首页 > 技术

认知智能浪潮将至,企业技术底座和业务流程变革在即 | 爱分析报告

2023-04-06 16:19:05      头条新闻网   


  报告编委黄勇 爱分析合伙人&首席分析师 李进宝 爱分析高级分析师 陈元新 爱分析分析师 外部专家(按姓氏拼音排序) 何敏 明略科技集团副总裁 尤辉 竹间智能 售前经理 周宁捷 拓尔思 金融和产业大脑产品中心总经理

  特别鸣谢(按拼音排序)

  目录

  1. 报告综述

  2. 知识图谱平台实践

  3. NLP平台实践

  4. 会话智能实践

  5. 结语

  1.报告综述

  认知智能以新技术和新产品为抓手,可以为企业带来从技术底座到业务流程的重大变革。对于技术底座的影响主要来自知识图谱平台和NLP平台。知识图谱平台是面向企业打造业务场景应用、挖掘数据价值的需求,构建基于自然语言处理和知识图谱技术,集知识建模、抽取、融合、存储、计算、推理以及应用为一体的知识全生命周期的管理平台。NLP平台是指使用机器学习、深度学习、知识图谱等技术,通过计算机编程,将文本、声音等自然语言数据编码成结构化信息的赋能平台。知识图谱平台和NLP平台是企业迈向认知智能的“必修内功”,企业将其融入自身技术底座后可以对上层的应用和业务进行赋能。

  认知智能已有较多成熟应用,可以分为通用认知智能应用和行业认知智能应用两大类。前者包括对话机器人、智能文档处理和会话智能等,后者包括智能风控、智能诊疗和智能融媒体等。认知智能应用具备对企业业务流程变革施加影响的能力。以通用认知智能应用中的会话智能为例,会话智能是基于ASR、NLP、机器学习等技术,从非结构化的会话数据中为用户提供话术质检分析、意图捕捉、流程管理等能力的解决方案。会话智能让销售管理人员与一线销售人员的沟通协同、监督管理工作迈向自动化和智能化,具备改变销售管理工作流程的能力。再以行业认知智能应用中的智能诊疗为例,智能诊疗是指将知识图谱、机器学习、自然语言处理等人工智能技术用于辅助诊疗当中,使计算机能够模拟医生诊疗时的思维逻辑,在实际应用时给出诊疗方案,为医生提供决策支撑,提升医疗效率和质量,应用领域包括智能诊断、治疗方案推荐、医学知识库、检查辅助等。智能诊疗具备改变基层医疗机构、医院门诊、医院影像科医生工作流程的能力,“医生+AI”协同向患者提供医疗服务。

  如今,ChatGPT爆火,短短数月影响力便辐射全球。ChatGPT强大的自然语言生成能力让人们看到了获得通用人工智能的可能性,这将对人们的生产生活带来颠覆性变革。以ChatGPT为代表的大语言模型属于认知智能范畴,这位重量级新成员的加入,将导致企业技术底座到业务流程的变革的持续深化。

  本报告选取已取得较多落地成果的知识图谱平台、NLP平台、会话智能和智能诊疗作为研究对象,围绕相关产品及解决方案在大中型企业和银行的落地应用展开研究,重点分析认知智能各特定市场甲方的需求和落地情况。

  图 1 认知智能市场全景地图

  2.知识图谱平台实践

  知识图谱平台的甲方以集团型企业为主,这类企业数据规模庞大,有整合、利用数据的需求,需要打造部门级乃至集团级知识图谱,将数据负担转变为数据资产。也有一部分行业龙头企业希望构建产业级知识图谱,将企业影响力辐射到全产业。知识图谱平台终端使用者为IT部门,以及研发、质量、营销、售后等业务部门。

  企业使用知识图谱平台构建行业知识图谱,并为其配备上层应用,以发挥知识图谱价值。主要应用场景包括智能搜索、智能推荐、图分析等。智能搜索主要应用知识图谱存储功能和知识图谱平台自然语言处理模块,精准理解用户意图,并提供快速检索服务。此类应用旨在充分发挥企业数据中隐藏的洞察,使多源异构数据实现跨数据源关联,不仅能解答用户知识性问题,还可以推动决策发展。例如具有智能问答能力的智能客服,能对用户问题进行实体抽取和情感分析,准确定位到知识图谱中的特定实体及其关系,提供贴近需求的答案。智能推荐则根据用户浏览历史和浏览偏好,通过知识图谱当中的实体及其关系结构,在搜索结果中提供符合用户期待的知识。例如电商平台产品推荐功能,推荐系统可根据用户浏览记录为其建模,再通过算法将用户模型与产品匹配,将其按相关度向用户推荐。图分析是指以基于图的方法分析数据及其关系,并以可视化方式探索和展示图,常用于关联风险和潜在客户挖掘。例如,在风险投资场景下,知识图谱可通过投资关系、协议等数据分析出实际支配公司行为的自然人和企业,进行实际控制人挖掘,进而分析企业潜在的风险信息,综合判断投资价值。

