一种基于随机森林算法的消费品召回效果评估方法及装置与流程

1.本发明涉及产品召回技术领域，特别是指一种基于随机森林算法的消费品召回效果评估方法及装置。


背景技术：

2.尽管当前我国消费品召回的次数和数量都相当大，一定程度上保证了消费者的人身和财产安全，但是，召回措施是否有效、召回后是否存在残余风险、消费者是否满意等问题仍没有明确的评判标准。
3.缺陷消费品事故的发生一般牵涉范围较广，既包括生产者自身，也包括生产者的各类利益相关者，因此在事故发生后，如果处理不当，容易引发利益群体之间的矛盾。消费品召回效果评估研究能够指导企业的产品召回管理与危机处理实践，从而能在某种程度上防止发生由缺陷产品引起的多方利益群体的矛盾。
4.然而当前缺乏有效的评估标准或评估体系较片面，不能从多个指标和维度对消费品的召回效果进行客观评价，从而无法有效提高消费品召回率和召回流程的便捷性。


技术实现要素：

5.本发明针对现有技术缺乏有效的评估标准或评估体系较片面，不能从多个指标和维度对消费品的召回效果进行客观评价，从而无法有效提高消费品召回率和召回流程的便捷性的问题，提出了本发明。
6.为解决上述技术问题，本发明提供如下技术方案：
7.一种基于随机森林算法的消费品召回效果评估方法，该方法应用于电子设备，该方法包括：
8.s1、获取召回消费品的数据与资料，基于层级评估模型以及逻辑框架法，提取召回消费品的流程中、影响召回效果的关键因子。
9.s2、确定关键因子对应的评分，将关键因子对应的评分输入到消费品召回效果评估模型。
10.s3、基于关键因子的评分以及消费品召回效果评估模型，得到召回效果优度值，基于召回效果优度值对召回效果进行分级，基于分级结果得到召回效果的残余风险。
11.可选地，s1中的关键因子包括基准退回率指标体系关键因子、召回效果评估指标体系关键因子。
12.其中，基准退回率指标体系关键因子包括两个基准退回率一级指标，为消费品固有属性、消费者敏感度。
13.基准退回率一级指标中的消费品固有属性包括两个基准退回率二级指标，为单值、损耗比。
14.基准退回率一级指标中的消费者敏感度包括三个基准退回率二级指标，为对缺陷的判断能力、日常环境匹配性、消费者偏向性。
15.召回效果评估指标体系关键因子包括三个召回效果评估一级指标，为同一缺陷召回后受伤情况、实际召回退回率除以基准召回退回率的商值、评价。
16.召回效果评估一级指标中的同一缺陷召回后受伤情况包括两个召回效果评估二级指标，为召回后受伤频次、次生危险。
17.召回效果评估一级指标中的评价包括三个召回效果评估二级指标，为消费者满意度、监管机构满意度、网络舆论情况。
18.可选地，s2中的消费品召回效果评估模型包括：基准退回率计算模块和召回效果评估模块。
19.基于关键因子的评分以及消费品召回效果评估模型，得到召回效果优度值包括：
20.将基准退回率指标体系关键因子的评分输入到基准退回率计算模块，得到基准召回退回率。
21.计算实际召回退回率除以基准召回退回率的商值。
22.将召回效果评估指标体系关键因子的评分输入到召回效果评估模块，得到召回效果优度值。
23.可选地，s2中的确定关键因子对应的评分，将关键因子对应的评分输入到消费品召回效果评估模型包括：
24.确定关键因子中单值、损耗比、实际召回退回率除以基准召回退回率的商值的评分，将评分输入到消费品召回效果评估模型。
25.确定关键因子中对缺陷的判断能力、日常环境匹配性、消费者偏向性、召回后受伤频次、次生危险、消费者满意度、监管机构满意度、网络舆论情况的等级，根据等级确定对应的评分，将等级对应的评分输入到消费品召回效果评估模型。
26.可选地，单值评分计算方法如下式(1)所示：
[0027][0028]
损耗比评分包括固有价值损耗比评分、寿命损耗比评分；
[0029]
固有价值损耗比评分计算方法如下式(2)所示：
[0030][0031]
寿命损耗比评分计算方法如下式(3)所示：
[0032][0033]
可选地，实际召回退回率除以基准召回退回率的商值计算方法如下式(4)所示：
[0034][0035]
可选地，召回效果优度值的计算方法如下式(5)所示：
[0036][0037]
式中：e为消费品召回效果优度值；wi为第i个一级指标的权重；a
ij
为第i个一级指
