© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
杭州益往健康科技有限公司
企业杭州益往健康科技有限公司围绕相关业务开展运营。面向体检产品优化、消费行为分析、体检服务质量评估等领域提供数据服务，开放体检套餐消费潜力评估数据（体检产品优化、消费行为分析）、健康体检服务客户体检综合数据（体检服务质量评估、健康管理运营优化），支撑诊疗分析与医疗质控。
体检产品优化消费行为分析体检服务质量评估
数据集列表
健康体检支付退款问数垂类大模型语料数据
该数据可用于训练健康体检支付退款问数垂类大语言模型，使其能够深度理解体检订单在支付状态、支付方式、退款状态、价格带、套餐类别、发票申请、结算状态和订单金额方面的自然语言问题，并准确生成SQL查询。依托 `dwd_exam_payment_refund_fact` 表中的 `order_code`、`order_month`、`institution_code`、`institution_type`、`package_category`、`price_band`、`payment_status`、`payment_method`、`invoice_requested`、`settlement_status`、`order_amount`、`invoice_amount` 等字段，模型可理解“某月微信支付订单支付完成率是多少”“退款订单主要集中在哪些套餐类别”“高价套餐退款率是否偏高”“申请发票订单的平均金额是多少”等财务运营问题。财务、运营和客服团队可基于该语料快速适配支付转化、退款治理、发票服务、收入确认和结算复盘场景，降低人工核算支付台账和退款台账的成本。本数据为健康体检行业提供面向1.数据预处理：对订单月份、机构类型、套餐类别、价格带、支付状态、支付方式、发票申请状态、结算状态、订单金额和发票金额进行清洗，统一支付状态为未支付、待支付、已支付、已退款、退款中、申请退款等口径。金额字段保留两位小数并进行非负校验，价格带与订单金额、套餐类别保持一致。
2.问题收集与分类：从财务运营、支付转化、退款处理、发票服务和收入复盘场景中收集问题，按支付状态结构、支付方式结构、支付完成率、退款订单、退款率、价格带支付、套餐类别支付、发票申请支付、结算支付联动、平均订单金额和支付流失等类别组织语料。
3.核心算法建模：构建“语义解析-查询生成-异常检测-逻辑验证”全流程算法体系。
（1）语义解析与结构化：将“已支付”“待支付”“已退款”“退款中”“微信支付”“支付宝”“申请发票”“平均订单金额”“退款率”等表达映射到 `payment_status`、`payment_method`、`invoice_requested`、`order_amount`、`invoice_amount` 字段。
（2）SQL生成与初步验证：支付完成数通过 `payment_status='已支付'` 条件聚合，退款相关订单数通过已退款、退款中、申请退款等状态聚合，退款率和支付率按订单数计算，平均订单金额使用 `AVG(order_amount)`，发票金额使用 `SUM` 或 `AVG(invoice_amount)`。
（3）异常值检测：检测订单金额、发票金额是否为负，检测发票金额是否明显超过订单金额，检测支付率、退款率是否超出0-100%，检测退款状态是否被错误计入支付完成订单。
（4）逻辑核验与优化：由财务或运营人员核验支付状态、退款状态、发票申请和结算状态之间的业务逻辑，确保结果可用于支付转化分析和退款治理。
4.语料库迭代优化：根据模型在支付退款问数中的反馈，持续补充高退款价格带、低支付转化月份、发票申请异常和结算未闭环样本。该算法规则确保本语料数据能够支撑体检支付退款链路的自然语言查询、模型训练和财务运营评测。
浙江省数据知识产权登记平台2026-09-24 更新00
健康体检用户画像问数垂类大模型语料数据
该数据可用于训练健康体检用户画像问数垂类大语言模型，使其能够理解体检用户在人群结构、年龄分布、性别结构、婚育状态、套餐偏好、支付状态、消费金额和复购分层等方面的自然语言查询，并准确转换为SQL。依托 `dwd_exam_user_profile_fact` 表中的 `order_code`、`user_code`、`order_month`、`institution_type`、`gender`、`age_band`、`marital_status`、`pregnancy_status`、`package_category`、`payment_status`、`order_amount`、`repeat_segment` 等字段，模型可回答“25-34岁女性更偏好哪些套餐”“已婚用户支付完成率如何”“复购用户平均消费金额是多少”“不同年龄段用户退款结构如何”等体检用户经营问题。平台可基于该语料构建面向客群洞察、套餐推荐、专项营销和用户运营复盘的自然语言查询能力，帮助业务人员快速理解用户结构与套餐需求的关系。本数据为健康体检行业提供面向用户画像分析的问数语料库，支撑人群分层运营、产品供给