  表格 1 知识图谱平台主要应用场景

  知识图谱平台的项目总时长为6个月左右。项目落地期间,企业数据质量和知识图谱上层解决方案是影响项目周期的关键因素。数据质量方面,如果企业结构化数据占比较高,知识图谱平台可以直接与企业数据库对接,快速完成数据导入。如果企业数据异构化程度高,厂商需要投入更多时间进行非结构化数据的实体、关系和属性抽取,项目周期也会随之拉长。如果企业希望构建行业标准知识图谱,厂商需要处理海量异构文档,项目通常会分期交付。另外,企业对知识图谱上层解决方案通常有定制化要求,如可视化展板定制、业务系统集成定制等。为解决这类需求,厂商要对知识图谱上层应用的标准组件进行二次开发,也会延长项目周期。

  在知识图谱平台项目落地阶段,企业比较关注项目实施速度和知识图谱性能。一方面,企业希望缩短知识图谱构建和上层应用开发周期,使知识图谱能尽快赋能业务。相应地,厂商需要在过往项目中积累语料、预训练模型和解析器,在构建知识图谱时能快速复用,以产品化、系统化方式缩短构建周期。此外,厂商应当具备丰富的知识图谱上层应用组件,能根据企业需要复用现有解决方案,或基于标准解决方案进行二次开发。另一方面,知识图谱使用性能是企业关注的问题。有构建知识图谱需求的企业,数据规模通常很庞大,传统关系型数据库难以实现复杂的关系查询需求。厂商需要根据数据使用场景选择合适的存储结构,如关联风险查询场景需要穷究实体关系,图数据库更适合存储数据。

  案例1: 太极股份打造产业级信创知识库,为中国信创事业发展夯实知识底座

  太极计算机股份有限公司(简称“太极股份”)是国内电子政务、智慧城市和关键行业信息化的领先企业,1987年由中国电子科技集团公司第十五研究所发起设立,2010年在深圳证券交易所中小企业板上市。成立三十余年来,公司形成了卓越的品牌和市场影响力,被列为国家科技部和中关村科技园区创新试点示范单位,是多个行业学协会的发起者和重要参与单位。

  太极股份亟需构建信创领域知识库,服务自身及信创生态联盟

  太极股份作为国内信创联盟的发起者,需要对信创生态的发展、信创领域软硬件产品和国家信创指导政策等进行统一的知识管理,服务公司的信创业务及生态联盟。但太极股份缺乏专业知识管理系统,致使其在信创行业积累的知识散落在员工处,分散存储在个人电脑、网盘、APP中。随着部门间交流愈发频繁,员工难以实现跨部门知识查询,进而失去分享经验、更新信创知识的动力。以及,当企业知识与员工高度绑定,不能沉淀为企业资产时,人员流失会带来企业知识流失。太极股份发现,专家经验和企业专业知识难以传承,会对企业发展和知识积累带来不利影响。

  虽然太极股份的少数部门具备独立知识库,但这些知识库已经不能满足太极股份的知识沉淀和使用需求。

  首先,部门的传统知识库只能机械地储存知识,不能对知识进行挖掘,提炼其中的行业经验。其次,这些知识库依赖人工维护,带来了繁重的工作,且知识完整性难以保证。此外,人工维护还会出现知识管理混乱问题。例如,当企业某款产品更新换代时,新版说明会与旧版储存在同一个知识库中。当使用者需要了解产品信息时,知识库检索结果会呈现多个版本的说明,需要查询者自行判断,对工作形成严重干扰。

  为此,太极股份亟需构建信创领域的知识库,管理企业内部文档,防止知识流失。同时,太极股份及其合作伙伴、信创联盟成员也需要使用知识库综合管理产品资料,如硬件产品介绍、产品白皮书参数说明、软件及网络安全产品材料等。此外,太极股份在方案设计、行业生态方案架构等业务场景下,需要引用或参考信创行业知识。因此,太极股份希望依托信创知识库,打造信创产品知识图谱,为信创产品选型提供支持。作为信创领域头部企业,太极股份积极关注信创领域态势发展,希望及时了解信创领域国家指导性政策;下辖会员单位软、硬件发展情况;相关新闻报道等信息,对知识图谱摘要提取、知识分类和智能推荐等功能有较高需求。

