【技术实现步骤摘要】
本专利技术涉及数据化智能管理领域，尤其涉及一种用户的洗车服务信息推送方法、系统、设备及存储介质。
技术介绍
1、随着智能化服务的快速发展和普及，消费者日益期望获得更加个性化、适时的服务体验。在汽车后市场领域，洗车服务作为高频次的消费需求，其便捷性和服务质量直接影响着用户的满意度与忠诚度。然而，传统洗车服务信息推送往往基于简单的规则设置，如定时推送或基于地理位置的盲目推荐，缺乏对用户个体习惯、偏好以及外部环境因素的深入考量。这种“一刀切”的推广方式不仅效率低下，还容易造成用户困扰，降低信息的相关性和接受度。大多数现有方法忽略了用户历史行为与外部条件因素的深层次关联分析，未能有效挖掘用户洗车习惯的规律性，导致推送内容与时机的选择较为随机，缺乏针对性。其次，缺乏动态适应性的触发机制，使得推送策略难以根据用户反馈和行为变化及时调整优化，降低了推送的有效性和用户参与度。
2、传统技术在实现个性化、精准化的洗车服务信息推送方面存在明显不足，亟需一套更加智能、灵活且能够不断优化的服务推送系统，以适应日益增长的个性化服务需求。
技术实现思路
1、本专利技术提供了一种用户的洗车服务信息推送方法、系统、设备及存储介质。
2、本专利技术第一方面提供了一种用户的洗车服务信息推送方法，所述用户的洗车服务信息推送方法包括：获取并分析条件因素，根据预设的动态触发机制，生成推送指令；
3、根据所述推送指令，提取用户车辆的历史洗车数据和对应的历史条件数据，并进行标准化处理；>
4、基于卡方检验，对所述历史洗车数据和所述历史条件数据进行关联性分析，得到用户惯常集；
5、根据所述用户惯常集，生成个性标签集，并构建用户画像；根据所述用户画像，对应生成个性化推荐策略；
6、基于预设的arima预测模型和所述历史洗车数据，预测用户的洗车时间，生成最优推送时间；
7、根据所述最优推送时间，对应所述个性化推荐策略，进行洗车服务信息推送；记录并分析反馈数据，对所述动态触发机制和arima预测模型进行迭代优化。
8、可选的，在本专利技术第一方面的第一种实现方式中，所述获取并分析条件因素，根据预设的动态触发机制，生成推送指令，包括：
9、所述条件因素包括：时间周期、气候条件、车辆使用情况和环境条件；
10、将所述条件因素进行量化指标转化和标准化处理，对应生成条件因素值；
11、所述量化指标转化包括：采用日期函数表达所述时间周期，所述气候条件根据气象预报量化为包括降水量、温湿度和风级，根据行驶里程数和连续行驶时长获取所述车辆使用情况，根据用户报告和环境监测站数据量化所述环境条件；
12、为每个所述条件因素设动态权重参数；
13、基于逻辑回归公式，计算洗车概率；
14、所述逻辑回归公式为：；
15、其中，p是洗车的概率；...是各个条件因素对应的条件因素值；...是各个条件因素对应的动态权重参数；n是条件因素的总数；e是自然对数的底；
16、判断所述洗车概率达到或超过预设的触发阈值，则生成推送指令。
17、可选的，在本专利技术第一方面的第二种实现方式中，所述根据所述推送指令，提取用户车辆的历史洗车数据和对应的历史条件数据，并进行标准化处理，包括：
18、所述历史洗车数据包括：洗车次数、洗车时间、洗车项目、偏好要求、服务反馈；
19、所述历史条件数据包括历史洗车时对应的：气候条件、车辆使用条件和环境条件；
20、基于z-score标准化，对所述历史洗车数据和所述历史条件数据进行标准化处理；
21、所述z-score标准化公式为：；
22、其中，a是原始值，u是平均值，是标准差。
23、可选的，在本专利技术第一方面的第三种实现方式中，所述基于卡方检验，对所述历史洗车数据和所述历史条件数据进行关联性分析，得到用户惯常集，包括：
24、基于卡方检验，评估所述历史洗车数据和所述历史条件数据之间的关联性；
25、将经标准化处理后的所述历史洗车数据作为表行，所述历史条件数据作为表列，生成交叉频数表，表中单元格内的数值是对应的所述历史条件数据下洗车行为发生的次数；
26、根据频数计算公式，计算每个所述单元格在零假设成立的情况下的预期频数；
27、所述频数计算公式为：；
28、其中，表示第i行第j列单元格的期望频数；表示行总和，即单元格所在行的实际频数之和；表示列总和，即单元格所在列的实际频数之和；n表示总样本数，即表中所有单元格实际频数之和；
29、基于所述预期频数，计算卡方统计量，公式为：；
30、其中，为卡方统计量；表示第i行第j列的实际观测频数；为所述预期频数；r是行的总数；c是列的总数；