标下第j个二级指标的评分；w
ij
为第i个一级指标下第j个二级指标的权重；m为一级指标的个数；n为第i个一级指标下二级指标的个数；指标的权重为模型训练过程中，根据不同训练样本所确定的，训练样本的类型和数量不同，得出的权重存在差异，在合理范围内可做调整。
[0038]
可选地，基于召回效果优度值对召回效果进行分级，基于分级得到召回效果的残余风险包括：
[0039]
基于召回效果优度值，将召回效果分为差、一般、好三个等级，对应残余风险为低分险、可接受风险、不可接受风险。
[0040]
另一方面，本发明提供了一种基于随机森林算法的消费品召回效果评估装置，该装置应用于电子设备，该装置包括：
[0041]
数据获取模块，用于获取召回消费品的数据与资料，基于层级评估模型以及逻辑框架法，提取召回消费品流程中、影响召回效果的关键因子。
[0042]
评估模块，用于将关键因子输入到消费品召回效果评估模型。
[0043]
输出模块，用于基于关键因子以及消费品召回效果评估模型，得到召回效果优度值，基于召回效果优度值对召回效果进行分级，基于分级结果得到召回效果的残余风险。
[0044]
可选地，s1中的关键因子包括基准退回率指标体系关键因子、召回效果评估指标体系关键因子。
[0045]
其中，基准退回率指标体系关键因子包括两个基准退回率一级指标，为消费品固有属性、消费者敏感度。
[0046]
基准退回率一级指标中的消费品固有属性包括两个基准退回率二级指标，为单值、损耗比。
[0047]
基准退回率一级指标中的消费者敏感度包括三个基准退回率二级指标，为对缺陷的判断能力、日常环境匹配性、消费者偏向性。
[0048]
召回效果评估指标体系关键因子包括三个召回效果评估一级指标，为同一缺陷召回后受伤情况、实际召回退回率除以基准召回退回率的商值、评价。
[0049]
召回效果评估一级指标中的同一缺陷召回后受伤情况包括两个召回效果评估二级指标，为召回后受伤频次、次生危险。
[0050]
召回效果评估一级指标中的评价包括三个召回效果评估二级指标，为消费者满意度、监管机构满意度、网络舆论情况。
[0051]
可选地，输出模块，进一步用于：
[0052]
将基准退回率指标体系关键因子的评分输入到基准退回率计算模块，得到基准召回退回率。
[0053]
计算实际召回退回率除以基准召回退回率的商值；
[0054]
将召回效果评估指标体系关键因子的评分输入到召回效果评估模块，得到召回效果优度值。
[0055]
可选地，输出模块，进一步用于：
[0056]
确定关键因子中单值、损耗比、实际召回退回率除以基准召回退回率的商值的评分，将评分输入到消费品召回效果评估模型；
[0057]
确定关键因子中对缺陷的判断能力、日常环境匹配性、消费者偏向性、召回后受伤
频次、次生危险、消费者满意度、监管机构满意度、网络舆论情况的等级，根据等级确定对应的评分，将等级对应的评分输入到消费品召回效果评估模型。
[0058]
可选地，输出模块，进一步用于：
[0059]
基准退回率一级指标的评分包括单值评分和损耗比评分；
[0060]
单值评分计算方法如下式(1)所示：
[0061][0062]
损耗比评分包括固有价值损耗比评分、寿命损耗比评分；
[0063]
固有价值损耗比评分计算方法如下式(2)所示：
[0064][0065]
寿命损耗比评分计算方法如下式(3)所示：
[0066][0067]
可选地，输出模块，进一步用于：
[0068]
召回效果评估一级指标的评分包括：实际召回退回率除以基准召回退回率的商值、同一缺陷召回后受伤情况指标、评价指标；
[0069]
根据下式(4)计算实际召回退回率除以基准召回退回率的商值：
[0070][0071]
可选地，输出模块，进一步用于：
[0072]
召回效果优度值的计算方法如下式(5)所示：
[0073][0074]
式中：e为消费品召回效果优度值；wi为第i个一级指标的权重；a
ij
为第i个一级指标下第j个二级指标的评分；w
ij
为第i个一级指标下第j个二级指标的权重；m为一级指标的个数；n为第i个一级指标下二级指标的个数。
[0075]
可选地，输出模块，进一步用于：
[0076]
基于召回效果优度值对召回效果进行分级，基于分级得到召回效果的残余风险包括：
[0077]