  太极股份经过多轮考察,选定竹间智能作为合作伙伴

  经过综合研判,太极股份选择竹间智能作为合作伙伴。

  竹间智能创办于2015年,致力于以自然语言处理、大语言模型,生成式AI,情感计算、深度学习、知识工程等人工智能技术为基础,将AI应用落地各行业。过去8年来,竹间智能服务合作伙伴达500多家大型企业客户,标准化产品和行业解决方案已在金融、制造、零售、医药、政企等多个领域落地,赋能企业在营销、销售、运营等业务前-中-后台全场景,助力企业数智化转型。

  在项目POC阶段,太极股份向竹间智能提供了一批公开资料,包括简报类数据、信创领域产品说明手册,行业及国家级指导意见等信息。竹间智能将这些内容导入Gemini KM智能知识库中,通过智能搜索的方式定位具体内容,展示NLP在知识库智能搜索能力。同时竹间智能选取了一批产品参数和国产化适配性说明信息,使用Gemini KG知识图谱平台进行知识抽取,构建产品、硬件结构等知识图谱,向甲方展示NLP在文档解析和语义理解技术的准确性。

  太极股份认为,竹间智能演示的NLP能力满足其基本需求。但后续企业知识库会接入大量信息,包括微信公众号文章、行业指导意见等长篇内容,竹间智能还需具备抽取文档内容、获取文档摘要的能力,并能针对不同用户实现智能知识推荐。为此,竹间智能向太极股份展示Gemini KG知识图谱平台后台能力,包括在业务中积累、可开箱即用的 NLP算法模型,以及具备迁移学习能力、可适应跨行业业务的模型训练平台,展示竹间智能模型适配性。随后,竹间智能完成了知识抽取、文章摘要、标签提取等功能性验证,效果达到太极股份预期。

  竹间智能提前盘点项目难点,制定应对策略,保障项目保质、保量、按时交付

  太极股份正式展开合作后,竹间智能针对项目难点进行全面分析。

  首先,与金融、零售等行业不同,信创行业数据包括技术软件、硬件、信息安全等专业知识,其结构相对复杂、专业性较高,会增大数据运营工作难度。面对知识专业性高的难题,竹间智能运营人员展现出快速学习跨行业知识的能力,积极与太极股份专家探讨,共同设计知识体系架构。

  其次,考虑到信创行业的特殊性,竹间智能需要完成大量国产化适配工作。在本项目中,竹间智能产品的设计模块众多,适配过程涉及产研部门协调配合。为此,竹间智能安排企业领导主管项目协调工作,牵头组织各部门对国产化适配工作的统一调度。

  最后,项目时间只有三个月,验收迫在眉睫。且太极股份对知识抽取准确度要求很高,Gemini KG知识图谱平台需要从结构化、半结构化和非结构化数据中联合抽取知识,并进行人工整合和校验,工作量庞大。为此,竹间智能项目组结合已有资源对工单进行评估,并将项目规划与甲方期望上线时间对比,找出能将技术代替人工,复用现有的解决方案,及竹间积累的预训练模型,在高效率的交付平台上展现低代码带来的好处,最终按时完成项目上线。

  四步走策略,竹间智能为太极股份构建信创知识库及知识图谱解决方案

  竹间智能信创知识库及知识图谱解决方案有四个主要环节,即知识来源梳理、知识录入、知识沉淀和知识呈现。

  图 2 解决方案技术架构图

  知识来源梳理环节,竹间智能系统整理了太极股份内部资料,如学习资料、项目文档、适配成果、自有知识沉淀等,并从互联网上收集信创公开资料,如资讯动态、公众号文章等。

  知识录入环节,竹间智能通过在线采编或文件上传,将太极股份内部资料录入知识库,并将互联网公开资料整理成规范数据形式,经审核后通过API接口把文档上传到知识库。

  知识沉淀环节,竹间智能通过知识库对资料进行聚类、自动分类归档,并打上行业标签。Gemini KG知识图谱平台随后从文章中提取摘要,概况文章内容,并通过知识抽取构建相应的知识图谱。针对知识库中欠缺的内容,太极股份可通过系统的专家论坛功能在线提问,邀请相关领域专家回答。答案通过审核后,可以存入知识库中,并通过算法更新知识图谱,沉淀为新知识。

  知识呈现环节,竹间智能的解决方案提供知识搜索和知识图谱两种呈现方式。知识搜索可以进行全文检索,展现文章间的关联关系。知识图谱不仅能展现实体知识之间的关系,还具备图探索功能。竹间智能给太极股份提供了可视化大屏和数据看板,可以直观展示最新数据和知识,以及热点知识访问情况等信息。

  信创知识库的核心功能如下:

