传媒当前位置:阳泉新闻中心 > 传媒 >

以知识图谱技术驱动场景化运营,提升存量运营

时间:2020-07-31 03:35 来源: 作者:阳泉新闻中心

1 背景

中国移动已进入 客户需求多元化、客户体验个性化、行业特征高度适配化 的数字化运营阶段,商业形态、运营模式相比以往都发生了巨大变化,如何利用大数据、人工智能等新技术,根据通信与数字化服务数据来精准识别客户潜在意图、负面倾向,并发现新商机、避免升级投诉,决定了未来的发展空间与竞争能力。

2020年以来,人工智能领域的发展趋势正在发生重要的变化,由 感知智能 向 认知智能 。 认知智能 是人工智能技术发展的高级阶段,旨在赋予机器数据理解、知识表达、逻辑推理、自主学习的能力,使机器能够拥有类似人类的智慧,甚至具备各个行业领域专家的知识积累和运用的能力。认知智能的实现离不开知识图谱技术、自然语言处理技术的支撑。知识图谱就是让机器识别人类经验知识的一种很好的表达方法,通过schema建立数据关系模型来表达客观世界,让机器认识世界,通过在关系模型上建立推理规则来表达人类积累的专业经验,让机器去改造世界。

因此,天津公司在知识图谱赋能业务运营领域持续努力,打造了构建 一体两面 的知识图谱运营体系,在智能应答和存量运营两大核心业务领域开展了一系列知识图谱赋能实践,先后完成了智能应答知识图谱,企管支撑知识图谱,权益运营知识图谱,5G换机知识图谱,预离网知识图谱,预沉默知识图谱,并打造了面向运营人员的知识图谱个性化管理系统,嵌入到大数据微营销平台中,尤其注重知识图谱赋能重要场景和重点业务运营工作,并嵌入公司运营管理主体流程中形成固化,在存量经营、客户服务、零售运营、预警挽留等多个领域全场景打造AI标杆应用,并验证了AI赋能业务的价值和规模化应用的可行性,同时积极推进能力的共享开放、应用推广。

2 场景化运营成果

天津公司沉淀了多项重要知识图谱模型的通用方法,搭建了完整的知识图谱训练和推理应用架构,打造了构建 一体两面 的知识图谱运营体系,在图谱构建、营业推荐、存量保有等领域打造了6大标杆应用,正在持续优化和推广中。

一体:知识图谱运营管理系统。嵌入IOP微营销主流程,实现个性化数据选择、模型训练和客群生成。

两面:智能应答知识图谱,存量运营知识图谱。其中,智能应答知识图谱包括:系统运维知识图谱:在运维服务领域应用知识图谱,赋能智能应答系统进行自服务、预服务;企管知识图谱:打造面向企管支撑场景的个性化知识图谱,从历时工单挖掘规律,辅助问题解决。存量运营知识图谱包括:权益知识图谱:基于互联网权益订购种子用户进行用户群识别+权益推荐;5G换机知识图谱:通过5G终端用户进行属性知识推理,识别5G换机商机;预离网知识图谱:离网预警,客户维系和业务推荐;预沉默知识图谱:沉默用户预先识别,主动运营服务。

(1)系统运维知识图谱

打造了面向B域服务领域的专用知识图谱,构建运维语义网络,将运维知识实体之间的关系和逻辑进行图形化展示,为 集智帮帮堂 智能机器人输出智慧应答能力,为工单处理输出自动回复能力。在CRM/BOSS等营业前端,提供业务/服务/数据/事件之间复杂关系的结构化输出,串联运营与运维,为中国移动业务、服务、营销、运维等全量场景提供图谱化的实体逻辑支撑,驱动业务服务一体化,服务支撑智能化,海量数据处理自动化。知识图谱系统的训练数据来源于海量的BOMC工单、在线客服记录、业务需求文本等,通过语义、逻辑识别,抽取出实体(业务、故障、异常、需求等)之间的关系,在客服系统实现语义搜索、智能问答、可视化业务知识搜索。