基于召回效果优度值，将召回效果分为差、一般、好三个等级，对应残余风险为低分险、可接受风险、不可接受风险。
[0078]
一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述基于随机森林算法的消费品召回效果评估方法。
[0079]
一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述基于随机森林算法的消费品召回效果
评估方法。
[0080]
本发明实施例提供的技术方案带来的有益效果至少包括：
[0081]
上述方案中，通过输入评估模型中指标体系的指标对应的数据值，可以计算得出召回效果优度值及对应等级、残余风险程度；根据指标中赋值等级较低的影响因子，对应提出需要改善的召回措施。通过案例验证可得召回效果评估模型合理性和可操作性。本发明提供的对消费品召回效果进行评估的方法，能够从多个指标和维度对不同企业消费品的召回效果进行客观评估，从而给企业对召回管理流程的优化提供依据。
附图说明
[0082]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0083]
图1是本发明基于随机森林算法的消费品召回效果评估方法流程示意图；
[0084]
图2是本发明基于随机森林算法的消费品召回效果评估方法流程示意图；
[0085]
图3是本发明基准退回率模型程序页面化示意图；
[0086]
图4是本发明召回效果评估模型程序页面化示意图；
[0087]
图5是本发明基于随机森林算法的消费品召回效果评估装置框图；
[0088]
图6是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
[0089]
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
[0090]
如图1所示，本发明实施例提供了一种基于随机森林算法的消费品召回效果评估方法，该方法应用于电子设备，该方法包括：
[0091]
s1、获取召回消费品的数据与资料，基于层级评估模型以及逻辑框架法，提取召回消费品的流程中、影响召回效果的关键因子。
[0092]
s2、确定关键因子对应的评分，将关键因子对应的评分输入到消费品召回效果评估模型。
[0093]
s3、基于关键因子的评分以及消费品召回效果评估模型，得到召回效果优度值，基于召回效果优度值对召回效果进行分级，基于分级结果得到召回效果的残余风险。
[0094]
可选地，s1中的关键因子包括基准退回率指标体系关键因子、召回效果评估指标体系关键因子。
[0095]
其中，基准退回率指标体系关键因子包括两个基准退回率一级指标，为消费品固有属性、消费者敏感度。
[0096]
基准退回率一级指标中的消费品固有属性包括两个基准退回率二级指标，为单值、损耗比。
[0097]
基准退回率一级指标中的消费者敏感度包括三个基准退回率二级指标，为对缺陷的判断能力、日常环境匹配性、消费者偏向性。
[0098]
召回效果评估指标体系关键因子包括三个召回效果评估一级指标，为同一缺陷召回后受伤情况、实际召回退回率除以基准召回退回率的商值、评价。
[0099]
召回效果评估一级指标中的同一缺陷召回后受伤情况包括两个召回效果评估二级指标，为召回后受伤频次、次生危险。
[0100]
召回效果评估一级指标中的评价包括三个召回效果评估二级指标，为消费者满意度、监管机构满意度、网络舆论情况。
[0101]
可选地，s2中的消费品召回效果评估模型包括：基准退回率计算模块和召回效果评估模块。
[0102]
基于关键因子的评分以及消费品召回效果评估模型，得到召回效果优度值包括：
[0103]
将基准退回率指标体系关键因子的评分输入到基准退回率计算模块，得到基准召回退回率。
[0104]
计算实际召回退回率除以基准召回退回率的商值。
[0105]
将召回效果评估指标体系关键因子的评分输入到召回效果评估模块，得到召回效果优度值。
[0106]
可选地，s2中的确定关键因子对应的评分，将关键因子对应的评分输入到消费品召回效果评估模型包括：
[0107]
确定关键因子中单值、损耗比、实际召回退回率除以基准召回退回率的商值的评分，将评分输入到消费品召回效果评估模型。
[0108]