  1.专家论坛——在首页设置专家问答入口;提问者可以对人群进行定向提问;支持邀请专家回答;企业内部运营人员可标记精华问答;实现知识沉淀。

  2.自动归档——从采集系统推送来的文章进行自动标签和归档;构建标签模型;知识自动分类归档。

  3.智能推荐——首次登录可选择浏览偏好;根据用户浏览偏好智能推送对应知识。

  4.生态简报——根据文档自动生成摘要;筛选简报素材,生成简报,筛选条件包括时间、标签、目录、行业等;简报样式定制。

  5.知识图谱——自动抽取文本形成图谱;展示文章之间的关系;图谱功能支持图探索。

  6.可视化大屏——门户大屏;简报大屏;知识图谱大屏。

  7.国产化适配——CPU适配完成海光、兆芯、鲲鹏;麒麟操作系统;金仓数据库。

  除此之外,为实现知识图谱外化使用需求,向信创联盟成员和合作伙伴开放知识图谱和知识库,竹间智能还设计了精密的权限划分体系。知识库中的每一篇文章在上传和运营时都可以详细定义权限,如查阅、下载、知识意见反馈等。针对文件对外分享问题,知识库也设置了分享权限,包括链接生成、只读、密码设置等。此外,考虑到知识图谱及知识库使用便捷度,竹间智能打造了方便地移动端访问系统,使用者可以在移动端实现内部或内外部之间的知识分享。

  智能知识图谱及知识库加持,太极股份的知识管理能力全面提升

  智能知识图谱及知识库项目推动了太极股份在信创领域的知识图谱构建和知识管理,为其运营和业务发展夯筑了牢固的知识和技术基础。在技术的层面,太极股份期望硬件产品侧的知识图谱抽取精度超过85%,竹间智能经过数据运营、模型调优,抽取准确度可达90%。对于搜索效果优化,太极股份期望TOP10搜索结果准确度达到85%- 90%,竹间智能顺利达成目标。

  3.NLP平台实践

  NLP平台是指使用机器学习、深度学习、知识图谱等技术,通过计算机编程,将文本、声音等自然语言数据编码成结构化信息的赋能平台。NLP平台的主要应用场景包括洞察提炼和智能查询,终端使用者为决策部门和市场、产研等业务部门。

  企业对NLP平台的需求体现在洞察提炼和产品智能化两方面,核心是自然语言理解和自然语言生成。在洞察提炼场景下,企业需要从互联网公开资料或客户反馈资料中总结出有价值的行业和市场信息。此过程包含自然语言理解、数据处理与分析、内容生成三个阶段。在自然语言理解和内容生成阶段,企业需要NLP平台具备完备的NLP能力、预训练深度学习模型和行业标签库,能够将行业信息、客户评价等包含大量行业信息的非结构化数据准确转化为结构化机器语言,并能通过摘要生成等模型,将分析后的数据转化回自然语言,如可视化图表等。在数据处理与分析阶段,NLP平台需要具备大数据处理能力和丰富行业经验,在深入了解企业产品和业务的基础上,提炼数据分析指标,据此提炼行业和市场的量化数据。

  在产品智能化场景下,NLP是实现用户与产品互动的关键技术,NLP模型如何准确理解用户需求成为企业重视的问题。企业需要NLP平台提供预训练深度学习模型,准确识别、划分用户自然语言,从中提炼核心需求。此外,企业需要将NLP技术与其他认知智能产品结合,为企业提供定制化解决方案,满足用户差异化需求。如在银行客服咨询场景下,NLP模型首先识别客户问题关键词,再通过金融知识图谱、智能知识库等后台产品检索相关信息,最后再使用自然语言生成技术,将其转化为符合自然语言逻辑的答案。

  ChatGPT横空出世,加速自然语言生成的发展速度,也使企业看到使用自然语言生成进行内容创作的需求。具备大模型开发能力的大厂可将自研垂直领域大模型作为发展方向,而缺乏开发能力的中小型厂商可尝试以长期积累的自然语言处理技术和NLP平台产品为基础,融合开源大模型,在文本创作等文本内容自动生成领域发挥价值。例如,金融领域垂直行业大模型可应用于金融报告生成、证券研报智能解读和摘要生成、上市公司信息检索等有更高专业度要求的领域,为企业提供准确、便捷的内容生成服务。此外,垂直领域大模型的模型精度也显著优于传统模型,如在能源电力行业,大模型可应用于电力领域问题定位、电力领域分调和实体识别,准确率均显著高于通用预训练模型。

  表格 2 NLP平台主要应用场景

  NLP平台将自然语言处理能力落地到企业业务、产品和服务中时,项目经验是影响识别准确率的关键因素。厂商应具备丰富行业经验,在过往项目中积攒行业预训练模型和细分场景标签库,能根据NLP能力落地场景特点,提供合适的深度学习模型和算法。