系统运维知识图谱作为智能应答的核心功能,也是中国移动智慧中台一期(2020年)建设内容的重要场景之一,通过以自然语言生成、知识图谱意图切换、运维知识融合、原子化语义抽取等技术打造运维机器人,以智能运维助手方式对网格支撑、营业一线等实现倒三角服务支撑,目前已入驻集团统一AI中台,实现了一点部署、全网赋能,输出知识图谱能力。

(2)企管知识图谱

针对企管客户支撑的垂直行业场景,打造了 多轮对接+知识图谱 驱动的智能应答机器人及知识图谱系统,企管知识图谱是运维知识图谱构建模式在企管支撑领域的个性化应用,也是基于历史工单记录的客户需求预测,融合 集智帮帮堂 帮助台大厅实现客户问题的智能处理,以AI技术确保问题能得到合理反馈,机器人服务感知良好。同时,企管知识图谱的性能和精益运营密不可分,系统结合业务流程和机器学习,打造了 人-机 协同的知识图谱运营模式,实现快速敏捷的知识沉淀、提取和赋能。

(3)权益推荐知识图谱

针对互联网权益的运营和推荐是集团公司年度重点工作,天津公司构建知识图谱驱动的权益新体系,以知识图谱语义网络捕捉客户潜在意图及推荐商机,基于多种可能的推荐链路进行推荐排序,将大数据系统、IOP微营销、CRM权益产品及优惠等系统能力进行语义链接,将传统的业务数据转化为三维关系型数据。权益推荐知识图谱每个实体节点均为一名客户,关系链接构建的源数据主要有两类:基础属性(标签),作为客户意图挖掘和个性化推荐的基础,蕴含丰富的语义信息,如用户使用终端品牌、用户等级、用户品牌、消费金额、异常特征等,将属性进行定量分析后即可生成属性类关系;互联网内容偏好(DPI解析的浏览频次),通过获取用户订购信息并进行权益使用的定量分析后,生成具体互联网APP(优酷,腾讯视频、爱奇艺等)偏好类关系;将客户号码与 基础属性、互联网内容偏好、权益订购记录 三类语义关系进行统一整合后,生成了全量用户的图谱关系网。在大数据运营基础上引入AutoML理念,实现海量数据的智能挖掘和规则提取,驱动权益优惠在全量客户进行精准投放,助力外呼营销、企业微信等营业场景进行权益精益推荐,同时知识图谱的推荐解释能力可以赋能客户服务系统,实现客户感知提升。

(4)5G换机知识图谱

5G换机知识图谱和权益知识图谱的实现方式类似,也是基于图网络的协同过滤+链路预测方式,针对种子用户(已换机5G用户)寻找属性最相似的客户群,并进行推荐最佳终端型号。大数据标签库作为客户意图挖掘和个性化推荐的基础,蕴含诸如属性、基本信息、终端偏好、品牌偏好、换机特征、行为特征、位置、家庭关系等丰富的语义信息,客户号码与便签均作为知识图谱的 实体 ,两者关系作为 边 ,另外也纳入客户对5G终端的浏览日志作为偏好标签,共纳入基础属性(包括10个基础属性、12个5G换机专用标签),和客户在主流电商平台的5G终端搜索记录偏好标签11个,构建知识图谱并基于链路预测方式,根据已5G换机用户对其他全量用户的换机概率进行预测,输出客户针对主流5G终端品牌(小米、华为、oppo等)的换机推荐型号及置信度。推荐结果以IOP方式对全渠道输出,反馈到前端业务工具支撑渠道经理、存量运营经理等进行终端推荐,推荐理由也可辅助生成推荐话术,运营逻辑也可固化下来成为知识,协助权益运营策略不断迭代优化。