确定关键因子中对缺陷的判断能力、日常环境匹配性、消费者偏向性、召回后受伤频次、次生危险、消费者满意度、监管机构满意度、网络舆论情况的等级，根据等级确定对应的评分，将等级对应的评分输入到消费品召回效果评估模型。
[0109]
可选地，单值评分计算方法如下式(1)所示：
[0110][0111]
损耗比评分包括固有价值损耗比评分、寿命损耗比评分；
[0112]
固有价值损耗比评分计算方法如下式(2)所示：
[0113][0114]
寿命损耗比评分计算方法如下式(3)所示：
[0115][0116]
可选地，实际召回退回率除以基准召回退回率的商值计算方法如下式(4)所示：
[0117][0118]
可选地，召回效果优度值的计算方法如下式(5)所示：
[0119]
[0120]
式中：e为消费品召回效果优度值；wi为第i个一级指标的权重；a
ij
为第i个一级指标下第j个二级指标的评分；w
ij
为第i个一级指标下第j个二级指标的权重；m为一级指标的个数；n为第i个一级指标下二级指标的个数；指标的权重为模型训练过程中，根据不同训练样本所确定的，训练样本的类型和数量不同，得出的权重存在差异，在合理范围内可做调整。
[0121]
可选地，基于召回效果优度值对召回效果进行分级，基于分级得到召回效果的残余风险包括：
[0122]
基于召回效果优度值，将召回效果分为差、一般、好三个等级，对应残余风险为低分险、可接受风险、不可接受风险。
[0123]
本发明实施例中，通过输入评估模型中指标体系的指标对应的数据值，可以计算得出召回效果优度值及对应等级、残余风险程度；根据指标中赋值等级较低的影响因子，对应提出需要改善的召回措施。通过案例验证可得召回效果评估模型合理性和可操作性。本发明提供的对消费品召回效果进行评估的方法，能够从多个指标和维度对不同企业消费品的召回效果进行客观评估，从而给企业对召回管理流程的优化提供依据。
[0124]
如图2所示，本发明实施例提供了一种基于随机森林算法的消费品召回效果评估方法，该方法应用于电子设备，该方法包括：
[0125]
s21、获取召回消费品的数据与资料，基于层级评估模型以及逻辑框架法，提取召回消费品的流程中、影响召回效果的关键因子；其中，逻辑框架法是一种设计、计划和评价的方法。
[0126]
一种可行的实施方式中，数据与资料采集方式可以包括：生产者与监管者负责对消费者采集数据与资料。对于消费者、生产者或监管者应该得到的数据与资料可以包括：消费者的日常环境、关于召回实施情况的舆情信息。生产者需明确产品的主要购买人群，对消费者的平均年龄、活动场所有基本了解。监管者需清楚网络上消费者对召回信息与实施过程的评价走向。
[0127]
数据与资料来源可以包括以下方式：
[0128]
1)公开发表的开放数据；
[0129]
2)调查：可采用查阅档案、电话访问、在线调查、问卷调查、短信评价、回访抽查等方式进行；
[0130]
3)现场采集：实时跟踪召回情况，采集有关数据。
[0131]
消费品的类型可以包括儿童玩具、电子电器、文教体育用品、家用日用品、日用纺织品、服装和五金建材等。
[0132]
运用层级评估模型，从背景、行为、产出和影响四个层面提取召回流程中、影响召回效果的关键因子，其中，关键因子具体内容如下表1所示，在实际使用过程中，可根据产品需求选取全部或部分关键因子。随着消费品召回管理流程的优化，影响因素的选择可以适当增加或减少。
[0133]
表1
[0134][0135][0136]
可选地，根据本发明实施例的具体需求，从s22中的关键因子中选取部分关键因子，所选取的关键因子包括基准退回率指标体系关键因子、召回效果评估指标体系关键因子，下面对基准退回率指标体系关键因子、召回效果评估指标体系关键因子分别进行介绍：
[0137]
1)基准退回率指标体系关键因子包括基准退回率一级指标、基准退回率二级指标，其中，基准退回率一级指标包括消费品固有属性、消费者敏感度；基准退回率二级指标包括单值、损耗比、对缺陷的判断能力、日常环境匹配性、消费者偏向性，相应结构可以如下表2所示：
[0138]
表2
[0139][0140]
其中，单值可以是直接输入召回消费品的实际单个价格；损耗比和召回及时性可
以是输入该产品设计寿命使用年限、已投入使用时间天数和召回当时剩余价值。
[0141]
