[发明专利]一种基于云计算的物流快递商品配送评价数据库建立分析方法在审

专利信息
申请号: 202110236267.0 申请日: 2021-03-03
公开(公告)号: CN112966928A 公开(公告)日: 2021-06-15
发明(设计)人: 孔文胜;卞敬培 申请(专利权)人: 南京雄雉电子商务有限公司
主分类号: G06Q10/06 分类号: G06Q10/06;G06F16/21
代理公司: 暂无信息 代理人: 暂无信息
地址: 211199 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 计算 物流 快递 商品 配送 评价 数据库 建立 分析 方法
【说明书】:

发明公开提供的一种基于云计算的物流快递商品配送评价数据库建立分析方法,该方法包括:将该采集周期内对应的快递商品信息进行平台导入;计该采集周期内对应的商品的数量;对递人员基本信息进行平台导入;对快递人员配送快递商品数量进行统计;统计各快递商品对应的预估配送时长;对快递人员进行时间跟踪和位置跟踪;建立云平台评价模型和顾客评价模型;对云平台评价系数和顾客满意系数进行分析与统计,进而统计了各快递人员配送各快递商品对应的综合评价系数,通过该方法大大的提高了评价数据的参考性,同时解决了评价数据不具备真实性的问题,进而实现了对物流快递商品配送精准评价数据库的建立。

技术领域

本发明属于数据库建立技术领域,涉及到一种基于云计算的物流快递商品配送评价数据库建立分析方法。

背景技术

随着互联网技术的发展,网上购物也逐步成为了当代青年的一种生活方式,在这种大背景下,电商行业的服务质量也得到了稳步提升,为了便于顾客对寄件方式和待寄件人员的选择以及平台对快递人员的配送考核,需对每个快递人员进行配送评价。

现有的物流快递商品配送评价数据库的评价数据基本为顾客对快递人员的评价数据,若顾客没有进行评价,则平台默认好评,这方式获取的数据并不全面和真实,某些快递人员也存在刻意刷好评的行为,因此,现有物流快递商品配送评价数据库的数据还存在了很多问题,一方面,平台没有对快递人员实际配送数据进行获取,默认好评的数据不具备真实性,另一方面,平台无法识别好评的真实性,顾客对快递人员的评价数据不具备参考性。

发明内容

鉴于此,为解决上述背景技术中所提出的问题,现提出一种基于云计算的物流快递商品配送评价数据库建立分析方法,实现了对物流快递商品配送精准评价数据库的建立;

本发明的目的可以通过以下技术方案实现:

本发明提供了一种基于云计算的物流快递商品配送评价数据库建立分析方法,该方法包括以下步骤:

S1、快递商品信息导入:获取该采集周期内对应的快递商品信息,并进行平台导入,其中快递商品信息包括快递商品种类、快递商品配送地址和快递商品配送时间段;

S2、快递商品数量统计:统计该采集周期内对应的商品的数量,进而将统计的商品按照预设顺序进行编号,依次标记为1,2,...i,...n;

S3、快递人员基本信息导入:统计该采集周期内对应的快递人员数量,将统计的该地区的快递人员按照预设顺序进行编号,依次标记为1,2,...j,...m,并将各快递人员对应的基本信息进行平台导入,其中,快递人员基本信息包括快递人员姓名、快递人员联系方式和快递人员提货地址,进而统计该地区快递人员的数量,,进而构建快递人员信息集合Re(Re1,Re2,...Rej,...Rem),Rej表示第j个快递人员对应的第e个基本信息,e表示快递人员基本信息,e=a1,a2,a3,a1,a2和a3分别表示快递人员姓名、快递人员联系方式和快递人员提货地址;

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南京雄雉电子商务有限公司,未经南京雄雉电子商务有限公司许可,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/202110236267.0/2.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