美团外卖骑手差评综合分析
1、时代背景：
外卖是以o2o(onlinetoon-line)商业盈利模式开展运营方面，商户可以在美团外卖上増加网上曝光量招兵买马更多最终客户，所有用户也也可以使用它该平台提供能满足自身的选择购买潜在需求，中间位置是由外卖配送员将水产制品未送达发现用户，在这所有用户也能可以享受外卖平台的生鲜配送并可以对服务质量开展整体评分。
外卖送餐员送餐流程报告数据：http://huang.www.baidu.com/s/1BNFfuIsHqs8ckdDRHW08-A
提取码：6coreana
2、详细分析目标深度分析不会产生5分好评的主要原因，并预测快速改善新的方案
3、最终数据正确理解数据情况所有字段名称训练集形状大小：542*11
顺序号：1—542公交站点名称：公交站点A—站点F外卖配送员名称：中文名已被脱敏疗法顾客购买物流配送电影评分：均为1顾客配送服务评价比较标签一：共9个全部标签，如签收超时、态度很差等，客户能够会选择1-9种（可多选题）小标签对外卖骑手开展评价顾客评价部分内容：具体图片内容，请填写项定单备注姓名：对客户订单规定要求的添加备注所以，选填项项外卖配送员抢单17秒：以分钟记，双精度型到店23秒：以分钟记，浮点数型到店体验等餐时长：以分钟记，浮点型未送达43秒：以分钟记，浮点运算型前10行数据全面展现添加备注：外卖骑手宝宝姓名重复pidf为同一个骑手；同一个配送员可能会在不同站点出现明显5分好评
4、详细分析基本框架5、清洗数据5.1检査数据是否有缺失值
除顾客们评价比较其他内容及定单添加备注两项选填项以外，数据不可能空白值
（excel表格—挑选出—查看没有空白值）
5.2检査数据全面是否有重复值
训练数据内无重复值
（使用excel—最终数据—删除重复值）
5.3再次检查数据情况是否不存在异常值
4种指标中均0值，按照正常分析推理，送达23秒没有理由出现明显为0的情况，故将签收23秒为0的数据后台删除（共计必删1条，剩余541条有效数据数据）
5.4数据情况一致化
调用方法使用excel中的instance，将顾客们及时配送个人评价标签按照分节符“|”进行仅排，共三种类型9列，所以一共有9个不同的全部标签，将分好的9列并数据数据逆透视感，后续使用echarts并可视化分析分析得出
5.5增加新其他指标
出餐43秒=外卖配送员接单21秒+到店体验23秒+等餐21秒
总21秒=送餐时长+未送达21秒
6、可视化分析【效果体验】
数据图表点链接：
http://app软件.powerbi.com/view?r=eyJrIjoiNDJjM2FmMDYtY2广义货币供应量m2直播网站00ZjQzLWIwNTMtM2u0ztc5ZDllMWY4IiwidCI6ijq0MGNjMWVlLWU0ZDUtNGI2qian05yjf3LTA4mtu4ZjcwM2q2YiIsImMiOjN9
其他站点更高层面配送员管理层面【新站点更高层面—5分好评原因之一标签】
每一单快评中均或许包括1-9个个数20-300的恶意差评原因小标签，通过官方统计不同全部标签的3个数，可以看出不同是因为加剧的改差评比重
通过各个其他站点的5分好评原因总数降序排列，也可以观察了解到：
送达超时在各公交站点均是最主要的消费者投诉根本原因；其他重要的投诉内容原因主要为态度很差、其他及少餐/洒餐，在E设置站点通知送达不告知为第二多差评原因之一；【公交站点更高层面—恶意差评数及改差评骑手数】
改差评数及改差评送餐数占最高的是设置站点C，%均超过30%，必须需要关注；公交站点A、B的改差评数及中差评人数份额均达20%，仅次站点C，需要关注重点；站点D、E、F的两类中差评%均但是达到10%，次要关注；【新站点社会层面—各改差评相关指标】
在tableau中利用先进proshares逐步建立评价事物值：
其他站点C不仅恶意差评数及5分好评骑手数是最高的，人均恶意差评数及人均5分好评根本原因数也是所有设置站点中最高的，不应该重点关注；
