報告編委黃勇 愛分析合伙人&首席分析師 李進寶 愛分析高級分析師 陳元新 愛分析分析師 外部專家(按姓氏拼音排序) 何敏 明略科技集團副總裁 尤輝 竹間智能 售前經(jīng)理 周寧捷 拓爾思 金融和產(chǎn)業(yè)大腦產(chǎn)品中心總經(jīng)理
特別鳴謝(按拼音排序)
目錄
1. 報告綜述
2. 知識圖譜平臺實踐
3. NLP平臺實踐
4. 會話智能實踐
5. 結(jié)語
1.報告綜述
認知智能以新技術(shù)和新產(chǎn)品為抓手，可以為企業(yè)帶來從技術(shù)底座到業(yè)務(wù)流程的重大變革。對于技術(shù)底座的影響主要來自知識圖譜平臺和NLP平臺。知識圖譜平臺是面向企業(yè)打造業(yè)務(wù)場景應(yīng)用、挖掘數(shù)據(jù)價值的需求，構(gòu)建基于自然語言處理和知識圖譜技術(shù)，集知識建模、抽取、融合、存儲、計算、推理以及應(yīng)用為一體的知識全生命周期的管理平臺。NLP平臺是指使用機器學習、深度學習、知識圖譜等技術(shù)，通過計算機編程，將文本、聲音等自然語言數(shù)據(jù)編碼成結(jié)構(gòu)化信息的賦能平臺。知識圖譜平臺和NLP平臺是企業(yè)邁向認知智能的“必修內(nèi)功”，企業(yè)將其融入自身技術(shù)底座后可以對上層的應(yīng)用和業(yè)務(wù)進行賦能。
認知智能已有較多成熟應(yīng)用，可以分為通用認知智能應(yīng)用和行業(yè)認知智能應(yīng)用兩大類。前者包括對話機器人、智能文檔處理和會話智能等，后者包括智能風控、智能診療和智能融媒體等。認知智能應(yīng)用具備對企業(yè)業(yè)務(wù)流程變革施加影響的能力。以通用認知智能應(yīng)用中的會話智能為例，會話智能是基于ASR、NLP、機器學習等技術(shù)，從非結(jié)構(gòu)化的會話數(shù)據(jù)中為用戶提供話術(shù)質(zhì)檢分析、意圖捕捉、流程管理等能力的解決方案。會話智能讓銷售管理人員與一線銷售人員的溝通協(xié)同、監(jiān)督管理工作邁向自動化和智能化，具備改變銷售管理工作流程的能力。再以行業(yè)認知智能應(yīng)用中的智能診療為例，智能診療是指將知識圖譜、機器學習、自然語言處理等人工智能技術(shù)用于輔助診療當中，使計算機能夠模擬醫(yī)生診療時的思維邏輯，在實際應(yīng)用時給出診療方案，為醫(yī)生提供決策支撐，提升醫(yī)療效率和質(zhì)量，應(yīng)用領(lǐng)域包括智能診斷、治療方案推薦、醫(yī)學知識庫、檢查輔助等。智能診療具備改變基層醫(yī)療機構(gòu)、醫(yī)院門診、醫(yī)院影像科醫(yī)生工作流程的能力，“醫(yī)生+AI”協(xié)同向患者提供醫(yī)療服務(wù)。
如今，ChatGPT爆火，短短數(shù)月影響力便輻射全球。ChatGPT強大的自然語言生成能力讓人們看到了獲得通用人工智能的可能性，這將對人們的生產(chǎn)生活帶來顛覆性變革。以ChatGPT為代表的大語言模型屬于認知智能范疇，這位重量級新成員的加入，將導致企業(yè)技術(shù)底座到業(yè)務(wù)流程的變革的持續(xù)深化。
本報告選取已取得較多落地成果的知識圖譜平臺、NLP平臺、會話智能和智能診療作為研究對象，圍繞相關(guān)產(chǎn)品及解決方案在大中型企業(yè)和銀行的落地應(yīng)用展開研究，重點分析認知智能各特定市場甲方的需求和落地情況。
