[发明专利]配送人员确定方法、装置、电子设备及可读存储介质在审

专利信息
申请号: 202011569074.9 申请日: 2020-12-25
公开(公告)号: CN112686524A 公开(公告)日: 2021-04-20
发明(设计)人: 许博闻;高诗梦;阮文意 申请(专利权)人: 北京三快在线科技有限公司
主分类号: G06Q10/06 分类号: G06Q10/06;G06Q10/08;G06F30/27
代理公司: 北京润泽恒知识产权代理有限公司 11319 代理人: 任亚娟
地址: 100083 北京市海*** 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: 配送 人员 确定 方法 装置 电子设备 可读 存储 介质
【说明书】:

本公开提供了一种配送人员确定方法及装置。包括:获取与处于目标业务平台上的配送人员集合中每个配送人员关联的配送特征信息;将配送特征信息输入至与目标区域对应的流失概率预测模型,获取配送人员对应的流失概率;根据配送人员集合中流失概率大于流失概率阈值的配送人员,生成第一人员集合;根据配送人员集合中每个配送人员的完单量信息,获取配送人员集合中的第一配送人员,根据第一配送人员生成第二人员集合;根据配送人员集合中每个配送人员的接单信息,获取配送人员集合中的第二配送人员,根据第二配送人员生成第三人员集合;根据第一人员集合、第二人员集合和第三人员集合,确定目标配送人员。本公开可以提升将流失配送人员的识别准确率。

技术领域

本公开的实施例涉及配送人员处理技术领域,尤其涉及一种配送人员确定方法、装置、电子设备及可读存储介质。

背景技术

随着移动互联网的快速发展,大多数用户已经习惯用软件进行购买食物,衣服,药物等商品,随之诞生了一批网约配送人员(即从事接收、验视客户订单,并根据订单需求按照平台智能规划路线,在一定时间内将订单物品递送至指定地点的服务人员)。以目前流行的手机上使用的接单软件为例,顾客打开软件向指定商家发送商品需求,商家确认商品需求后进行备货,然后发送信息通知配送平台服务器进行订单路径分析,聚合和匹配,被匹配配送人员取到货后在约定时间内将商品送达给顾客。通过聚合路径可以有效提升单位配送人员的运单量,提升配送人员收入等。但可能由于软件系统操作不熟练,或配送人员个人原因等,导致配送人员的流失。

配送人员流失过多将导致配送平台的供需不平衡,进而导致商家顾客等待时间长,配送人员送达时间长影响配送平台的发展。目前,运营人员为了挽回流失的配送人员通常是通过查询近半个月未送单的平台注册时间较长的配送人员,并根据这些配送人员之前的送单量进行能力评估,安排一个召回奖励活动激活配送人员等,但是此时挽回配送人员的成功率较低,若是针对全部配送人员进行召回活动则成本过高。

发明内容

本公开的实施例提供一种配送人员确定方法、装置、电子设备及可读存储介质,用以提高配送人员召回的成功率,且降低配送人员召回的成本。

根据本公开的实施例的第一方面,提供了一种配送人员确定方法,包括:

获取与处于目标业务平台上的配送人员集合中每个配送人员关联的配送特征信息;所述配送人员为处于目标区域内的配送人员;

将所述配送特征信息输入至预先训练好的与所述目标区域对应的流失概率预测模型,以获取所述配送人员对应的流失概率;

根据所述配送人员集合中流失概率大于流失概率阈值的配送人员,生成第一人员集合;

根据所述配送人员集合中每个配送人员的完单量信息,获取所述配送人员集合中的第一配送人员,并根据所述第一配送人员生成第二人员集合;

根据所述配送人员集合中每个配送人员的接单信息,获取所述配送人员集合中的第二配送人员,并根据所述第二配送人员生成第三人员集合;

根据所述第一人员集合、所述第二人员集合和所述第三人员集合,确定目标配送人员。

可选地,在所述获取与处于目标业务平台上的配送人员集合中每个配送人员关联的配送特征信息之前,还包括:

根据与所述目标区域内的已流失配送人员关联的初始配送特征信息,生成训练集合和测试集合;

根据所述训练集合对初始流失概率预测模型进行训练,得到训练流失概率预测模型;

根据所述测试集合对所述训练流失概率预测模型进行测试,得到测试结果;

在所述测试结果满足设定条件的情况下,将所述训练流失概率预测模型作为与所述目标区域关联的流失概率预测模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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北京三快在线科技有限公司,未经北京三快在线科技有限公司许可,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/202011569074.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top