浙江省数据知识产权登记平台2026-09-17 更新00
健康体检套餐供给结构问数垂类大模型语料数据
该数据可用于训练健康体检套餐供给结构问数垂类大语言模型，使其能够理解体检套餐在供给数量、价格带、启停状态、机构类型、适用性别、婚姻状态、孕妇适用状态、预约人数配置和订单覆盖方面的自然语言问题，并生成准确SQL。依托 `dwd_exam_package_supply_profile` 表中的 `package_code`、`package_name_masked`、`institution_code`、`institution_type`、`package_category`、`package_price`、`price_band`、`valid_status`、`gender_scope`、`marital_scope`、`pregnant_allowed`、`reservation_number_package` 等字段，模型可理解“某机构类型启用套餐有多少”“女性专项套餐价格带分布如何”“哪些套餐类别供给不足”“孕妇不可用套餐主要集中在哪些类别”等体检产品管理问题。产品运营团队可使用该语料快速适配套餐上架治理、价格分层分析、套餐规则检查和供给结构优化场景，减少人工维护套餐台账的工作
浙江省数据知识产权登记平台2026-09-17 更新00
体检用户分群行为与价值分析数据
该数据集围绕体检用户分群行为与价值特征开展分析，通过对不同性别及年龄段用户在不同地域的预约行为、到检情况、取消情况及复购表现等关键指标进行系统统计与评价，构建体检用户分群行为与价值分析体系，全面反映不同用户群体在健康消费行为、服务转化能力及长期价值贡献方面的差异特征。数据能够识别高价值复购人群分布区域、不同年龄与婚姻状态下的消费偏好差异、预约转化效率低的人群结构以及到检率偏低的风险群体，解决体检行业长期存在的用户分层不清晰、精细化运营能力不足、区域市场策略缺乏依据以及用户生命周期价值难以量化等实际痛点。数据成果可为体检机构开展精准用户运营、区域市场布局优化、个性化套餐推荐及客户价值管理提供依据，同时为健康管理行业建立用户分层体系、提升转化效率及优化资源投放提供数据支撑，推动体检服务从统一运营向精细化、分层化、数据驱动的用户价值运营模式转型，提高整体用户运营效率与商业转化能力。1.到检率评分
- 指标: 到检率(%)
- 计算公式: 到检人数 / 预约记录数 * 100
- 评分规则: 到检率 >= 90 → 100分；>= 80 且 < 90 → 85分；>= 70 且 < 80 → 70分；>= 60 且 < 70 → 50分；< 60 → 30分
2.复购率评分
- 指标: 复购率(%)
- 计算公式: 复购用户数 / 用户数量 * 100
- 评分规则: 复购率 >= 20 → 100分；>= 12 且 < 20 → 85分；>= 6 且 < 12 → 70分；>= 2 且 < 6 → 50分；< 2 → 30分
3.用户规模评分
- 指标: 用户数量
- 评分规则: 用户数量 >= 100 → 100分；>= 50 且 < 100 → 85分；>= 20 且 < 50 → 70分；>= 5 且 < 20 → 50分；< 5 → 30分
4.用户价值评分 = 到检率评分 * 0.40 + 复购率评分 * 0.35 + 用户规模评分 * 0.25
5.等级判定: 依据用户价值评分，>= 90 → A；>= 80 且 < 90 → B；>= 70 且 < 80 → C；>= 60 且 < 70 → D；< 60 → E
6.权重解释:
- 到检率评分（权重0.40）: 反映客群预约后的真实履约意愿，是用户质量画像的核心
- 复购率评分（权重0.35）: 反映用户持续体检需求和平台黏性，是衡量客群长期价值的重要指标
- 用户规模评分（权重0.25）: 反映该类客群的覆盖规模，用于判断画像分群的经营开发价值
浙江省数据知识产权登记平台2026-09-12 更新20
健康体检预约订单问数垂类大模型语料数据