31、根据自由度和卡方统计量，查阅卡方分布表，得到，所述是指在零假设成立的情况下，观察到当前的所述卡方统计量的概率；
32、自由度的计算式为：；表示自由度；同上，r是行的总数；c是列的总数；
33、将所述与预设的关联性阈值比较，判断所述历史洗车数据和所述历史条件数据之间的关联性强度；
34、根据所述小于预设的强关联阈值，筛选强关联的所述历史洗车数据和所述历史条件数据，生成用户惯常集。
35、可选的，在本专利技术第一方面的第四种实现方式中，所述根据所述用户惯常集，生成个性标签集，并构建用户画像；根据所述用户画像，对应生成个性化推荐策略，包括：
36、根据所述用户惯常集，对应定义一系列标签，生成所述个性标签集；
37、根据每个用户的历史洗车数据，为用户分配相应的所述标签，构建所述用户画像；
38、根据所述用户画像，生成对应的服务进行个性化组合式套餐推荐；
39、根据所述用户惯常集，分析用户的群体惯常行为，基于预设的相似度百分比，筛选惯常行为相似的用户群，进行群发所述个性化推荐。
40、可选的，在本专利技术第一方面的第五种实现方式中，所述基于预设的arima预测模型和所述历史洗车数据，预测用户的洗车时间，生成最优推送时间，包括：
41、根据所述经标准化处理的历史洗车数据，通过标记时间戳编码生成历史洗车特征序列；
42、将所述历史洗车特征序列输入所述arima预测模型，基于极大似然估计法，通过自相关函数和偏自相关函数来分别估算p值和q值并通过单位根检验确定d的值；通过所述arima预测模型的模型公式，预测用户的临近洗车时间；
43、所述arima预测模型的模型公式为：；其中，表示时间序列在时间点；b是后移算子，满足；是自回归多项式，包含了p阶的自回归系数，形式为1-b--...-；表示d次差分操作；是移动平均多项式，包含了 q 阶的移动平均系数，形式为1+b--...-；是误差项；
44、根据所述临近洗车时间设置本文档来自技高网...
【技术保护点】
1.一种用户的洗车服务信息推送方法，其特征在于，所述用户的洗车服务信息推送方法包括：
2.根据权利要求1所述的用户的洗车服务信息推送方法，其特征在于，所述获取并分析条件因素，根据预设的动态触发机制，生成推送指令，包括：
3.根据权利要求2所述的用户的洗车服务信息推送方法，其特征在于，所述根据所述推送指令，提取用户车辆的历史洗车数据和对应的历史条件数据，并进行标准化处理，包括：
4.根据权利要求3所述的用户的洗车服务信息推送方法，其特征在于，所述基于卡方检验，对所述历史洗车数据和所述历史条件数据进行关联性分析，得到用户惯常集，包括：
5.根据权利要求4所述的用户的洗车服务信息推送方法，其特征在于，所述根据所述用户惯常集，生成个性标签集，并构建用户画像；根据所述用户画像，对应生成个性化推荐策略，包括：
6.根据权利要求5所述的用户的洗车服务信息推送方法，其特征在于，所述基于预设的ARIMA预测模型和所述历史洗车数据，预测用户的洗车时间，生成最优推送时间，包括：
7.根据权利要求6所述的用户的洗车服务信息推送方法，
8.一种用户的洗车服务信息推送系统，其特征在于，所述用户的洗车服务信息推送系统包括：
9.一种用户的洗车服务信息推送设备，其特征在于，所述用户的洗车服务信息推送设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的用户的洗车服务信息推送方法。
...【技术特征摘要】
1.一种用户的洗车服务信息推送方法，其特征在于，所述用户的洗车服务信息推送方法包括：
2.根据权利要求1所述的用户的洗车服务信息推送方法，其特征在于，所述获取并分析条件因素，根据预设的动态触发机制，生成推送指令，包括：
3.根据权利要求2所述的用户的洗车服务信息推送方法，其特征在于，所述根据所述推送指令，提取用户车辆的历史洗车数据和对应的历史条件数据，并进行标准化处理，包括：
4.根据权利要求3所述的用户的洗车服务信息推送方法，其特征在于，所述基于卡方检验，对所述历史洗车数据和所述历史条件数据进行关联性分析，得到用户惯常集，包括：
5.根据权利要求4所述的用户的洗车服务信息推送方法，其特征在于，所述根据所述用户惯常集，生成个性标签集，并构建用户画像；根据所述用户画像，对应生成个性化推荐策略，包括：
6.根据权利要求5所...
【专利技术属性】
技术研发人员：黄志滨，郭文艺，
申请(专利权)人：广东车卫士信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。