[發明專利]一種基于云計算的物流快遞商品配送評價數據庫建立分析方法

在審

• 申請號: 202110236267.0
• 申請日: 2021-03-03
• 公開（公告）號: CN112966928A
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 孔文勝;卞敬培
• 申請（專利權）人: 南京雄雉電子商務有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F16/21
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于云計算的物流快遞商品配送評價數據庫建立分析方法，其特征在于：該方法包括以下步驟：

S1、快遞商品信息導入：獲取該采集周期內對應的快遞商品信息，并進行平臺導入，其中快遞商品信息包括快遞商品種類、快遞商品配送地址和快遞商品配送時間段；

S2、快遞商品數量統計：統計該采集周期內對應的商品的數量，進而將統計的商品按照預設順序進行編號，依次標記為1，2，...i,...n；

S3、快遞人員基本信息導入：統計該采集周期內對應的快遞人員數量，將統計的該地區的快遞人員按照預設順序進行編號，依次標記為1，2，...j,...m，并將各快遞人員對應的基本信息進行平臺導入，其中，快遞人員基本信息包括快遞人員姓名、快遞人員聯系方式和快遞人員提貨地址，進而統計該地區快遞人員的數量，,進而構建快遞人員信息集合R_e(R_e1,R_e2,...R_ej,...R_em)，R_ej表示第j個快遞人員對應的第e個基本信息，e表示快遞人員基本信息，e＝a1,a2,a3,a1,a2和a3分別表示快遞人員姓名、快遞人員聯系方式和快遞人員提貨地址；

S4、快遞人員配送快遞商品數量統計：根據該采集周期內對應的快遞商品的數量，進而獲取各快遞商品對應的各快遞人員信息，將該采集周期內各快遞商品對應的各快遞人員信息進行對比篩選，進而統計快遞人員信息相同的快遞商品數量，進而獲取各快遞人員對應的快遞商品的數量，將各快遞人員對應的快遞商品按照預設順序進行編號，依次標記為1，2，...v,...y，根據快遞人員對應的快遞商品信息，進而構建各快遞人員配送快遞商品信息集合K_r^w(K_r^w1,K_r^w2,...K_r^wj,...K_r^wm)，K_r^wj表示第j個快遞人員對應的第r個快遞商品第w個信息，w表示商品信息，w＝b1,b2,b3,b1,b2和b3分別表示為快遞商品種類、快遞商品配送地址和快遞商品配送時間段；

S5、配送時長預估：根據各快遞商品對應的配送地址以及各快遞人員對應的提貨地址，進而獲取各快遞商品對應的配送地址與各快遞人員對應的提貨地址之間的距離，進而統計各快遞商品對應的預估配送時長；

S6、快遞人員跟蹤：所述快遞人員跟蹤包括快遞人員時間跟蹤和快遞人員位置跟蹤，當快遞人員完成該快遞商品取件時記錄該快遞人員的取件時間點、快遞商品信息，并啟動跟蹤設備對快遞人員進行跟蹤，其中，跟蹤設備包括第一跟蹤單元和第二跟蹤單元，第一跟蹤單元用于對各快遞人員進行時間跟蹤，第二跟蹤單元用于對各快遞人員進行位置跟蹤，當各快遞人員離開提貨地址時，分別啟動其跟蹤設備內部的第一跟蹤單元，進而分別記錄其開始配送時間點，并開始計時，同時啟動第二跟蹤單元對各快遞人員所在的位置進行實時記錄，當快遞人員到達配送地址時，第一跟蹤單元停止計時，進而獲取各快遞商品對應的各快遞人員的實際配送時長、實際配送時間段和實際配送地址；

S7、云平臺評價模型建立：所述云平臺評價模型包括云平臺評價參數、云平臺參數評價等級和云平臺參數評價等級對應的云平臺評價指數，其中云平臺評價參數包括配送時長、配送時間段、配送地址和溝通情況，將云平臺評價參數，將各評價參數按照預設等級劃分方式進行評價等級劃分，進而得到劃分的各云平臺參數評價等級，將云平臺參數評價等級記為h,h＝q1,q2,q3，q1,q2,q3分別表示為優秀、標準和不合格，進而獲取各云平臺參數評價等級對應的云平臺評價指數，將各云平臺參數評價等級對應的云平臺評價指數記為f,f＝p1，p2，p3，p1，p2和p3分別表示為評價優秀對應的云平臺評價指數、評價標準對應的云平臺評價指數和評價不合格對應的云平臺評價指數；

S8、顧客評價模型建立：所述顧客評價模型包括顧客評價參數、顧客參數評價等級和顧客參數評價等級對應的顧客評價指數，其中顧客評價參數包括服務態度、配送速度、商品完好性、商品準確性和回復及時性，將各顧客評價參數按照預設等級劃分方式進行評價等級劃分，進而得到劃分的各顧客參數評價等級，將各顧客參數評價等級記為t,t＝c1,c2，c3，c1,c2，c3分別表示滿意，一般，不滿意，進而獲取各顧客參數評價等級對應的顧客評價指數，將各顧客參數評價等級對應的顧客評價指數記為q，q＝x1，x2，x3,x1，x2和x3分別表示為評價滿意對應的顧客評價指數，評價一般對應的顧客評價指數和評價不滿意對應的顧客評價指數；

S9、云平臺評價系數分析與統計：將各快遞人員在進行各快遞商品配送時對應的實際配送時長與各快遞商品對應的預估配送時長進行對比，進而獲取各快遞人員在進行各快遞商品配送時對應的實際配送時長與各快遞商品對應的預估配送時長的差值，根據該差值進而從云平臺評價模型中調取該實際配送時長對應的云平臺評價等級和該評價等級對應的云平臺評價指數，根據各快遞人員在進行各快遞商品配送時對應的實際配送時間段，進而從云平臺評價模型中調取該實際配送時間段對應的云平臺評價等級和該等級對應的云平臺評價指數，將各快遞人員在進行各快遞商品配送時對應的實際配送地址與各快遞商品對應的配送地址進行匹配識別，進而獲取該實際配送地址的準確性，并從云平臺評價模型中調取該實際配送地址準確性對應的云平臺評價等級和該等級對應的云平臺評價指數，同時調取該平臺中各快遞人員與其對應顧客溝通的數據，進而獲取快遞人員與顧客的實際溝通情況，進而從云平臺評價模型中調取各快遞人員溝通情況對應的云平臺評價等級和該等級對應的云平臺評價指數，根據各快遞人員在進行各快遞商品配送時對應的實際配送時長對應的云平臺評價指數、實際配送時間段對應的云平臺評價指數、實際配送地址準確性對應的云平臺評價指數、實際溝通情況對應的云平臺評價指數進而統計各快遞人員配送各快遞商品對應的云平臺評價系數；

S10、顧客滿意系數分析與統計：當各顧客簽收其對應的快遞商品時，通過第三方網絡對快遞人員的配送按照其第三方網絡顯示的顧客評價頁面進行評價，進而獲取某快遞人員在進行某件快遞商品配送時其各顧客評價參數對應的顧客評價指數，進而統計各快遞人員配送各快遞商品對應的顧客滿意評價系數；

S11、綜合評價系數分析與統計：根據統計的各快遞人員配送各快遞商品對應的云平臺評價系數和各快遞人員配送各快遞商品對應的顧客滿意評價系數進而統計各快遞人員配送各快遞商品對應的綜合評價系數。