该数据可用于训练健康体检预约订单问数垂类大语言模型，使其能够深度理解体检预约运营中关于订单月份、体检月份、体检星期、体检机构、套餐类别、预约状态、支付状态、号源类型和订单金额的自然语言查询，并准确转化为SQL。依托 `dwd_exam_reservation_order_fact` 表中的 `order_code`、`order_month`、`exam_month`、`exam_weekday`、`institution_code`、`institution_type`、`package_code`、`package_category`、`appointment_status`、`payment_status`、`source_type`、`order_amount` 等字段，模型可回答“某月预约订单数是多少”“不同机构类型支付率如何”“周几体检预约最多”“哪些套餐类别取消率较高”“公共号源订单平均金额是多少”等预约经营问题。平台运营人员可基于该语料快速生成预约日报、状态分布、套餐运营复盘、体检日期热度分析和号源结构分析，减少人工从订单表、明细表、机构表和套餐表反复汇总的成本。本数据
浙江省数据知识产权登记平台2026-09-04 更新30
健康体检预约订单问数垂类大模型语料数据
该数据可用于训练健康体检预约订单问数垂类大语言模型，使其能够深度理解体检预约运营中关于订单月份、体检月份、体检星期、体检机构、套餐类别、预约状态、支付状态、号源类型和订单金额的自然语言查询，并准确转化为SQL。依托 `dwd_exam_reservation_order_fact` 表中的 `order_code`、`order_month`、`exam_month`、`exam_weekday`、`institution_code`、`institution_type`、`package_code`、`package_category`、`appointment_status`、`payment_status`、`source_type`、`order_amount` 等字段，模型可回答“某月预约订单数是多少”“不同机构类型支付率如何”“周几体检预约最多”“哪些套餐类别取消率较高”“公共号源订单平均金额是多少”等预约经营问题。平台运营人员可基于该语料快速生成预约日报、状态分布、套餐运营复盘、体检日期热度分析和号源结构分析，减少人工从订单表、明细表、机构表和套餐表反复汇总的成本。本数据1.数据预处理：对预约订单编码、订单月份、体检月份、体检星期、机构类型、套餐编码、套餐类别、预约状态、支付状态、号源类型和订单金额进行清洗标准化。统一月份格式为 `YYYY-MM`，统一预约状态和支付状态字典，剔除删除记录、金额负值记录和关键字段缺失记录，体检星期由体检日期标准化得到。
2.问题收集与分类：从预约运营、订单日报、套餐复盘、号源分析和经营管理场景中收集问题，按预约订单规模、月度预约趋势、机构类型预约、套餐类别预约、预约状态结构、支付完成订单、取消订单、体检星期分布、平均订单金额、号源预约结构、支付率和取消率等类别整理语料。
3.核心算法建模：构建“语义解析-查询生成-异常检测-逻辑验证”全流程算法体系。
（1）语义解析与结构化：将“本月”“某月”“体检星期”“机构类型”“套餐类别”“预约状态”“支付完成”“取消预约”“公共号源”等表达映射到 `order_month`、`exam_weekday`、`institution_type`、`package_category`、`appointment_status`、`payment_status`、`source_type` 字段。
（2）SQL生成与初步验证：订单数采用 `COUNT(order_code)`，支付完成订单数和取消订单数采用条件聚合，平均订单金额采用 `AVG(order_amount)`，支付率和取消率按订单总数计算。按月份、体检星期、机构类型、套餐类别、预约状态、支付状态和号源类型进行分组。
（3）异常值检测：检测订单金额是否为负，检测支付率和取消率是否超出0-100%，检测取消订单是否被错误计入有效支付完成，检测体检月份和订单月份是否存在异常时间跨度。
（4）逻辑核验与优化：由预约运营人员核验订单、机构、套餐、号源、状态和金额口径是否一致，确保查询结果能直接用于预约运营日报和经营复盘。
4.语料库迭代优化：根据模型在预约订单问数中的实际反馈，持续补充高取消套餐、低支付机构、热门体检星期、高订单月份和公共号源样本。该算法规则确保本语料数据能够为健康体检预约运营问数垂类大语言模型提供专业、准确、可复用的训练支撑。
浙江省数据知识产权登记平台2026-09-18 更新00
健康体检号源与预约提前期问数垂类大模型语料数据
