[发明专利]网约车异常订单的未支付提醒方法及系统

说明书

本发明提供一种网约车异常订单的未支付提醒方法及系统，方法包括：数据获取步骤，获取异常订单样本数据集；确定入模特征步骤，基于异常订单样本数据集，标记未支付提醒分类标签和支付标签，进行入模特征的设计与开发；训练模型步骤，通过训练、评估，获得未支付提醒模型；模型应用步骤，将需要提醒的异常订单信息输入到未支付提醒模型中，输出异常订单的未支付提醒分类结果，对不同用户采取相应的提醒方式进行未支付提醒。系统包括样本获取模块、样本标记模块、特征开发模块、特征筛选模块、模型训练模块、模型评估模块和识别模块。本发明能识别异常订单的未支付提醒方式以提升支付率。

技术领域

本发明涉及互联网中网约车领域，特别是涉及一种网约车异常订单的未支付提醒方法及系统。

背景技术

随着移动通信技术与出行服务的结合，移动终端上的网约车出行方式极大便利了人们的出行需求。当前网约车服务大多采用先乘车后支付的运营方式，在这样的服务方式中不可避免的产生了大量长期未支付的异常订单，从而造成平台高额的资金损失。

对于金融借贷行业，由于客户借贷金额大且数量少，采用的逾期催收方法多为人工电话的方式提醒客户，这样的提醒方式效率低且成本高。对于网约车行业中的未支付订单，由于其未支付订单数量大且未支付金额较小，采用传统的催收方式需要消耗大量人力与运营成本，其催收效率较低，无法及时有效的召回平台资金损失。

现有常见的方法，一般是依据专家经验或者基于用户信息及订单信息等制定未支付提醒策略，确定未支付订单的提醒时间及间隔。并没有判别订单是否异常，如司机在订单服务过程中的是否存在不良或者违规行为等，从而导致乘客不支付订单。然而这类订单恰恰是最难让乘客进行支付的订单，因此，如何有效提升异常未支付订单的支付率是当前出行服务中的亟需解决的问题。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种网约车异常订单的未支付提醒方法及系统，用于解决现有技术中未采用合适的分类提醒方式，以至于无法提升异常未支付订单的支付率的问题。

为实现上述目的及其他相关目的，本发明提供一种网约车异常订单的未支付提醒方法及系统，全方位考虑用户行为信息、订单信息、司机服务信息等数据刻画入模特征，提高了未支付提醒模型的精确率，并基于未支付提醒模型对异常订单的分类结果，针对不同用户采取相应的提醒方式对其进行未支付提醒，以提升异常未支付订单的支付率。

于本发明的一实施例中，一种网约车异常订单的未支付提醒方法，包括：

数据获取步骤，获取异常订单样本数据集，包括乘客端APP和司机端APP的数据库数据；

确定入模特征步骤，基于所述异常订单样本数据集，标记未支付提醒分类标签和支付标签，进行入模特征的设计与开发，包括所述入模特征的筛选；

训练模型步骤，通过训练、评估，获得未支付提醒模型；

模型应用步骤，将需要提醒的异常订单信息输入到所述未支付提醒模型中，输出所述异常订单的未支付提醒分类结果，根据所述未支付提醒模型对所述异常订单的所述未支付提醒分类结果，对不同用户采取相应的提醒方式进行未支付提醒

于本发明的一实施例中，所述乘客端APP和司机端APP的数据库数据包括以下信息的一种或多种：用户历史行为信息、目标订单属性信息、目标订单接单司机和服务信息。

于本发明的一实施例中，所述确定入模特征步骤包括：

将所述异常订单样本数据集根据特定情形对订单标记标签；

根据目标订单相关信息设计与开发特征；

基于相关指标进行所述入模特征的筛选