2)召回效果评估指标体系关键因子包括召回效果评估一级指标、召回效果评估二级指标，其中，召回效果评估一级指标包括同一缺陷召回后受伤情况、实际召回退回率除以基准召回退回率的商值、评价；召回效果评估二级指标包括召回后受伤频次、次生危险、消费者满意度、监管机构满意度、网络舆论情况，具体结构可以如下表3所示：
[0142]
表3
[0143][0144]
其中，实际召回率可以使直接输入被召回的消费品实际的召回率；召回后受伤频次可以使输入召回时收到的伤害投诉次数；召回后发生事故或伤害情况可以是根据收到的伤害投诉中受伤的严重程度选择无伤害、可逆转伤害、不可逆转伤害和致命伤害。其余的输入为定性指标输入，可以是专家评价或语义赋值之后的输入量。
[0145]
s22、构建初始的消费品召回效果评估模型，对消费品召回效果评估模型参数进行训练。
[0146]
一种可行的实施方式中，构建的过程可以包括以下步骤：
[0147]
1)从生产者、消费者和监管部门三个角度，运用ciro(context evaluation input evaluation reaction evaluation output evaluation，背景评估、输入评估、反应评估、输出评估)层级评估模型，结合逻辑框架法，从背景、行为、产出和影响四个层面提取召回流程中影响召回效果的关键因子。
[0148]
2)针对召回活动产生的直接效果，构建包括计算基准退回率的指标体系和消费品召回效果评估指标体系。
[0149]
3)运用等级比重法计算关键因子的权重，最终将召回效果划分为好、一般和差三个等级；根据隶属度函数、指标特征、语义赋值法实现每个指标的量化分级。
[0150]
对消费品召回效果评估模型参数进行训练，训练过程可以是：
[0151]
1)运用随机森林算法完成召回数据的归一化处理。
[0152]
2)对消费品召回效果评估模型的n_estimators和max_depth两个参数、利用交叉验证方法做最优值的选取。随机森林参数值选取结果如下表4所示：
[0153]
表4
[0154][0155]
其中，不同数据体量所计算出的参数最优值存在差异，在合理范围内，可做调整。
[0156]
3)利用visualstudio环境进行模型的程序化，如图3所示为基准退回率模型程序页面化示意图，如图4所示为召回效果评估模型程序页面化示意图。
[0157]
s23、将关键因子输入到消费品召回效果评估模型。
[0158]
s24、基于关键因子以及消费品召回效果评估模型，得到召回效果优度值。
[0159]
一种可行的实施方式中，通过上述s21、s22得到训练好的消费品召回效果评估模型，将关键因子输入到训练好的消费品召回效果评估模型中，可以得到召回效果优度值。
[0160]
可选地，便于对召回措施进行改善，需对关键因子进行处理，其中，计算基于关键因子以及消费品召回效果评估模型，得到召回效果优度值可以包括：对关键因子处理，计算基准退回率和评估消费品召回效果，相应的处理流程可以如下步骤2401-2403：
[0161]
s2401、根据隶属度函数、指标特征、语义赋值法实现计算关键因子中指标的评分，并对关键因子中指标进行分级。
[0162]
其中，隶属度属于模糊评价函数里的概念，模糊综合评价是对受多种因素影响的事物做出全面评价的一种十分有效的多因素决策方法，其特点是评价结果不是绝对地肯定或否定，而是以一个模糊集合来表示；语义赋值法是给语义赋予一定的特殊值，从而达到便于解决问题的目的。
[0163]
s2402、基于基准退回率一级指标的评分以及随机森林模型，得到基准退回率。
[0164]
可选地，基准退回率一级指标的评分可以包括单值评分和损耗比评分。
[0165]
单值评分计算方法可以如下式(1)所示：
[0166][0167]
损耗比评分可以包括固有价值损耗比评分、寿命损耗比评分；
[0168]
固有价值损耗比评分计算方法如下式(2)所示：
[0169][0170]
寿命损耗比评分计算方法如下式(3)所示：
[0171][0172]
s2403、基于召回效果评估一级指标的评分、指标的权重、基准退回率以及随机森林模型，得到召回效果优度值。
[0173]
其中，召回效果评估一级指标的评分可以包括：实际召回退回率除以基准召回退回率的商值、同一缺陷召回后受伤情况指标、评价指标。
