[发明专利]车辆的用户投资回报估算方法及系统在审
申请号: | 201711350305.5 | 申请日: | 2017-12-15 |
公开(公告)号: | CN108053322A | 公开(公告)日: | 2018-05-18 |
发明(设计)人: | 马媛;安俊宣;李康;邵毅 | 申请(专利权)人: | 东峡大通(北京)管理咨询有限公司 |
主分类号: | G06Q40/06 | 分类号: | G06Q40/06 |
代理公司: | 北京润平知识产权代理有限公司 11283 | 代理人: | 陆文超;肖冰滨 |
地址: | 100080 北京市海淀*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 车辆 用户 投资 回报 估算 方法 系统 | ||
1.一种车辆的用户投资回报估算方法,其特征在于,所述用户投资回报估算方法包括:
基于用户的车辆使用数据构建多个维度的用户画像标签;
从所述多个维度的用户画像标签中提取出影响用户订单的关键用户画像标签;
根据所述关键用户画像标签,利用机器学习算法计算所述用户在无激励情况下的自然订单概率及在有激励情况下的激励订单概率;以及
基于所述自然订单概率和所述激励订单概率,计算所述用户进行运营激励的投资回报率以得到用户投资回报。
2.根据权利要求1所述的用户投资回报估算方法,其特征在于,所述关键用户画像标签包括:金钱敏感度、APP活跃度、用车时段、用车频次、历史活跃天数和订单量中的一者或多者。
3.根据权利要求2所述的用户投资回报估算方法,其特征在于,所述利用机器学习算法计算所述用户在无激励情况下的自然订单概率及在有激励情况下的激励订单概率包括:
根据所述关键用户画像标签,通过第一逻辑回归模型计算所述用户在无激励情况下的自然订单概率,其中所述第一逻辑回归模型由所述用户在无激励情况下的历史骑行数据构成的训练样本训练得到;
根据所述关键用户画像标签,通过第二逻辑回归模型计算所述用户在有激励情况下的激励订单概率,其中所述第二逻辑回归模型由所述用户在有激励情况下的历史骑行数据构成的训练样本训练得到。
4.根据权利要求1所述的用户投资回报估算方法,其特征在于,
根据下式计算所述投资回报率:
ROI=(O1*P2-O2*P1)/O2*P1
式中,O1表示所述用户在有运营激励情况下的预估订单量,O2表示所述用户在无运营激励情况下的预估订单量;P1表示所述自然订单概率,P2表示所述激励订单概率;ROI表示投资回报率。
5.一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得服务器执行上述权利要求1至4中任意一项所述的车辆的用户投资回报估算方法。
6.一种车辆的用户投资回报估算系统,其特征在于,所述用户投资回报估算系统包括:
标签系统搭建模块,用于基于用户的车辆使用数据构建多个维度的用户画像标签;以及
用户投资回报估算模块,且该用户投资回报估算模块包括:
标签提取单元,用于从所述多个维度的用户画像标签中提取出影响用户订单的关键用户画像标签;
订单概率估算单元,用于根据所述关键用户画像标签,利用机器学习算法计算所述用户在无激励情况下的自然订单概率,及在有激励情况下的激励订单概率;以及
投资回报计算单元,用于基于所述自然订单概率和所述激励订单概率,计算所述用户进行运营激励的投资回报率以得到用户投资回报。
7.根据权利要求6所述的用户投资回报估算系统,其特征在于,所述关键用户画像标签包括:金钱敏感度、APP活跃度、用车时段、用车频次、历史活跃天数和订单量中的一者或多者。
8.根据权利要求6所述的用户投资回报估算系统,其特征在于,所述订单概率估算单元用于利用机器学习算法计算所述用户在无激励情况下的自然订单概率及在有激励情况下的激励订单概率包括:
根据所述关键用户画像标签,通过第一逻辑回归模型计算所述用户在无激励情况下的自然订单概率,其中所述第一逻辑回归模型由所述用户在无激励情况下的历史骑行数据构成的训练样本训练得到;
根据所述关键用户画像标签,通过第二逻辑回归模型计算所述用户在有激励情况下的激励订单概率,其中所述第二逻辑回归模型由所述用户在有激励情况下的历史骑行数据构成的训练样本训练得到。
9.根据权利要求8所述的用户投资回报估算系统,其特征在于,所述投资回报计算单元根据下式计算所述投资回报率:
ROI=(O1*P2-O2*P1)/O2*P1
式中,O1表示所述用户在有运营激励情况下的预估订单量,O2表示所述用户在无运营激励情况下的预估订单量;P1表示所述自然订单概率,P2表示所述激励订单概率;ROI表示投资回报率。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东峡大通(北京)管理咨询有限公司,未经东峡大通(北京)管理咨询有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711350305.5/1.html,转载请声明来源钻瓜专利网。