  近年来,在NLP技术日趋同质化的背景下,企业对NLP算法识别准确度要求逐渐提高,成为NLP平台落地的新挑战。为此,厂商应当聚焦领域数据,深耕垂直行业生态,如具备行业基础设施智能化建设经验,以行业和领域构建护城河。从选型的角度,企业不仅要关注NLP平台的技术能力,而且要重视NLP平台的行业理解,包括预训练模型在行业场景下的识别精度、行业标签库的标签数量等。以金融风控场景为例,企业最关注的方向是风险知识挖掘。在此基础上,每一家银行的风险挖掘视角都有所差异,NLP平台需要基于服务多家客户经验,将其共性能力汇总,为企业提供更全面、详细的风险知识挖掘服务。

  案例2: 某省分行借力NLP,攻克面向科创企业的“数字化营销获客”与“风险监控”两项难题

  商业银行的对公获客业务主要面向三个群体:普惠企业、科创企业、大企业。其中,科创企业发展速度快、创新能力强、基数大,是极具活力和潜力的创新主体。

  围绕此类企业的金融业务主要面临两大痛点。一是获客难,目前科创企业的信息获取、客群筛选主要依赖线下与人工方式,周期长且成本高。二是风险监控难,科创企业的核心竞争力在于技术创新,因此衡量科创企业价值与风险,重点在于评估其创新能力、成果转化与市场价值,较难进行评估和监控。

  某省分行重视科技金融机遇,亟需破除“获客难”和“风险监控难”两大痛点

  某省分行面对新一轮科技革命和产业变革,积极响应行内“十四五”科技金融规划与行动方案号召,开展辐射全国范围的科技金融风险预警与营销赋能专项创新研发项目试点。该项目重视科技创新,旨在运用新技术、新模式拓展科技金融渠道生态、培育科创客群、优化科技金融风控体系,实现科技金融综合服务能力的持续提升。

  该省分行以提升科创企业分析管理能力为出发点,通过投融资、产业分析与企业数据分析,构建数据分析模型,建立内部特有客户画像库,推进数字化营销获客与风险监控,为行内产业、行业、企业分析提供决策支持。

  “营销赋能”——探索开发一套科技金融营销的“前置”模型,充分利用公开数据对科技金融目标客群进行批量化筛选、分层,通过科创企业大数据库和智能模型精准分析定位,将营销力量聚焦在科技属性强、研发质量高、成长潜力大的科创企业。

  “风险预警”——探索开发科技金融客户风险监控模型,建立专利评估模型以及科创企业评估模型,打造“科技五力模型”,即科创成果力、专利质量力、新兴成长力、持续增长力、人力建设力,通过对企业“科技力”量化分析与评分,预测企业科技发展潜力和市场价值。同时通过对科创企业的科技能力、负面信息、经营状况、押品(特别是知识产权类质押融资等)风险等维度的综合分析,对科创客户风险状况进行监控和预警,完善行方科技金融风控体系。

  拓尔思数星产业大脑云服务平台为解决方案落地提供强力支撑

  拓尔思信息技术股份有限公司(简称“拓尔思”)成立于1993年,是一家专业的大数据、人工智能和数据安全产品及服务提供商。拓尔思坚持核心技术自主研发,拥有40+发明专利、1000+软件著作权,在搜索型数据库、自然语言处理(NLP)技术的技术创新和应用场景落地等方面保持领先地位。

  面对该省分行需求,拓尔思解决思路如下:①基于产业企业数据获取营销线索,为获客拓客提供决策支持;②构建企业精准画像,多维度监控穿透企业风险。

  具体解决方案如下:

  科创企业营销获客。

  主要通过科技企业所在产业链、科技企业的产业主题与资质主题等分类获得营销线索,还可以通过全量科技企业库获得更多营销机会。通过科技产业链获客模块,获得科技产业链中的高价值企业营销清单;通过科技场景获客获得各个产业分类主题与企业资质主题的高质量企业营销清单;通过科技企业库,自定义筛选具有营销潜力的高价值科技企业,并挖掘企业的详细信息包括科创力评估与专利分析。

  图 3 科创企业营销获客主要内容

  科技企业监控风险。

  科技企业的风控场景主要是帮助业务人员第一时间获得风险情报,提供工具分析科技企业的具体风险。可通过预警信号模块,对科技企业进行全天候的风险监测,发生风险事件,将以风险信号的方式及时预警;可通过企业风险画像,分析每家科技企业的风险情况。

  企业风险画像模型。利用舆情、经营、司法、工商、抵押质押等企业数据,对科技金融客群的行为特征或重大事件进行归集、分析,得到企业可能即将爆发的风险类型及相应线索,形成预警信号。模型需对预警信号进行语义级去重并根据严重程度进行分级。

