【技術實現步驟摘要】
本專利技術涉及大數據處理，更具體地說，涉及一種基于大數據挖掘的售后合作點推薦方法。
技術介紹
1、售后是汽車主機廠(oem)的主要收益來源之一，截止到2021年，售后維保收益已經超過oem,總收益的60％。對于很多車主來說，當車輛需要維修、保養等售后服務時，由于oem主體下轄的售后服務機構(專營店/4s店)路程較遠，費用較高，他們會選擇距離較近，價格較為實惠的汽修店對車輛進行維保。因此，oem會選擇合適的非下轄的專營店或者汽車維修保養機構合作，以為車主提供高質量的售后服務，提升用戶體驗，同時增加售后服務業務營收。
2、合作售后機構的選擇直接影響oem在售后業務的營收。目前合作機構的選擇主要是通過業務人員實地考察，收集信息，評估價值等方式來確定，耗費了大量的人力成本，且無法保證信息的全面性和時效性，導致對一些機遇和變故無法作出及時有效的應對方案。所以，合作售后機構的選擇是目前oem亟待解決的問題。
技術實現思路
1、本專利技術要解決的技術問題在于，針對上述技術方案存在的不足，提供一種解決節約公司運營成本、提高合作店建設效率的基于大數據挖掘的售后合作點推薦方法。
2、本專利技術提供一種基于大數據挖掘的售后合作點推薦方法，所述方法包括以下步驟：
3、s1，獲取所有車輛的外修數據和專營店地址數據，并對外修數據與專營店地址數據進行預處理得到車輛信息、外修點的位置信息、店名信息與外修的時間信息；
4、s2，采用dbscan對每個外修點的位置信息進
5、s3，采用geohash算法計算候選外修點與專營店的距離；
6、s4，基于車主行程數據推斷出行習慣，獲取車主常駐點數據；
7、s5，根據候選外修點與車主常駐點數據和候選外修點的外修人數推薦合適的售后業務合作點。
8、本專利技術所述的基于大數據挖掘的售后合作點推薦方法中；所述步驟s1包括以下步驟：
9、s11，對外修點的位置信息進行拆分，分為經度列和緯度列，再去除重復經緯度、缺失經緯度，去除后將不同坐標系下的經緯度轉為同一坐標系，再根據經緯度位置刪除不在國內的數據；
10、s12，選擇外修的時間信息在早上9點到晚上6點之間的外修點數據，且單車外修次數小于10次/年。
11、本專利技術所述的基于大數據挖掘的售后合作點推薦方法中；所述步驟s2包括以下步驟：
12、s21，通過經緯度之間的距離計算外修點間的最小距離，其中，外修點間的距離計算公式為：dis(xi，xj，yi，yj)＝r×arcos[cosyi×cosyj×cos(xi-xj)+sinyi×sinyj]，其中r表示地球半徑，(xi，xj)和(yi，yj)分別對應兩個不同的經緯度，因此，i和j兩點經緯度的距離表示為dis(xi，xj，yi，yj)。
13、本專利技術所述的基于大數據挖掘的售后合作點推薦方法中；所述步驟s3包括以下步驟：
14、s31，采用geohash算法對外修點的經緯度進行編碼得到9個矩形區域，分別用wtw37p，wtw37r，wtw37x，wtw37n，wtw37q，wtw37w，wtw37j，wtw37m，wtw37t來表示，其中最中間的區域wtw37q表示候選外修點所在的區域。
15、本專利技術所述的基于大數據挖掘的售后合作點推薦方法中；所述步驟s3還包括以下步驟：
16、s32，計算在9個矩形區域中的專營店與候選外修點之間的距離，根據落在區域中專營店和候選點的經緯度，采用外修點間的距離計算公式dis(xi，xj，yi，yj)＝r×arcos[cosyi×cosyj×cos(xi-xj)+sinyi×sinyj]進行計算，若專營店與候選外修點之間的距離小于等于20km，則將該候選外修點刪除，將剩下的外修點作為候選外修點數據。
17、本專利技術所述的基于大數據挖掘的售后合作點推薦方法中；所述步驟s4包括以下步驟：