(5)预沉默识别知识图谱

天津公司基于知识图谱打造了预离网客户识别模型,基于知识图谱技术对预沉默属性的重要影响度进行知识推理、聚类分析,对于不同类别结合专家对预沉默用户特征给出类别的名称和描述,帮助运营人员进行分析预沉默用户的原因。模型首先通过随机森林算法实现标签针对场景的重要性排序,通过KNN算法建立待识别客户的联系,形成语义网络,根据标签传播算法(LPA)实现面向图神经网络的半监督学习方法,实现已处于 预离网 状态的客户标签向全量用户标签的传播,输出离网高风险客户号码列表和离网概率。算法实施过程中,基于节点影响度分析算法计算用户对于周边链接节点的影响度,基于信息增益等机器学习指标筛选判断指标是否对于用户是否离网有显著影响,影响大的作为显著特征,影响用户和显著特征做相似度匹配,相似度高的作为大概率离网用户,输出做对应提前预警。

3 统一运营管理

知识图谱必须嵌入公司主体业务运营流程才能体现价值,针对目前现有的一系列专用知识图谱模型,包括权益知识图谱、5G换机识别知识图谱和沉默识别知识图谱等,知识图谱关系复杂,基础数据量大,为了便于每一位存量运营人员都能灵活方便的使用知识图谱,天津公司构建了存量运营知识图谱管理系统,力求数据融合、业务融通、算法融智,针对大数据平台输出的全量用户属性宽表、全量用户服务工单记录及在线会话记录,实现模型的个性化设置和独立训练,并基于业务需求输出结果。具体业务条线的运营人员,针对大数据同步的全量客户属性宽表,可以个性化灵活选择符合自身场景的标签,并基于自身运营场景进行生活、音乐、视频、阅读等偏好的个性化选择,并灵活设置推荐权益与属性之前的推荐权重,每一名存量运营人员可以基于自身需要去训练个性化知识图谱,实现敏捷高效的支撑模式。在任务管理模块,运营人员可以管理自定义模型的训练状态、推荐结果生成状态,并对推荐结果进行测试和验证,实现模型训练的 事前-事中-事后 全流程可视化管控。

4 应用效果

天津公司已构建一系列知识图谱,链接用户需求、知识、常识、权益和商机,基于语义推荐链路进行权益推荐排序,嵌入IOP主流程,实现赋能大数据标签库/微营销平台进行个性化推荐,智能客户画像,用户群智能分析及生成,用户权益协同营销,在前端应用(电子渠道,CRM,轻量化工具,短信,外呼等)实现权益运营的集中化支撑。具体效果包括:

权益运营知识图谱,基于天津公司900万全量客户的17类基础属性(标签)和9类市场部关注互联网内容权益(爱奇艺、腾讯视频等),生成RDF三元组数据2.09亿条,并基于基础关系数据生成105亿条推荐链路(权益推荐方案),已纳入IOP实现全公司赋能。针对随心选双V会员优惠的外呼推荐中,在5月22日的成功率最高达16.1%,相比传统方法提升了10%,实现面向权益运营的营销推荐办理率大幅度提升。

5G潜在换机知识图谱,纳入5G换机相关的客户标签宽表及客户的终端浏览记录,完成第一轮模型训练,输出客户针对主流5G终端品牌(小米、华为)等的偏好概率,由于本阶段纳入的属性过多,达到40余个,生成推荐链路超过500亿条,第一阶段形成9.8万5G换机推荐目标客户,目前正在基于进行图数据库加速运算,结合推荐结果进行优化迭代。

运维知识图谱已与2019年12月正式上线,与 集智帮帮堂 协同实现智能客服、知识库、工单处理和服务预测功能,已抽取出400种故障现象,48种解决方案,最终生成8311个图谱关系,累计为内外部客户提供了2.5万人次的智能应答服务。在人工智能技术的助推下,天津公司的智能应答会话在总服务中的占比已达51%,整体服务效率提升约25%。直接回复率提升了10%,降低投诉工单总量20%。现阶段针对现存问题进行集中梳理,形成N大技术提升项目群,协调了专业的AI专家、博士团队集中攻关,在自然语言生成技术、知识图谱意图切换,BERT模型个性化训练、个性化微调技术,原子化语义抽取等人工智能领域取得新突破,提升系统认知水平。