  企业风险态势指数模型。结合企业风险信息与预警信号综合计算得到风险态势指数,以反应企业近期风险。

  上述解决方案由拓尔思数星产业大脑云服务平台支撑落地。拓尔思数星产业大脑以产业数据中心为支撑,以智能数据标签引擎和全产业链知识引擎为核心底座,运用新一代信息技术,推动产业数字化、智能化升级,实现政策、空间、供应链、金融、科技、销售等产业要素与产业主体之间的高效协同,为企业生产经营提供数字化赋能,为产业生态建设提供数字化服务,为经济治理提供数字化手段。

  图 4拓尔思数星产业大脑云服务平台架构图

  NLP技术在项目中发挥重要作用。拓尔思利用 NLP 在海量文本数据中提取营销线索或者风险线索,把企业的科创属性以及企业间的上下游关系提取出来,实时给到银行客户经理营销使用。同时,拓尔思积累的大量NLP算法模型沉淀在产业大脑中,有利于该省分行实现更全面细致地分析,进一步深挖数据价值。以标签模型为例,其本质为事件特征,标签越细致意味着对事件描述地越全面。同样的语料,该省分行通过标签叠加可以挖掘到更多的信息。

  解决思路、解决方案和解决工具已经具备,但项目成功落地还有一个难点需要解决。实现该省分行项目需求,需要大量科创相关的专业数据,但公开数据比较匮乏。

  巧妇难为无米之炊,这个难点必须得到解决。拓尔思认为,能通过常规方法获得的数据均已获得,剩余数据缺口可以由“另类数据”补位。另类数据指百科、音频、图片等非结构化数据和半结构化数据。利用另类数据不是难点,难点在于快速、准确地利用。拓尔思早在2000 年便入局NLP市场,深耕NLP技术二十余年,在处理另类数据方面具有技术和经验的双重优势,是胜任该项工作的重要保障。

  试点效果显著,总行计划将该省分行成果推向全行

  科创企业往往具有较强的产业属性与专业属性,传统模式下业务人员难以通过申请材料评估企业的价值与风险。科创力评估与专利价值评估模型,将直接提供评估科创企业及其专利价值、潜力、风险的依据,提高拓客效率,进一步将营销力量集中到有潜力的科创企业。

  基于大数据与人工智能技术的营销拓客与风险预警模型,将有效改善科技金融传统营销方式下获客成本高、效率低的问题。目前中小客户的信息获取、客群筛选主要依赖线下与人工方式,周期长且成本高。而模型可根据产品与企业特征自动生成营销短名单,业务人员可精确定位潜在客群,快速发现,主动出击。

  科技金融风险预警与营销赋能平台帮助该省分行引入新技术、新模式,为科创企业提供差异化金融产品,早参与、早服务、早培育,针对企业的不同发展阶段提供场景化服务。

  试点效果显著,总行计划将其做成全行项目,将解决方案和成功经验向全行推广,释放更大价值。 4.会话智能实践

  会话智能为企业提供语音数据采集、话术质检分析、客户意图捕捉以及流程监督管理等能力,当前主要应用于企业对外沟通的销售场景,在审批等企业内部沟通场景也有少量应用。在销售场景下,会话智能的终端使用者多为销售管理人员。

  企业对会话智能的需求体现在销售和企业内部沟通等场景,致力于通过会话智能充分利用企业会话数据资产,从多源异构数据中发现有价值的洞察。在销售场景下,企业希望从员工与顾客的会话中提炼两方面信息。一方面,企业希望了解金牌销售的哪些话术是客户转化关键,进而从其与客户的会话数据中提炼标准话术,组成销售话术模板。销售管理人员可使用话术模板培训销售团队,再通过会话数据监测,了解员工标准销售话术执行力度,有针对性地提升销售短板。另一方面,企业通过整理和分析顾客会话数据,了解特定客户产品和服务需求,从而及时调整销售策略,提高客户转化率。企业还可以从日常销售行为中提炼出客户画像,进而获取市场洞察信息。

  在企业内部沟通场景下,企业期待会话智能降低沟通协调成本,进而提高员工工作效率。比如在行政审批环节,员工原本需要手动将相关信息上传到审批系统。使用会话智能后,AI可以从员工工作信息中直接提取相关审批信息,自动完成审批操作。员工可以专注于自身业务,减少重复性机械工作。

  近两年来,企业对业务精细化有更高要求,不仅希望将会话数据整合为企业资产,而且需要从中提炼细颗粒度洞察,聚焦于细分场景,比如产品的提及率分析等。反映到厂商端,会话智能需要具备更强的自定义分析能力,包括问题定义、特征抽取、小样本驱动等。从业务广度上,甲方需求对厂商AI能力提出更高要求。比如厂商希望了解客户对某款产品的评价,需要厂商针对需求迅速训练新模型。