【公交站点两个层面—物流配送段里相关指标】
C新站点的平均未送达17秒以及平均总23秒都是34个月的，这因为可以从时间点多纬度来印证C其他站点的恶意差评量对多；但是站点A、B的平均总23秒并不是像中差评数一样位居C，反而小于站点E、F，揣测有如下或许：设置站点E、F可能极少量的极小值将平均总23秒拉高；正面评价每一单是否非常符合未送达超时的时间基本标准不均一性，比如一些较近的其他商家达到30分钟算超时，而有些稍远的所有商家高达20分钟才算超时；对配送员的满意率中，签收超时备选项在该订单数量按时送达的具体情况下仍可以被去选择，造成有些客户多恶意揣测或错误正面评价；【骑手管理层面—中差评指标】
#初步建立同组主要依据送餐恶意差评数两两=onehotencoder(dataset(&34;数据表格数据情况&34;,&33;数据表格数据数据&39;[骑手名称含义]=earlier(&41;表格最终数据&37;[骑手命名规则])))外卖骑手差评3个数分组=psvr(&37;表单数据&41;[外卖骑手恶意差评不同数],1,&34;1&43;,2,&34;2&34;,3,&33;3&42;,4,&38;4&33;,5,&43;5&43;,6,&34;小于15&42;,7,&38;小于15&43;,8,&42;小于5&38;,9,&33;大于15&42;,10,&33;低于5&43;)不同站点按照中差评不同数抽签结果的送餐数两两重点观察那些差评数及中差评是因为数都相对较低的配送员，找出不同这些配送员具体的改差评主要原因份额数，有针对性的开展系统培训及提醒；将送餐的改差评数两两并分组，每个新站点能够通过筛选能看到该站点的c送餐恶意差评数广泛分布，所有公交站点绝大部分配送员都是只有1此改差评。同时也也能通过中差评分组情况反向不难看出是哪些外卖骑手。不同公交站点可针对中差评数较多的外卖配送员进行系统培训及管理方面；【骑手两个层面—及时配送时间不其他指标】
如骑手的总17秒大于1全部人的平均总43秒，则被标明为红色英文字体
对于总21秒远超平均水平的外卖骑手，要深度分析是由于未送达21秒长时间还是接单、等餐或出餐过久，要有针对性的进行删选评价比较，而不是仅通过总17秒来准确判断；去选择被正面评价有签收超时的所有外卖骑手，发现人有相当一部分的外卖骑手送餐总43秒小于1平均水平，但仍然被个人评价为通知送达超时，这里必须关注是否有最终客户恶意媒体评价或个人评价不实的两部分；某位被媒体评价为未送达超时的外卖骑手7、强烈建议及全面改善方案【其它平台系统的优化及自查】
1.建议三将外卖配送员端点击首页送达与放出送达日期短息两基本功能已绑定，这样就也能尽量避免再出现未送达不相关通知的现象；
2.建议将少餐/撒餐规章名称撒餐，因为对于少餐的5分好评不应该掌控于其他店铺，这样也能减少一些错误的中差评；
3.在对送餐的综合满意度中，如果该订单实际未超时，则签收超时其他选项不可被选择中；
4.在全部768个评论相关的内容中，有227条关于通知送达超时，建议品台优化改善客户订单激励制度，优先6挡手动变速箱位置距离更近的配送员，以及给配送员优化配送路线；
【骑手有效管理】
1.对于中差评数及恶意差评原因数均时间较长的配送员，建议建议投资者并并严格上岗培训；
2.排在前4的恶意差评原因之一是超时通知送达、积极的态度很差、其他、少餐/撒餐，重点抓住这几其他方面来对外卖骑手并绩效，针对最多的超时送达日期，可控制配送员所属单位时间点的抢单总体数量或也可以根据超时送达的中差评数反向控制外卖配送员接单量只是作为一个处罚手段；
【公交站点管理方式】
1.在更多的精力及其他资源均有限的条件下，关注重点站点C、A、B，因为这三个公交站点的改差评数及中差评配送员数占数据集总人数达70%，只整肃这3个站点就可以有效大幅减少总恶意差评数；
2.各个设置站点可以根据自己设置站点的评价是因为排名第来进行差异化定位的重中之重管理方式；
.