最近加班较多,经常打车回家,发生一件事令我和我的同事很不爽,使用某滴打车,投诉司机绕路,过了几天又打到这个车,结果又投诉绕路,过了两天,又打到这个车(很确定司机是故意绕路的)!令人很无语的事情回来的路上我就在想是否可以通过算法来避免这种情况的发生呢?下面开始正题。
通过算法来提升服务需要通过对司机和乘客的评价进行分析,绘制人物的画像,通过两个服务节点的画像来求得匹配度和预期满意度。根据投诉、评价等主观数据进行修改节点间的友好度。
简单构思如下,欢迎友好讨论!
司机:
1、根据路况和司机的行车距离速度判断司机驾驶风格,剧烈、稳重、慢、缓慢(可能有很多维度来分析)等。
2、根据司机接单频率、上线频率、上线时长、工作时间段来判断司机的勤奋度、喜好、性格。
3、根据司机的主动接单倾向判断司机的活动范围和性格。ps:应该可以算出系统怎么派单司机更满意。
4、收集司机的个人信息,如爱好、学历、经历等信息,推断喜好、性格等。
很多。待补充。。。。。。。
乘客:
1、根据乘客的打车时间、叫车服务类型、距离、频率、参与活动次数、参与活动类型、投诉次数、投诉类型、预约次数、个人信息、
支付方式等计算乘客的性格、喜好等。
个人的因素就太多了,而且可以通过合作渠道获取乘客的其他信息,不过乘客的基数比较大,运算也比较复杂。
数据准备完成后就可以通过规则来判断服务双方的友好度了,不过作为程序员对这里的规则制定没有太权威建议。
随便说一下,有错的地方请指正。
首先不能否认的一点就是确实存在很多服务态度差的司机和一些比较挑剔的乘客,所以需要比较准确的算法来将乘客
和司机进行配对;
1、经常投诉司机车内卫生的乘客和注重车内卫生的司机;
2、经常投诉司机绕路的乘客和被评价为活地图的司机;
3、经常投诉态度恶劣的乘客和被评价非常有礼貌的司机;
4、经常投诉司机驾驶技术的乘客和老司机;
还有一些减分的规则;
1、互相投诉的乘客和司机最最最最低的优先级匹配!!!!(这也是我非常想吐槽的地方)
2、投诉过车内卫生的乘客和被投诉过车内卫生的司机。
3、经常投诉司机态度恶劣的乘客和危险驾驶的司机。(个人认为开快车的司机拥有一个暴躁的脾气,我身边就有一个典
型的例子)
加分减分的规则太多了,这里就不一一列举了,不知道是否已经有这样的功能,在这里记录一下自己的想法。留待后用。