[0174]
根据下式(4)计算实际召回退回率除以基准召回退回率的商值：
[0175][0176]
可选地，召回效果优度值的计算方法如下式(5)所示：
[0177][0178]
式中：e为消费品召回效果优度值；wi为第i个一级指标的权重；a
ij
为第i个一级指标下第j个二级指标的评分；w
ij
为第i个一级指标下第j个二级指标的权重；m为一级指标的个数；n为第i个一级指标下二级指标的个数。
[0179]
一种可行的实施方式中，单值、损耗比、实际召回退回率除以基准召回退回率的商值的评分，根据上述s2402、s2403计算得到；
[0180]
对缺陷的判断能力、日常环境匹配性、消费者偏向性、召回后受伤频次、次生危险、消费者满意度、监管机构满意度、网络舆论情况的等级，根据等级对上述指标赋值，确定对应的评分，指标的赋值原理如下表5所示：
[0181]
表5
[0182]
评分结果等级赋值好33较好22一般11差00
[0183]
s25、基于召回效果优度值对召回效果进行分级，基于分级结果得到召回效果的残余风险。
[0184]
一种可行的实施方式中，基于召回效果优度值，将召回效果分为差、一般、好三个等级，对应残余风险为低分险、可接受风险、不可接受风险。
[0185]
运用等级比重法将召回效果划分为差、一般、好三个等级。效果等级按照下表6确定：
[0186]
表6
[0187]
召回效果优度值[0，1)[1，2)[2，3)等级差一般好残余风险低风险可接受风险不可接受风险
[0188]
本发明实施例中，通过输入评估模型中指标体系的指标对应的数据值，可以计算得出召回效果优度值及对应等级、残余风险程度；根据指标中赋值等级较低的影响因子，对应提出需要改善的召回措施。通过案例验证可得召回效果评估模型合理性和可操作性。本发明提供的对消费品召回效果进行评估的方法，能够从多个指标和维度对不同企业消费品的召回效果进行客观评估，从而给企业对召回管理流程的优化提供依据。
[0189]
本发明实施例提供了一种基于非确定性隐空间模型的浓密机控制方法召回案例，该案例的具体实施过程可以如下所示：
[0190]
某品牌公司决定自2018年4月4日起，召回部分2016年6月至2018年3月期间生产的
该品牌的青少年足球运动夹克。中国大陆地区受影响的产品数量共计7712件，召回案例的基本如下表7所示：
[0191]
表7
[0192][0193]
1)基准退回率计算
[0194]
(1)消费品固有属性指标赋值
[0195]
①
单值
[0196]
该品牌的青少年足球运动夹克售价为人民币119.9元，带入公式(1)计算：
[0197][0198]
根据分级标准单值等级定为0.072。
[0199]
②
损耗比
[0200]
运动夹克发售时间为2016年6月至2018年3月，决定召回时间为2018年4月4日，由于该服装主要面向6-14岁青少年，其服装更新换代快，一般其使用周期为3年(约1095天)，考虑损耗比最大化原则，其在召回时间的价值为49.9元，到召回时间点的使用寿命为677天。
[0201]
固有价值损耗比，代入公式(2)：
[0202][0203]
寿命损耗比，代入公式(3)：
[0204][0205]
根据分级标准损耗比等级定为1.419。
[0206]
(2)消费者敏感度指标赋值
[0207]
①
对缺陷判断能力
[0208]
运动夹克的主要购买群体主要是青少年家长，一般为30岁至40岁的成年男女。该群体具有一定的文化水平，但由于消费品召回自2008年开始发展，目前具备较强缺陷判定、维权意识的多为20岁左右年轻人，该类家长一般很难意识到产品的缺陷问题，并采取投诉、维权方式。因此，根据分级标准对缺陷的判断能力等级定位1。
[0209]
②
日常环境匹配性
[0210]
该类消费品的购买群体主要活动场所为办公区域，空余时间可能再次回到门店购物。该企业管理有限公司公布召回信息的方式为官方网站公告及门店公告，消费者的购买途径一般为电商平台或门店自购，很少会在官网上直接购买，因而，召回方式与消费者的日常活动场所匹配程度一般，根据分级标准对日常环境匹配性等级定为1。
[0211]
③
消费者偏向性
[0212]