圖 1 認知智能市場全景地圖
2.知識圖譜平臺實踐
知識圖譜平臺的甲方以集團型企業(yè)為主，這類企業(yè)數(shù)據(jù)規(guī)模龐大，有整合、利用數(shù)據(jù)的需求，需要打造部門級乃至集團級知識圖譜，將數(shù)據(jù)負擔轉(zhuǎn)變?yōu)閿?shù)據(jù)資產(chǎn)。也有一部分行業(yè)龍頭企業(yè)希望構(gòu)建產(chǎn)業(yè)級知識圖譜，將企業(yè)影響力輻射到全產(chǎn)業(yè)。知識圖譜平臺終端使用者為IT部門，以及研發(fā)、質(zhì)量、營銷、售后等業(yè)務(wù)部門。
企業(yè)使用知識圖譜平臺構(gòu)建行業(yè)知識圖譜，并為其配備上層應(yīng)用，以發(fā)揮知識圖譜價值。主要應(yīng)用場景包括智能搜索、智能推薦、圖分析等。智能搜索主要應(yīng)用知識圖譜存儲功能和知識圖譜平臺自然語言處理模塊，精準理解用戶意圖，并提供快速檢索服務(wù)。此類應(yīng)用旨在充分發(fā)揮企業(yè)數(shù)據(jù)中隱藏的洞察，使多源異構(gòu)數(shù)據(jù)實現(xiàn)跨數(shù)據(jù)源關(guān)聯(lián)，不僅能解答用戶知識性問題，還可以推動決策發(fā)展。例如具有智能問答能力的智能客服，能對用戶問題進行實體抽取和情感分析，準確定位到知識圖譜中的特定實體及其關(guān)系，提供貼近需求的答案。智能推薦則根據(jù)用戶瀏覽歷史和瀏覽偏好，通過知識圖譜當中的實體及其關(guān)系結(jié)構(gòu)，在搜索結(jié)果中提供符合用戶期待的知識。例如電商平臺產(chǎn)品推薦功能，推薦系統(tǒng)可根據(jù)用戶瀏覽記錄為其建模，再通過算法將用戶模型與產(chǎn)品匹配，將其按相關(guān)度向用戶推薦。圖分析是指以基于圖的方法分析數(shù)據(jù)及其關(guān)系，并以可視化方式探索和展示圖，常用于關(guān)聯(lián)風險和潛在客戶挖掘。例如，在風險投資場景下，知識圖譜可通過投資關(guān)系、協(xié)議等數(shù)據(jù)分析出實際支配公司行為的自然人和企業(yè)，進行實際控制人挖掘，進而分析企業(yè)潛在的風險信息，綜合判斷投資價值。
表格 1 知識圖譜平臺主要應(yīng)用場景
知識圖譜平臺的項目總時長為6個月左右。項目落地期間，企業(yè)數(shù)據(jù)質(zhì)量和知識圖譜上層解決方案是影響項目周期的關(guān)鍵因素。數(shù)據(jù)質(zhì)量方面，如果企業(yè)結(jié)構(gòu)化數(shù)據(jù)占比較高，知識圖譜平臺可以直接與企業(yè)數(shù)據(jù)庫對接，快速完成數(shù)據(jù)導入。如果企業(yè)數(shù)據(jù)異構(gòu)化程度高，廠商需要投入更多時間進行非結(jié)構(gòu)化數(shù)據(jù)的實體、關(guān)系和屬性抽取，項目周期也會隨之拉長。如果企業(yè)希望構(gòu)建行業(yè)標準知識圖譜，廠商需要處理海量異構(gòu)文檔，項目通常會分期交付。另外，企業(yè)對知識圖譜上層解決方案通常有定制化要求，如可視化展板定制、業(yè)務(wù)系統(tǒng)集成定制等。為解決這類需求，廠商要對知識圖譜上層應(yīng)用的標準組件進行二次開發(fā)，也會延長項目周期。
