快递取消服务预测方法、装置、设备及存储介质与流程

本发明涉及行为预测领域，尤其涉及一种快递取消服务预测方法、装置、设备及存储介质。

背景技术：

1、随着互联网的普及，越来越多的人选择在线上购物，但是由于线上购物的局限性，用户往往在下订单后选择主动取消订单，从而影响企业的运营效率。

2、而现有的快递系统在订单生成后难以主动预测用户的取消可能性，往往需要用户主动申请取消才可掌握，无法事先进行干预，这导致平台的客户取消率居高不下，不仅影响企业利润，还影响用户的体验。

3、因此，现有技术还有待于改进和发展。

技术实现思路

1、本发明的主要目的在于解决现有技术中无法主动预测下单后用户的取消可能性、无法进行事先干预而导致用户取消率居高不下、影响企业运营效率的问题。

2、本发明第一方面提供了一种快递取消服务预测方法，包括：获取快递系统中的所有历史订单数据，构建取消预测模型，利用所述历史订单数据训练所述取消预测模型；获取当前订单数据，将当前订单数据输入到训练好的所述取消预测模型，得到当前订单的取消概率；根据所述取消概率确定所述当前订单的订单类型，根据所述订单类型确认是否对所述订单进行主动干预。

3、可选的，在本发明第一方面的第一种实现方式中，所述历史订单数据包括：历史用户特征数据、历史用户行为数据和历史订单特征数据；所述获取快递系统中的所有历史订单数据，构建取消预测模型，利用所述历史订单数据训练所述取消预测模型的步骤包括：获取快递系统中的所述历史用户特征数据、所述历史用户行为数据和所述历史订单特征数据；构建取消预测模型，利用所述历史用户特征数据、所述历史用户行为数据和所述历史订单特征数据对所述取消预测模型进行训练，得到训练好的取消预测模型。

4、可选的，在本发明第一方面的第二种实现方式中，所述利用所述历史用户特征数据、所述历史用户行为数据和所述历史订单特征数据对所述取消预测模型进行训练的步骤包括：将所述历史用户特征数据、所述历史用户行为数据和所述历史订单特征数据分别构造成第一特征向量、第二特征向量和第三特征向量；根据所述历史订单特征数据确定历史订单状态，并将所述历史订单状态构造成第四特征向量；将所述第一特征向量、所述第二特征向量、所述第三特征向量和所述第四特征向量输入到所述取消预测模型，以完成所述取消预测模型的训练。

5、可选的，在本发明第一方面的第三种实现方式中，所述当前订单数据包括：当前用户特征数据、当前用户行为数据和当前订单特征数据；所述获取当前订单数据，将当前订单数据输入到训练好的所述取消预测模型，得到当前订单的取消概率的步骤包括：获取所述当前用户特征数据、所述当前用户行为数据和所述当前订单特征数据；将所述当前用户特征数据、所述当前用户行为数据和所述当前订单特征数据输入到训练好的所述取消预测模型中，输出当前订单的取消概率。

6、可选的，在本发明第一方面的第四种实现方式中，所述将所述当前用户特征数据、所述当前用户行为数据和所述当前订单特征数据输入到训练好的所述取消预测模型中，输出当前订单的取消概率的步骤包括：将所述当前用户特征数据、所述当前用户行为数据和所述当前订单特征数据分别构造成第五特征向量、第六特征向量和第七特征向量；将所述第五特征向量、所述第六特征向量和所述第七特征向量输入到训练好的所述取消预测模型中，所述取消预测模型预测当前订单状态，输出当前订单的取消概率。

7、可选的，在本发明第一方面的第五种实现方式中，所述根据所述取消概率确定所述当前订单的订单类型，根据所述订单类型确认是否对所述订单进行主动干预的步骤包括：若所述取消概率不小于预设概率，则当前所述订单类型为高风险订单，向当前用户推送提醒信息，所述提醒信息用于提醒当前用户进行主动干预；若所述取消概率小于预设概率，则当前所述订单类型为低风险订单，向当前用户推送确认信息；收集当前用户的反馈信息和当前所述订单的订单状态，利用所述订单状态和所述当前订单数据对所述取消预测模型进行再训练。

8、可选的，在本发明第一方面的第六种实现方式中，所述收集当前用户的反馈信息和当前所述订单的订单状态，利用所述订单状态和所述当前订单数据对所述取消预测模型进行再训练的步骤包括：收集当前用户的反馈信息和当前所述订单的订单状态；将所述反馈信息和所述订单状态分别构造成新数据向量和第八特征向量；将所述第五特征向量、所述第六特征向量、所述第七特征向量、所述新数据向量和所述第八特征向量输入到所述取消预测模型，以再次对所述取消预测模型进行优化训练。