根据该缺陷的特征，即调节松紧的绳带可以抽出，且无警示标识，在抽出后对儿童存在着缠绕的风险；该缺陷的解决办法，即一般家长遇见此类问题，为了避免召回麻烦，会自行将调节松紧的绳带抽出扔掉。根据以上分析，可得出消费者在收到召回通知后，多数参与召回意愿不强烈，根据分级标准对消费者偏向性定等级为0。
[0213]
(3)基于随机森林的基准退回率计算
[0214]
将某品牌青少年足球运动夹克的单值、寿命使用年限、投入使用时间、剩余价值和该单品的目标消费群体的对缺陷判断能力等级打分、日常环境匹配性等级打分和消费者偏向性等级打分输入基于随机森林的程序模型，得到其基准退回率为2.63％。
[0215]
2)召回效果评估
[0216]
(1)实际召回退回率与基准召回退回率比值计算
[0217]
根据公式(4)可以得出实际召回退回率除以基准召回退回率的商值如下：
[0218][0219]
(2)同一缺陷召回后受伤情况指标赋值
[0220]
①
召回后受伤频次
[0221]
根据该企业管理有限公司提交召回阶段性报告文件显示，在该类产品召回后未出现新的伤害投诉。并且，由于消除缺陷的方式比较简单，在后续召回期间也不易存在再次受伤的情况。因此，根据分级标准对同一缺陷召回后受伤次数等级定为3。
[0222]
②
召回后发生事故或伤害情况
[0223]
由于未出现新的伤害投诉，因而不存在受伤情况，无需判断其受伤严重程度。因此，根据分级标准对同一缺陷召回后受伤严重程度等级定为3。
[0224]
(3)评价指标赋值
[0225]
①
消费者满意度
[0226]
该企业管理有限公司较为及时采取召回，并提供指导视频可以让消费者高速有效的自主消除缺陷，响应召回活动的消费者满意度较好，根据分级标准对消费者满意度等级定为2。
[0227]
②
监管机构评价
[0228]
该企业管理有限公司在召回活动中对监管部门的配合程度较高，包括生产者积极配合召回，采取主动召回行为，以及根据监管要求提交召回相关文件，配合监管工作，根据分级标准对监管机构评价定为2。
[0229]
③
网络舆情情况
[0230]
通过对召回后该品牌该产品的舆情监测，发现大多数消费者对其召回表示满意的态度，多数评论为好评，少数为中立，基本无差评，且表示不会影响自身对该品牌其他产品的购买欲望，根据分级标准对网络舆情情况等级定为3。
[0231]
(4)基于随机森林的召回效果评估
[0232]
将某品牌青少年足球运动夹克的实际退回率、召回后受伤频次、召回后发生事故或伤害情况和消费者满意度等级打分、监管机构评价等级打分、网络舆情情况等级打分输入基于随机森林的程序模型，得到该品牌青少年足球运动夹克召回效果评估优度值为2.063。
[0233]
本发明实施例中，通过输入评估模型中指标体系的指标对应的数据值，可以计算得出召回效果优度值及对应等级、残余风险程度；根据指标中赋值等级较低的影响因子，对应提出需要改善的召回措施。通过案例验证可得召回效果评估模型合理性和可操作性。本发明提供的对消费品召回效果进行评估的方法，能够从多个指标和维度对不同企业消费品的召回效果进行客观评估，从而给企业对召回管理流程的优化提供依据。
[0234]
如图5所示，本发明实施例提供了一种基于随机森林算法的消费品召回效果评估装置500，该装置500用于实现上述一种基于随机森林算法的消费品召回效果评估方法，该装置500包括：
[0235]
数据获取模块510，用于获取召回消费品的数据与资料，基于层级评估模型以及逻辑框架法，提取召回消费品流程中、影响召回效果的关键因子。
[0236]
评估模块520，用于将关键因子输入到消费品召回效果评估模型。
[0237]
输出模块530，用于基于关键因子以及消费品召回效果评估模型，得到召回效果优度值，基于召回效果优度值对召回效果进行分级，基于分级结果得到召回效果的残余风险。
[0238]
可选地，s1中的关键因子包括基准退回率指标体系关键因子、召回效果评估指标体系关键因子。
[0239]
其中，基准退回率指标体系关键因子包括两个基准退回率一级指标，为消费品固有属性、消费者敏感度。
[0240]
基准退回率一级指标中的消费品固有属性包括两个基准退回率二级指标，为单值、损耗比。
[0241]
基准退回率一级指标中的消费者敏感度包括三个基准退回率二级指标，为对缺陷的判断能力、日常环境匹配性、消费者偏向性。
[0242]