在知識圖譜平臺項目落地階段，企業(yè)比較關(guān)注項目實施速度和知識圖譜性能。一方面，企業(yè)希望縮短知識圖譜構(gòu)建和上層應(yīng)用開發(fā)周期，使知識圖譜能盡快賦能業(yè)務(wù)。相應(yīng)地，廠商需要在過往項目中積累語料、預訓練模型和解析器，在構(gòu)建知識圖譜時能快速復用，以產(chǎn)品化、系統(tǒng)化方式縮短構(gòu)建周期。此外，廠商應(yīng)當具備豐富的知識圖譜上層應(yīng)用組件，能根據(jù)企業(yè)需要復用現(xiàn)有解決方案，或基于標準解決方案進行二次開發(fā)。另一方面，知識圖譜使用性能是企業(yè)關(guān)注的問題。有構(gòu)建知識圖譜需求的企業(yè)，數(shù)據(jù)規(guī)模通常很龐大，傳統(tǒng)關(guān)系型數(shù)據(jù)庫難以實現(xiàn)復雜的關(guān)系查詢需求。廠商需要根據(jù)數(shù)據(jù)使用場景選擇合適的存儲結(jié)構(gòu)，如關(guān)聯(lián)風險查詢場景需要窮究實體關(guān)系，圖數(shù)據(jù)庫更適合存儲數(shù)據(jù)。
案例1: 太極股份打造產(chǎn)業(yè)級信創(chuàng)知識庫，為中國信創(chuàng)事業(yè)發(fā)展夯實知識底座
太極計算機股份有限公司(簡稱“太極股份”)是國內(nèi)電子政務(wù)、智慧城市和關(guān)鍵行業(yè)信息化的領(lǐng)先企業(yè)，1987年由中國電子科技集團公司第十五研究所發(fā)起設(shè)立，2010年在深圳證券交易所中小企業(yè)板上市。成立三十余年來，公司形成了卓越的品牌和市場影響力，被列為國家科技部和中關(guān)村科技園區(qū)創(chuàng)新試點示范單位，是多個行業(yè)學協(xié)會的發(fā)起者和重要參與單位。
太極股份亟需構(gòu)建信創(chuàng)領(lǐng)域知識庫，服務(wù)自身及信創(chuàng)生態(tài)聯(lián)盟
太極股份作為國內(nèi)信創(chuàng)聯(lián)盟的發(fā)起者，需要對信創(chuàng)生態(tài)的發(fā)展、信創(chuàng)領(lǐng)域軟硬件產(chǎn)品和國家信創(chuàng)指導政策等進行統(tǒng)一的知識管理，服務(wù)公司的信創(chuàng)業(yè)務(wù)及生態(tài)聯(lián)盟。但太極股份缺乏專業(yè)知識管理系統(tǒng)，致使其在信創(chuàng)行業(yè)積累的知識散落在員工處，分散存儲在個人電腦、網(wǎng)盤、APP中。隨著部門間交流愈發(fā)頻繁，員工難以實現(xiàn)跨部門知識查詢，進而失去分享經(jīng)驗、更新信創(chuàng)知識的動力。以及，當企業(yè)知識與員工高度綁定，不能沉淀為企業(yè)資產(chǎn)時，人員流失會帶來企業(yè)知識流失。太極股份發(fā)現(xiàn)，專家經(jīng)驗和企業(yè)專業(yè)知識難以傳承，會對企業(yè)發(fā)展和知識積累帶來不利影響。
雖然太極股份的少數(shù)部門具備獨立知識庫，但這些知識庫已經(jīng)不能滿足太極股份的知識沉淀和使用需求。