该数据可用于训练健康体检号源与预约提前期问数垂类大语言模型，使其能够理解体检预约过程中关于公共号源、专场号源、报名类型、预约提前期、预约状态和支付状态的自然语言查询，并准确生成对应SQL。依托 `dwd_exam_booking_source_leadtime_fact` 表中的 `order_code`、`order_month`、`exam_month`、`institution_code`、`institution_type`、`package_category`、`source_type`、`booking_type`、`appointment_status`、`payment_status`、`booking_lead_days`、`booking_lead_band`、`public_ahead_days`、`special_ahead_days` 等字段，模型可掌握“公共号源平均提前几天预约”“专场号源取消率是否偏高”“不同套餐类别的预约提前期分布”“某机构类型号源支付率如何”等体检预约资源配置问题。运营人员可基于该语料快速适配号源管理、预约规则优化、体检日期资源调度和高
浙江省数据知识产权登记平台2026-09-17 更新00
健康体检机构区域资源布局问数垂类大模型语料数据
该数据可用于训练健康体检机构区域资源布局问数垂类大语言模型，使其能够深度理解体检平台在机构覆盖、区域资源配置、公共体检开放、提醒服务、发票服务和套餐供给方向的自然语言问题，并准确转化为对应的SQL查询语句，从而实现体检机构资源布局的高效查询与分析。依托 `dwd_exam_institution_region_layout` 表中的 `institution_code`、`institution_name`、`province_code`、`city_code`、`district_code`、`institution_type`、`public_exam_open`、`reminder_enabled`、`invoice_supported`、`package_count`、`active_package_count`、`order_count` 等字段，模型经训练后可精准理解“某城市不同区县有多少体检机构”“哪些机构类型套餐供给不足”“公共体检开放机构的预约承载如何”“哪些区域需要补充合作机构”等体检资源布局问题。体检平台、医院合作部门和区域运营团队可基于本语料数据快速适配机构资源
浙江省数据知识产权登记平台2026-09-16 更新10
健康体检支付退款问数垂类大模型语料数据
该数据可用于训练健康体检支付退款问数垂类大语言模型，使其能够深度理解体检订单在支付状态、支付方式、退款状态、价格带、套餐类别、发票申请、结算状态和订单金额方面的自然语言问题，并准确生成SQL查询。依托 `dwd_exam_payment_refund_fact` 表中的 `order_code`、`order_month`、`institution_code`、`institution_type`、`package_category`、`price_band`、`payment_status`、`payment_method`、`invoice_requested`、`settlement_status`、`order_amount`、`invoice_amount` 等字段，模型可理解“某月微信支付订单支付完成率是多少”“退款订单主要集中在哪些套餐类别”“高价套餐退款率是否偏高”“申请发票订单的平均金额是多少”等财务运营问题。财务、运营和客服团队可基于该语料快速适配支付转化、退款治理、发票服务、收入确认和结算复盘场景，降低人工核算支付台账和退款台账的成本。本数据为健康体检行业提供面向
浙江省数据知识产权登记平台2026-09-11 更新20
体检用户分群行为与价值分析数据
该数据集围绕体检用户分群行为与价值特征开展分析，通过对不同性别及年龄段用户在不同地域的预约行为、到检情况、取消情况及复购表现等关键指标进行系统统计与评价，构建体检用户分群行为与价值分析体系，全面反映不同用户群体在健康消费行为、服务转化能力及长期价值贡献方面的差异特征。数据能够识别高价值复购人群分布区域、不同年龄与婚姻状态下的消费偏好差异、预约转化效率低的人群结构以及到检率偏低的风险群体，解决体检行业长期存在的用户分层不清晰、精细化运营能力不足、区域市场策略缺乏依据以及用户生命周期价值难以量化等实际痛点。数据成果可为体检机构开展精准用户运营、区域市场布局优化、个性化套餐推荐及客户价值管理提供依据，同时为健康管理行业建立用户分层体系、提升转化效率及优化资源投放提供数据支撑，推动体检服务从统一运营向精细化、分层化、数据驱动的用户价值运营模式转型，提高整体用户运营效率与商业转化能力。
浙江省数据知识产权登记平台2026-08-31 更新50