述每个用户的满意度评分和所述行为集合数据生成所述行为训练数据集。
3.根据权利要求2所述的方法，其特征在于，在生成所述行为集合数据之前，还包括：
向所述每个用户推送满意度调研问卷量表；
根据所述满意度调研问卷量表的满意度打分数据、时间及经过单向脱敏处理后的用户标识得到所述每个用户的满意度评分。
4.根据权利要求1所述的方法，其特征在于，所述利用所述训练数据集训练训练模型，构建行为与评价关系模型，包括：
根据所述训练数据集得到至少一个特征值；
根据用户评分和所述至少一个特征值之间的相关性训练所述行为与评价关系模型。
5.一种车辆智能化产品的优化方法，其特征在于，应用于产品应用阶段，其中，所述方法包括以下步骤：
获取当前用户的客观行为数据；
将所述客观行为数据输入至预先构建的行为与评价关系模型，输出所述当前用户的满意度评分，其中，所述行为与评价关系模型由用户在车辆智能化产品功能使用过程中的客观行为数据及用户的满意度评分构建得到；以及
根据所述满意度评分生成对应的车辆智能化产品的优化信息。
6.一种车辆智能化产品的优化装置，其特征在于，应用于模型构建阶段，其中，所述装置包括：
采集模块，用于采集用户在车辆智能化产品功能使用过程中的客观行为数据；
生成模块，用于获取所述用户对车辆智能化产品功能满意度的主观评分数据，并由所述客观行为数据和所述主观评分数据生成行为训练数据集；以及
建模模块，用于利用所述训练数据集训练训练模型，构建行为与评价关系模型，以基于所述行为与评价关系模型输出的满意度评分，生成任一车辆智能化产品的优化信息。
7.根据权利要求6所述的装置，其特征在于，所述生成模块包括：
第一生成单元，用于基于预设的时间窗口，以每个用户的满意度评分的时间为起点，将预设时长内的客观行为数据生成行为集合数据；
第二生成单元，用于根据所述每个用户的满意度评分和所述行为集合数据生成所述行为训练数据集。
8.一种车辆智能化产品的优化装置，其特征在于，应用于产品应用阶段，其中，所述装置包括：
获取模块，用于获取当前用户的客观行为数据；
输出模块，用于将所述客观行为数据输入至预先构建的行为与评价关系模型，输出所述当前用户的满意度评分，其中，所述行为与评价关系模型由用户在车辆智能化产品功能使用过程中的客观行为数据及用户的满意度评分构建得到；以及
优化模块，用于根据所述满意度评分生成对应的车辆智能化产品的优化信息。
9.一种服务器服务器，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-4或者5任一项所述的车辆智能化产品的优化方法。
10.一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，以用于实现如权利要求1-4或者5任一项所述的车辆智能化产品的优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310179395.5A CN116151460A (zh) | 2023-02-27 | 2023-02-27 | 车辆智能化产品的优化方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310179395.5A CN116151460A (zh) | 2023-02-27 | 2023-02-27 | 车辆智能化产品的优化方法、装置、服务器及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116151460A true CN116151460A (zh) | 2023-05-23 |
Family
ID=86338894
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310179395.5A Pending CN116151460A (zh) | 2023-02-27 | 2023-02-27 | 车辆智能化产品的优化方法、装置、服务器及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116151460A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117408731A (zh) * | 2023-11-01 | 2024-01-16 | 杭州数亮科技股份有限公司 | 一种调查问卷数据分析方法及*** |
-
2023
- 2023-02-27 CN CN202310179395.5A patent/CN116151460A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117408731A (zh) * | 2023-11-01 | 2024-01-16 | 杭州数亮科技股份有限公司 | 一种调查问卷数据分析方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6749468B2 (ja) | 評価モデルのためのモデリング方法及び装置 | |
| CN107133841A (zh) | 一种充电桩站点推荐方法和装置 | |
| CN110851591A (zh) | 一种裁判文书的质量评估方法、装置、设备及存储介质 | |
| WO2024067387A1 (zh) | 基于特征变量评分的用户画像生成方法，设备、汽车及存储介质 | |
| CN109345109A (zh) | 一种基于分类预测模型的员工评估方法及终端设备 | |
| CN116151460A (zh) | 车辆智能化产品的优化方法、装置、服务器及存储介质 | |
| CN116701772B (zh) | 数据推荐方法和装置、计算机可读存储介质、电子设备 | |
| CN115907349A (zh) | 一种基于结构方程模型的多模式影响因素预测方法 | |
| CN115330234A (zh) | 数字化合规诊断方法、***及存储介质 | |
| CN111327661A (zh) | 推送方法、推送装置、服务器和计算机可读存储介质 | |
| CN115578072A (zh) | 一种基于关键路径模糊挣值分析法的建筑工程项目成本管理方法 | |
| CN110458707B (zh) | 基于分类模型的行为评估方法、装置及终端设备 | |
| CN109034402A (zh) | 信息处理方法、装置及*** | |
| CN114944219A (zh) | 基于人工智能的心理量表推荐方法及装置、存储介质 | |
| CN114549091A (zh) | 数据处理方法、设备以及计算机可读存储介质 | |
| CN113011748A (zh) | 推荐效果的评估方法、装置、电子设备及可读存储介质 | |
| KR20210111620A (ko) | 전문가 평가를 활용한 생물학적 시스템 정보 저장 및 정확성 보정 장치 및 방법 | |
| CN113112160B (zh) | 一种诊断数据处理方法、诊断数据处理装置及电子设备 | |
| CN111311041A (zh) | 一种数据抽取方法及设备和相关装置 | |
| CN112434839B (zh) | 一种配电变压器重过载风险的预测方法及电子设备 | |
| Suzianti et al. | Analysis of affecting technology adoption factors in online transportation reservation for smartphone application: case study: PT. GoJek Indonesia | |
| CN113919585A (zh) | 一种营销时间预测方法、装置、电子设备及存储介质 | |
| CN116228293A (zh) | 车辆的销量预测方法、装置、电子设备及存储介质 | |
| CN116862312A (zh) | 车辆开发体系的评价方法、装置、车辆及存储介质 | |
| CN117472730A (zh) | 性能测试方案生成方法、装置、设备及存储介质 |
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 |