首先，部門的傳統(tǒng)知識庫只能機械地儲存知識，不能對知識進行挖掘，提煉其中的行業(yè)經(jīng)驗。其次，這些知識庫依賴人工維護，帶來了繁重的工作，且知識完整性難以保證。此外，人工維護還會出現(xiàn)知識管理混亂問題。例如，當企業(yè)某款產(chǎn)品更新?lián)Q代時，新版說明會與舊版儲存在同一個知識庫中。當使用者需要了解產(chǎn)品信息時，知識庫檢索結(jié)果會呈現(xiàn)多個版本的說明，需要查詢者自行判斷，對工作形成嚴重干擾。
為此，太極股份亟需構(gòu)建信創(chuàng)領(lǐng)域的知識庫，管理企業(yè)內(nèi)部文檔，防止知識流失。同時，太極股份及其合作伙伴、信創(chuàng)聯(lián)盟成員也需要使用知識庫綜合管理產(chǎn)品資料，如硬件產(chǎn)品介紹、產(chǎn)品白皮書參數(shù)說明、軟件及網(wǎng)絡(luò)安全產(chǎn)品材料等。此外，太極股份在方案設(shè)計、行業(yè)生態(tài)方案架構(gòu)等業(yè)務(wù)場景下，需要引用或參考信創(chuàng)行業(yè)知識。因此，太極股份希望依托信創(chuàng)知識庫，打造信創(chuàng)產(chǎn)品知識圖譜，為信創(chuàng)產(chǎn)品選型提供支持。作為信創(chuàng)領(lǐng)域頭部企業(yè)，太極股份積極關(guān)注信創(chuàng)領(lǐng)域態(tài)勢發(fā)展，希望及時了解信創(chuàng)領(lǐng)域國家指導性政策;下轄會員單位軟、硬件發(fā)展情況;相關(guān)新聞報道等信息，對知識圖譜摘要提取、知識分類和智能推薦等功能有較高需求。
太極股份經(jīng)過多輪考察，選定竹間智能作為合作伙伴
經(jīng)過綜合研判，太極股份選擇竹間智能作為合作伙伴。
竹間智能創(chuàng)辦于2015年，致力于以自然語言處理、大語言模型，生成式AI，情感計算、深度學習、知識工程等人工智能技術(shù)為基礎(chǔ)，將AI應(yīng)用落地各行業(yè)。過去8年來，竹間智能服務(wù)合作伙伴達500多家大型企業(yè)客戶，標準化產(chǎn)品和行業(yè)解決方案已在金融、制造、零售、醫(yī)藥、政企等多個領(lǐng)域落地，賦能企業(yè)在營銷、銷售、運營等業(yè)務(wù)前-中-后臺全場景，助力企業(yè)數(shù)智化轉(zhuǎn)型。
在項目POC階段，太極股份向竹間智能提供了一批公開資料，包括簡報類數(shù)據(jù)、信創(chuàng)領(lǐng)域產(chǎn)品說明手冊，行業(yè)及國家級指導意見等信息。竹間智能將這些內(nèi)容導入Gemini KM智能知識庫中，通過智能搜索的方式定位具體內(nèi)容，展示NLP在知識庫智能搜索能力。同時竹間智能選取了一批產(chǎn)品參數(shù)和國產(chǎn)化適配性說明信息，使用Gemini KG知識圖譜平臺進行知識抽取，構(gòu)建產(chǎn)品、硬件結(jié)構(gòu)等知識圖譜，向甲方展示NLP在文檔解析和語義理解技術(shù)的準確性。
太極股份認為，竹間智能演示的NLP能力滿足其基本需求。但后續(xù)企業(yè)知識庫會接入大量信息，包括微信公眾號文章、行業(yè)指導意見等長篇內(nèi)容，竹間智能還需具備抽取文檔內(nèi)容、獲取文檔摘要的能力，并能針對不同用戶實現(xiàn)智能知識推薦。為此，竹間智能向太極股份展示Gemini KG知識圖譜平臺后臺能力，包括在業(yè)務(wù)中積累、可開箱即用的 NLP算法模型，以及具備遷移學習能力、可適應(yīng)跨行業(yè)業(yè)務(wù)的模型訓練平臺，展示竹間智能模型適配性。隨后，竹間智能完成了知識抽取、文章摘要、標簽提取等功能性驗證，效果達到太極股份預期。