  表格 3 会话智能主要应用场景

  上述需求是厂商对会话智能的普遍需求,会话智能厂商应当具备标准解决方案。在推动需求落地时,项目总时长一般在2-3个月。由于AI的不可解释性,厂商会以算法和模型小迭代方式落地项目,企业可根据第一期项目成果,判断是否继续推进合作。另外,企业在业务运作过程中会产生特有的洞察需求,如获取某款产品销量不佳的原因、会员制推行遇到的潜在阻碍等。这类需求与企业业务强相关,标准解决方案难以针对性解决,因此会话智能厂商还需要具备将AI能力、行业积累与客户业务深度结合的能力,为企业提供定制化服务。

  具体落地过程中,会话智能项目实施有两个要点,一是厂商需要从会话数据中提炼销售关键节点,优化企业销售SOP,二是厂商需具备从顾客会话中提炼市场洞察的能力,例如竞品洞察、客户需求等。

  为优化销售SOP,厂商需要在企业所在行业具有丰富的经验储备,了解企业销售链路特征,并将其与企业业务经验结合,从而科学构建企业销售标签库。在此基础上,厂商使用标签库训练机器学习模型,从企业销售人员会话数据中提炼销售会话指标,丰富企业SOP。

  为提炼市场洞察,一方面,厂商需要具备常态化特征提取能力,能够准确识别并提取会话数据成分,使企业能通过关键词搜索等方式获取洞察。这要求厂商的NLP模型与算法兼具泛化能力与专业性,既能识别出同一含义的不同表述方式,又能准确定义概念边界,排除与其无关的会话数据。另一方面,面对企业深层次的市场洞察需求,厂商需要具备专业的行业认知,并在深入调研企业业务的基础上,快速抽取问题特征,将其拆解成量化指标,有针对性地训练算法和模型,从会话数据中获取市场洞察。

  案例3:某头部美妆新零售企业通过会话智能释放门店数据价值,销售业绩再上新台阶

  随着美妆零售行业由流量运营向消费者运营转型,美妆新零售成为受美妆企业欢迎的零售形态。与传统美妆零售不同,美妆新零售一方面更重视消费者体验,注重与顾客建立情感链接;另一方面,数据驱动的互联网工具为甲方提供线下门店运营的洞察分析,成为企业决策的重要参考。

  美妆新零售行业继承了美妆零售行业“短链路”的销售特征。与汽车门店长链路销售不同,顾客从进入美妆门店开始,通常在5分钟内决定是否做出购买行为。短链路的特点给美妆新零售门店导购提出更高要求,如何在短时间内全面了解顾客需求、建立情感联结,并充分介绍美妆产品卖点,是美妆新零售甲方关心的问题。

  重视顾客体验、数据驱动和短链路销售三大特点,使美妆新零售甲方愈发重视销售过程的洞察和复盘,如导购第几轮回复客户的转化率最高、哪些话术更容易激发购买行为、哪些是排名前几的促单指标……上述门店洞察的获取对甲方过程分析能力要求很高,且依赖大量运营数据支撑。最有价值的信息往往隐含在导购与顾客的对话中,而传统数据获取方式,如客户满意度调查、神秘顾客抽检,不但效率低下,还不具备会话分析的能力。数据缺乏已经成为美妆新零售甲方的核心痛点。

  为实现销售服务规范化、数字化,某美妆新零售企业选择明略科技作为合作伙伴

  以某美妆新零售企业为例,美妆新零售行业痛点同样也成为该企业线下门店数字化转型的拦路虎。庞大的店铺数量对该企业门店管理带来了艰巨挑战。该企业希望从自有产品和品牌方产品中找到爆款产品,并掌握美妆导购对企业SOP的执行情况,但企业决策者缺乏了解门店业务的渠道,不清楚每位美妆导购如何服务客户。此前该企业对门店服务的考察依赖神秘顾客抽检和满意度调研,但决策者发现,神秘顾客抽检服务效率低下、数据粗糙,抽检结果与检察人员的专业性相关;满意度调研对销售过程的评价不详细,不能用作门店服务质量评估和企业决策的依据。

  为精准寻找爆款产品,并不断提升门店销售服务水平,该美妆新零售企业亟需解决数据获取难的问题。经过决策者综合研判,该企业希望运用会话智能解决方案,将销售服务过程规范化、数字化,实现门店销售过程可见、可测量、可改进。

  因此,该美妆新零售企业对会话智能解决方案提出了以下目标:

  第一,销售过程结构化。

  第二,销售过程数字化。

  第三,优化销售决策。

  经过深度考察,该美妆新零售企业选择明略科技作为合作伙伴。明略科技旗下的会话智能产品包含非结构化数据识别分析技术体系、AI和机器学习能力、以及知识图谱,具备完善的技术底座。明略科技会话智能可以通过对大量会话数据进行语义切片和主题聚类分析,将美妆导购与客户之间的非结构化沟通数据透明化、可视化,并可基于场景标签识别、语义切片技术,在海量会话数据中挖掘与成单正相关的优秀话术。