召回效果评估指标体系关键因子包括三个召回效果评估一级指标，为同一缺陷召回后受伤情况、实际召回退回率除以基准召回退回率的商值、评价。
[0243]
召回效果评估一级指标中的同一缺陷召回后受伤情况包括两个召回效果评估二级指标，为召回后受伤频次、次生危险。
[0244]
召回效果评估一级指标中的评价包括三个召回效果评估二级指标，为消费者满意度、监管机构满意度、网络舆论情况。
[0245]
可选地，输出模块530，进一步用于：
[0246]
将基准退回率指标体系关键因子的评分输入到基准退回率计算模块，得到基准召回退回率。
[0247]
计算实际召回退回率除以基准召回退回率的商值；
[0248]
将召回效果评估指标体系关键因子的评分输入到召回效果评估模块，得到召回效果优度值。
[0249]
可选地，输出模块530，进一步用于：
[0250]
确定关键因子中单值、损耗比、实际召回退回率除以基准召回退回率的商值的评分，将评分输入到消费品召回效果评估模型；
[0251]
确定关键因子中对缺陷的判断能力、日常环境匹配性、消费者偏向性、召回后受伤频次、次生危险、消费者满意度、监管机构满意度、网络舆论情况的等级，根据等级确定对应的评分，将等级对应的评分输入到消费品召回效果评估模型。
[0252]
可选地，输出模块530，进一步用于：
[0253]
单值评分计算方法如下式(1)所示：
[0254][0255]
损耗比评分包括固有价值损耗比评分、寿命损耗比评分；
[0256]
固有价值损耗比评分计算方法如下式(2)所示：
[0257][0258]
寿命损耗比评分计算方法如下式(3)所示：
[0259][0260]
可选地，输出模块530，进一步用于：
[0261]
根据下式(4)计算实际召回退回率除以基准召回退回率的商值：
[0262][0263]
可选地，召回效果优度值的计算方法如下式(5)所示：
[0264][0265]
式中：e为消费品召回效果优度值；wi为第i个一级指标的权重；a
ij
为第i个一级指标下第j个二级指标的评分；w
ij
为第i个一级指标下第j个二级指标的权重；m为一级指标的个数；n为第i个一级指标下二级指标的个数。
[0266]
可选地，输出模块530，进一步用于：
[0267]
基于召回效果优度值，将召回效果分为差、一般、好三个等级，对应残余风险为低分险、可接受风险、不可接受风险。
[0268]
本发明实施例中，通过输入评估模型中指标体系的指标对应的数据值，可以计算
得出召回效果优度值及对应等级、残余风险程度；根据指标中赋值等级较低的影响因子，对应提出需要改善的召回措施。通过案例验证可得召回效果评估模型合理性和可操作性。本发明提供的对消费品召回效果进行评估的方法，能够从多个指标和维度对不同企业消费品的召回效果进行客观评估，从而给企业对召回管理流程的优化提供依据。
[0269]
图6是本发明实施例提供的一种电子设备600的结构示意图，该电子设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，cpu)601和一个或一个以上的存储器602，其中，存储器502中存储有至少一条指令，至少一条指令由处理器601加载并执行以实现下述基于随机森林算法的消费品召回效果评估方法的步骤：
[0270]
s1、获取召回消费品的数据与资料，基于层级评估模型以及逻辑框架法，提取召回消费品的流程中、影响召回效果的关键因子。
[0271]
s2、确定关键因子对应的评分，将关键因子对应的评分输入到消费品召回效果评估模型。
[0272]
s3、基于关键因子的评分以及消费品召回效果评估模型，得到召回效果优度值，基于召回效果优度值对召回效果进行分级，基于分级结果得到召回效果的残余风险。
[0273]
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述基于随机森林算法的消费品召回效果评估的方法。例如，计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
[0274]
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0275]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。