[發明專利]一種到店識別方法、裝置、電子設備及介質

在審

• 申請號: 202010567256.6
• 申請日: 2020-06-19
• 公開（公告）號: CN111831967A
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 劉凱
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06N20/00;G06Q30/02
• 代理公司: 北京超成律師事務所 11646
• 代理人: 裴素英

1.一種到店識別方法，其特征在于，包括：

基于目標用戶的車輛行駛軌跡數據、車輛行駛數據、在線訪問服務行為數據和車牌識別數據中的至少一項，預測所述目標用戶到達目標門店的概率；

若所述目標用戶到達目標門店的概率大于預設閾值，則識別所述目標用戶到達目標門店。

2.根據權利要求1所述的方法，其特征在于，基于目標用戶的車輛行駛軌跡數據、車輛行駛數據、在線訪問服務行為數據和車牌識別數據中的至少一項，預測所述目標用戶到達目標門店的概率，包括：

基于目標用戶的車輛行駛軌跡數據預測所述目標用戶到達目標門店的第一概率；

基于目標用戶的車輛行駛數據預測所述目標用戶到達目標門店的第二概率；

基于目標用戶的在線訪問服務行為數據預測所述目標用戶到達目標門店的第三概率；

基于目標用戶的車牌識別數據預測所述目標用戶到達目標門店的第四概率；

基于所述第一概率、第二概率、第三概率和第四概率中的至少一項，預測所述目標用戶到達目標門店的概率。

3.根據權利要求2所述的方法，其特征在于，基于所述第一概率、第二概率、第三概率和第四概率中的至少一項，預測所述目標用戶到達目標門店的概率，包括：

為所述第一概率、第二概率、第三概率和第四概率分別設置權重；

基于所述第一概率、第二概率、第三概率和第四概率中的至少一項及其相應的權重，預測所述目標用戶到達目標門店的概率。

4.根據權利要求3所述的方法，其特征在于，為所述第一概率、第二概率、第三概率和第四概率分別設置權重，包括：

以參考用戶的車輛行駛軌跡數據、車輛行駛數據、在線訪問服務行為數據和車牌識別數據作為樣本集，訓練機器學習模型；

基于訓練好的機器學習模型擬合所述第一概率、第二概率、第三概率和第四概率分別對應的權重。

5.根據權利要求2所述的方法，其特征在于，所述目標用戶的車輛行駛數據包括：上次使用目標門店的服務時的里程與本次里程的差值、車輛保養建議公里數、剩余油量和剩余電量中的至少一項。

6.根據權利要求2所述的方法，其特征在于，基于目標用戶的在線訪問服務行為數據預測所述目標用戶到達目標門店的第三概率，包括：

基于目標用戶的在線訪問服務行為數據，統計所述目標用戶在預設時間段內操作服務請求方終端或服務提供方終端的目標服務板塊的次數、點擊率和停留時長中的至少一項；

基于統計的所述目標用戶在預設時間段內操作服務請求方終端或服務提供方終端的目標服務板塊的次數、點擊率和停留時長中的至少一項，預測所述目標用戶到達目標門店的第三概率。

7.根據權利要求2所述的方法，其特征在于，基于目標用戶的車牌識別數據預測所述目標用戶到達的第四概率，包括：

獲取目標門店所使用的B端服務系統對目標用戶的車輛進行車牌識別后得到的車牌識別數據；

基于目標用戶的車牌識別數據預測所述目標用戶到達的第四概率。

8.一種到店識別裝置，其特征在于，包括：

預測模塊，用于基于目標用戶的車輛行駛軌跡數據、車輛行駛數據、在線訪問服務行為數據和車牌識別數據中的至少一項，預測所述目標用戶到達目標門店的概率；

識別模塊，用于若所述目標用戶到達目標門店的概率大于預設閾值，則識別所述目標用戶到達目標門店。