预沉默知识图谱累计纳入2.3万预离网种子用户,对12万特殊选取的用户生成预测结果,得到3.8万的待维系客户群,查全率达85%,查全率达63%,验证了模型的识别准确性。针对识别成功的客户,6月已执行了5248名用户的维系挽留,办理成功量625,办理成功率18.3%,大幅超出非AI模型识别的成功率12%,直接经济效益显著。

5 下一步发展

中国移动的存量运营场景是 大数据+AI赋能 的重要方向,天津公司计划基于目前知识图谱1.0基础能力,打造以存量运营 场景 为中心的知识图谱2.0-认知图谱NeoCoCo(Now existing operation Cognitive Concept Net,存量运营认知概念网络),系统包含面向运营场景的概念层(概念标签),原子层(原子标签),分层理论库(基于原子属性分层链接实体),运营策略库(面向场景的维系、推荐、服务策略)。基于已订购具体业务或已存在具体画像(预离网、预沉默等)的种子用户在图网络中进行链路预测,查询所有实体中和种子用户最相近的客户,形成推荐、维系、服务、运营的目标客户群,并匹配策略库进行存量运营。另外,通过引入半监督学习机制,基于现有原子标签及标注来挖掘和生成新的概念标签,实现AI模型中概念的自动扩展和优化。

团队介绍

天津公司面向运营和服务的系列知识图谱均为AI实验室出品,天津公司AI实验室以两名集团级IT专家赵东明和田雷为负责人,累计25名成员,聚焦人工智能和大数据领域,持续推进计算机视觉、机器人和知识图谱三大方向的科学研究和产品开发,在知识图谱、机器阅读理解、计算机视觉和SLAM机器人等研究方向上形成一系列重要成果。AI实验室同时也是天津移动博士后科研工作站的依托单位,2020年至今已产出2篇SCI/EI论文,3项发明专利,10项集团自立研发计划和1项集团重点研发计划,5项国家/省部/集团级创新成果,孵化2项自主开发大赛产品,目前在12个子方向全力推进年度AI研发计划。

赵东明,博士,浙江大学博士后,AI实验室负责人,集团公司运维高级专家/专家池负责人,高级工程师,主要负责AI实验室发展规划、知识图谱体系构建、前沿技术研究和项目统筹管理。

田雷,北京大学硕士,算法专家,AI实验室负责人。主要负责大数据和AI算法研发,以及大数据平台管理,利用大数据和集群计算能力,训练知识图谱模型并持续优化。

刘静,华中师范大学硕士,中国移动集团专家、CPDA数据分析师,擅长基于AI算法研究,进行客户需求深度挖掘,存量客户精准运营。

石理,南开大学软件工程专业硕士,高级系统架构师,精通自然语言处理和深度学习算法与建模,负责运维知识图谱的工程实现。

槐秋媛,北京邮电大学硕士研究生,深刻了解知识图谱模型,负责运维数据标注及场景化和质量建设工作。

吴娜,北京邮电大学硕士研究生。目前主要负责图谱数据标注、知识共享管理,知识库研发及数据分析工作。

陈晨,北京交通大学硕士,擅长数据分析和数据运营,数据敏感性强,负责AI知识图谱应用于终端权益的运营工作。

刘帅,南开大学硕士,目前专注基于AI算法的客户精准运营的研究与实现,熟悉常用机器学习算法理论、建模方法论。

崔建军,西安电子科技大学学士,专注技术驱动客户运营,数据专家,主要负责实验室关于潜在离网用户模型的应用场景。

上一篇:上海国际电影节短视频单元圆满收官,中国移动
下一篇:稳居公有云第一梯队,天翼云市场份额实现持续

友情链接