中国统计网|滴滴出行项目:用「A/B测试」分析城市运营效果( 三 )


12点用户订单需求较多 , 同时订单时长最长 , 说明这个时间点是一个非常重要的时间点 。 supply_hour=city.groupby(['hour'],as_index=False).agg({'supplyhours':np.mean})supply_hour
中国统计网|滴滴出行项目:用「A/B测试」分析城市运营效果
文章图片
13点订单量也较大 , 此时点司机服务时长较短 。为优化用户出行体验 , 司机运营平台可联合客运部可考虑此时段尽量分配总服务时长较长的司机来接单(经验较为丰富) 。
后续思考方向:提升顾客预计等待时长预测准确度(需要历史数据进行预测)
加大车辆投入(分车辆不同等级来看 , 因此可能需要车辆相关信息表)
优化用户体验(需要客诉相关数据)
优化平台派单逻辑(需要订单的位置相关数据)
个性化需求(需要用户属性、及其他行为数据)


推荐阅读