18、s41，提取每輛車60天內的行駛記錄，并篩選出每天第一條行駛記錄的起點經緯度，生成每輛車的行駛起點經緯度集合，以(lng，lat)表示車輛每天的第一條行程的經緯度，lng表示經度，lat表示緯度，則車輛60天內的行程起點經緯度集合表示為ln(lng，lat)＝{(lng，lat)1，(lng，lat)2…(lng，lat)t}，其中n表示第n輛車，t表示第t天。
19、本專利技術所述的基于大數據挖掘的售后合作點推薦方法中；所述步驟s4還包括以下步驟：
20、s42，對每輛車的經緯度集合ln(lng，lat)進行dbscan聚類，同時找出車輛的聚集點cn(l)＝{ln，1，ln,2…ln，b}，其中ln,b表示車輛n第b個聚類簇，即聚集點的經緯度集合，且ln,b∈ln。
21、本專利技術所述的基于大數據挖掘的售后合作點推薦方法中；所述步驟s4還包括以下步驟：
22、s43，選取cn(l)集合中頻次最高或頻次大于10的聚集點數據作為該車主的常駐點數據。
23、本專利技術所述的基于大數據挖掘的售后合作點推薦方法中；所述步驟s5包括以下步驟：
24、s51，計算候選外修點與周圍車主常駐點的距離，采用geohash算法對候選外修點進行geohash編碼，并以候選外修點所在區域為中心在周圍劃分8個矩形區域，計算落在8個矩形區域和候選外修點區域中的常駐點與該候選外修點的距離；
25、s52，統計候選外修的點外修人數，基于geohash算法計算候選外修點周圍常駐點的數量。
26、本專利技術所述的基于大數據挖掘的售后合作點推薦方法中；所述步驟s5還包括以下步驟：
27、s53，根據候選外修點與常駐點的距離和外修人數推薦合作店，距離從近到遠進行排序，人數從多到少進行排序，選取區域內前5的候選外修點進行推薦。
28、本專利技術的基于大數據挖掘的售后合作點推薦方法通過結合外修點和車主常駐點的具體分布，選擇出全國地區最優的售后業務合作店地址，且能實時地為oem轄下的專營店推薦各地區售后合作店地址的情況，極大程度節省了公司運營成本、提高專營店建設效率。
本文檔來自技高網...【技術保護點】
1.一種基于大數據挖掘的售后合作點推薦方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述的基于大數據挖掘的售后合作點推薦方法，其特征在于，所述步驟S1包括以下步驟：
3.根據權利要求2所述的基于大數據挖掘的售后合作點推薦方法，其特征在于，所述步驟S2包括以下步驟：
4.根據權利要求3所述的基于大數據挖掘的售后合作點推薦方法，其特征在于，所述步驟S3包括以下步驟：
5.根據權利要求4所述的基于大數據挖掘的售后合作點推薦方法，其特征在于，所述步驟S3還包括以下步驟：
6.根據權利要求5所述的基于大數據挖掘的售后合作點推薦方法，其特征在于，所述步驟S4包括以下步驟：
7.根據權利要求6所述的基于大數據挖掘的售后合作點推薦方法，其特征在于，所述步驟S4還包括以下步驟：
8.根據權利要求7所述的基于大數據挖掘的售后合作點推薦方法，其特征在于，所述步驟S4還包括以下步驟：
9.根據權利要求8所述的基于大數據挖掘的售后合作點推薦方法，其特征在于，所述步驟S5包括以下步驟：
...
【技術特征摘要】
1.一種基于大數據挖掘的售后合作點推薦方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述的基于大數據挖掘的售后合作點推薦方法，其特征在于，所述步驟s1包括以下步驟：
3.根據權利要求2所述的基于大數據挖掘的售后合作點推薦方法，其特征在于，所述步驟s2包括以下步驟：
4.根據權利要求3所述的基于大數據挖掘的售后合作點推薦方法，其特征在于，所述步驟s3包括以下步驟：
5.根據權利要求4所述的基于大數據挖掘的售后合作點推薦方法，其特征在于，所述步驟s3還包括以下步驟：
6.根...
【專利技術屬性】
技術研發人員：何語桐，徐劍濤，傅琦佳，
申請(專利權)人：深圳聯友科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。