  此外,明略科技拥有17年服务500强企业经验,沉淀了深厚的美妆行业知识库,籍此训练语音识别和自然语言处理模型。行业Know-how与明略科技研发的端到端自研语音模型和自然语言处理模型结合,使会话智能在美妆领域的会话识别效果明显更优。

  更吸引该美妆新零售企业的是,明略科技为每个项目配备专业的客户成功团队,团队成员可以提供定制化服务,囊括从项目需求到数据、内容和业务运营,再到数据分析、市场洞察提炼的完整流程,且能够保障售后服务质量。

  会话智能解决方案帮助该美妆新零售企业筛选导购与顾客的会话数据,提炼标准接待流程

  在充分了解甲方门店运营情况后,明略科技发现,要实现该美妆新零售企业的项目预期,会话智能产品需要解决两处困难。首先,该企业希望从美妆导购与顾客的会话数据中提炼标准接待流程,但线下门店美妆导购每天会产生大量会话数据,如问路、外卖、盘货、与其他导购闲聊等,会话智能需要从中准确识别出符合要求的数据。其次,考虑到该企业线下门店分布在全国各个地区,各地美妆导购对同一款产品的发音、叫法都不尽相同,明略会话智能的语音识别系统需要具备泛化能力,准确识别导购提到的美妆产品。

  为此,明略科技从项目POC阶段开始,就与该美妆新零售企业充分沟通,将自有美妆行业知识库与甲方业务经验结合,共同定义线下门店导购流程标签库。甲方门店美妆导购佩戴明略科技自研的灵听工牌,采集门店销售过程会话数据。明略科技还针对甲方剔除与导购流程无关会话的要求,以小样本冷启动训练语义相关性NLP模型,采用小迭代的方式按批次训练模型识别销售会话指标。在项目POC阶段,明略会话智能的NLP模型识别准确率得到甲方肯定。

  图 5会话智能客户成功团队协助管理者结合已有流程,拆解销售服务过程,为销售过程数字化提供“标准”

  明略科技完整的会话智能解决方案包括以下内容:

  1. 明略科技结合甲方业务经验,提炼产品和品牌亮点等信息,为该美妆新零售企业梳理10个销售环节、20+个沟通事件,设置100+个销售会话指标,组成导购标准SOP。

  2. 明略科技为甲方线下门店美妆导购提供自研灵听工牌,采集门店销售过程全量数据。当导购结束工作,将工牌放回充电桩后,工牌采集的会话数据会自动上传到会话智能系统中。

  3. 会话智能预置美妆ASR引擎,转写工牌采集的录音数据为文本数据。

  4. 会话智能搭载的NLP模型识别会话文本数据,并根据上述会话指标为数据打标签。

  5. 会话智能为该企业提供BI配置看板,向运营部门和大区经理可视化展示各个门店销售会话指标执行情况、月度KPI指标排名、门店通报等信息,并自动设置benchmark,帮助甲方管理者直观分析各家门店表现。

  会话智能解决方案弥补执行短板,该美妆新零售企业销售业绩明显提升

  通过明略科技会话智能解决方案,该美妆新零售企业弥补了执行短板,获取到了真实的销售数据,用“真实、正确的数据”打开销售过程黑盒,使得销售服务过程可见、可测量、可及时干预。在日常阶段,通过完成销售过程结构化,管理者可使用指标看板及时补足销售执行的薄弱环节,并采取有针对性的销售培训;在推介阶段,会话智能解决方案能够辅助分析消费者画像,从而提升产品推广有效性;在整体层面,能够复制优秀销售经验,从而提升门店的整体业绩。最终,在使用明略科技会话智能后,该美妆新零售企业的SOP执行率、自营品牌销售提及率、商品试用邀请提及率和最终业绩均有5%-10%的提升。

  5.结语

  认知智能是继感知智能之后的人工智能新时代,进一步扩展了人工智能王国的疆域。人们在生产生活中将与AI更加密切,在公司知识库里查阅资料、在门店与销售人员交谈、在门诊与医生沟通病情……在这些场景背后,认知智能已经有所应用,正在悄然发力,致力于让用户获得更好的体验,让企业获得更强的市场竞争力。同时,ChatGPT等大语言模型出现之后,补全了认知智能的自然语言生成短板。认知智能如虎添翼,必将迸发更大的能量。

  企业需要认识到以认知智能为首的智能化所蕴含的变革力量。对人工智能技术的使用程度很可能演变为企业的竞争要素之一。企业需要及早行动,寻找自身战略、业务、产品等方面和人工智能的融合之道,让人工智能成为助力企业发展的新引擎。

相关阅读