9、本发明第二方面提供了一种快递取消服务预测装置，包括：模型构建模块，用于获取快递系统中的所有历史订单数据，构建取消预测模型，利用所述历史订单数据训练所述取消预测模型；取消概率计算模块，用于获取当前订单数据，将当前订单数据输入到训练好的所述取消预测模型，得到当前订单的取消概率；订单处理模块，用于根据所述取消概率确定所述当前订单的订单类型，根据所述订单类型确认是否对所述订单进行主动干预。

10、可选的，在本发明第二方面的第一种实现方式中，所述模型构建模块包括：历史数据获取单元，用于获取快递系统中的所述历史用户特征数据、所述历史用户行为数据和所述历史订单特征数据；模型训练单元，用于构建取消预测模型，利用所述历史用户特征数据、所述历史用户行为数据和所述历史订单特征数据对所述取消预测模型进行训练，得到训练好的取消预测模型。

11、可选的，在本发明第二方面的第二种实现方式中，所述模型训练单元包括：第一向量构造子单元，用于将所述历史用户特征数据、所述历史用户行为数据和所述历史订单特征数据分别构造成第一特征向量、第二特征向量和第三特征向量；第二向量构造子单元，用于根据所述历史订单特征数据确定历史订单状态，并将所述历史订单状态构造成第四特征向量；第一模型训练子单元，用于将所述第一特征向量、所述第二特征向量、所述第三特征向量和所述第四特征向量输入到所述取消预测模型，以完成所述取消预测模型的训练。

12、可选的，在本发明第二方面的第三种实现方式中，所述取消概率计算模块包括：当前数据获取单元，用于获取所述当前用户特征数据、所述当前用户行为数据和所述当前订单特征数据；取消概率预测单元，用于将所述当前用户特征数据、所述当前用户行为数据和所述当前订单特征数据输入到训练好的所述取消预测模型中，输出当前订单的取消概率。

13、可选的，在本发明第二方面的第四种实现方式中，所述取消概率预测单元包括：第三向量构造子单元，用于将所述当前用户特征数据、所述当前用户行为数据和所述当前订单特征数据分别构造成第五特征向量、第六特征向量和第七特征向量；取消概率输出子单元，用于将所述第五特征向量、所述第六特征向量和所述第七特征向量输入到训练好的所述取消预测模型中，所述取消预测模型预测当前订单状态，输出当前订单的取消概率。

14、可选的，在本发明第二方面的第五种实现方式中，所述订单处理模块包括：主动干预单元，用于若所述取消概率不小于预设概率，则当前所述订单类型为高风险订单，向当前用户推送提醒信息，所述提醒信息用于提醒当前用户进行主动干预；确认信息推送单元，用于若所述取消概率小于预设概率，则当前所述订单类型为低风险订单，向当前用户推送确认信息；模型再训练单元，用于收集当前用户的反馈信息和当前所述订单的订单状态，利用所述订单状态和所述当前订单数据对所述取消预测模型进行再训练。

15、可选的，在本发明第二方面的第六种实现方式中，所述模型再训练单元包括：信息收集子单元，用于收集当前用户的反馈信息和当前所述订单的订单状态；第四向量构造子单元，用于将所述反馈信息和所述订单状态分别构造成新数据向量和第八特征向量；模型优化子单元，用于将所述第五特征向量、所述第六特征向量、所述第七特征向量、所述新数据向量和所述第八特征向量输入到所述取消预测模型，以再次对所述取消预测模型进行优化训练。

16、本发明第三方面提供了一种快递取消服务预测设备，包括：存储器和至少一个处理器，所述存储器中存储有计算机可读指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述计算机可读指令，以使得所述快递取消服务预测设备执行如上所述快递取消服务预测方法的各个步骤。

17、本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可读指令，当其在计算机上运行时，使得计算机执行如上所述快递取消服务预测方法的各个步骤。

18、有益效果：本发明的技术方案中，获取快递系统中的所有历史订单数据，构建取消预测模型，利用所述历史订单数据训练所述取消预测模型；获取当前订单数据，将当前订单数据输入到训练好的所述取消预测模型，得到当前订单的取消概率；根据所述取消概率确定所述当前订单的订单类型，根据所述订单类型确认是否对所述订单进行主动干预。本发明提供的是一种快递取消服务预测方法，通过构建取消预测模型，运用机器学习算法，实现了对取消风险的评估预测，对不同用户置顶个性化保留策略，实现了对用户取消行为的智能预测，可预判取消风险并主动干预，提前介入优化用户体验，有效降低用户主动取消订单的比例，实现了智能化的风险管理，提升了企业效率。