竹間智能提前盤點項目難點，制定應(yīng)對策略，保障項目保質(zhì)、保量、按時交付
太極股份正式展開合作后，竹間智能針對項目難點進行全面分析。
首先，與金融、零售等行業(yè)不同，信創(chuàng)行業(yè)數(shù)據(jù)包括技術(shù)軟件、硬件、信息安全等專業(yè)知識，其結(jié)構(gòu)相對復雜、專業(yè)性較高，會增大數(shù)據(jù)運營工作難度。面對知識專業(yè)性高的難題，竹間智能運營人員展現(xiàn)出快速學習跨行業(yè)知識的能力，積極與太極股份專家探討，共同設(shè)計知識體系架構(gòu)。
其次，考慮到信創(chuàng)行業(yè)的特殊性，竹間智能需要完成大量國產(chǎn)化適配工作。在本項目中，竹間智能產(chǎn)品的設(shè)計模塊眾多，適配過程涉及產(chǎn)研部門協(xié)調(diào)配合。為此，竹間智能安排企業(yè)領(lǐng)導主管項目協(xié)調(diào)工作，牽頭組織各部門對國產(chǎn)化適配工作的統(tǒng)一調(diào)度。
最后，項目時間只有三個月，驗收迫在眉睫。且太極股份對知識抽取準確度要求很高，Gemini KG知識圖譜平臺需要從結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中聯(lián)合抽取知識，并進行人工整合和校驗，工作量龐大。為此，竹間智能項目組結(jié)合已有資源對工單進行評估，并將項目規(guī)劃與甲方期望上線時間對比，找出能將技術(shù)代替人工，復用現(xiàn)有的解決方案，及竹間積累的預訓練模型，在高效率的交付平臺上展現(xiàn)低代碼帶來的好處，最終按時完成項目上線。
四步走策略，竹間智能為太極股份構(gòu)建信創(chuàng)知識庫及知識圖譜解決方案
竹間智能信創(chuàng)知識庫及知識圖譜解決方案有四個主要環(huán)節(jié)，即知識來源梳理、知識錄入、知識沉淀和知識呈現(xiàn)。
圖 2 解決方案技術(shù)架構(gòu)圖
?知識來源梳理環(huán)節(jié)，竹間智能系統(tǒng)整理了太極股份內(nèi)部資料，如學習資料、項目文檔、適配成果、自有知識沉淀等，并從互聯(lián)網(wǎng)上收集信創(chuàng)公開資料，如資訊動態(tài)、公眾號文章等。
?知識錄入環(huán)節(jié)，竹間智能通過在線采編或文件上傳，將太極股份內(nèi)部資料錄入知識庫，并將互聯(lián)網(wǎng)公開資料整理成規(guī)范數(shù)據(jù)形式，經(jīng)審核后通過API接口把文檔上傳到知識庫。
?知識沉淀環(huán)節(jié)，竹間智能通過知識庫對資料進行聚類、自動分類歸檔，并打上行業(yè)標簽。Gemini KG知識圖譜平臺隨后從文章中提取摘要，概況文章內(nèi)容，并通過知識抽取構(gòu)建相應(yīng)的知識圖譜。針對知識庫中欠缺的內(nèi)容，太極股份可通過系統(tǒng)的專家論壇功能在線提問，邀請相關(guān)領(lǐng)域?qū)＜一卮稹４鸢竿ㄟ^審核后，可以存入知識庫中，并通過算法更新知識圖譜，沉淀為新知識。
?知識呈現(xiàn)環(huán)節(jié)，竹間智能的解決方案提供知識搜索和知識圖譜兩種呈現(xiàn)方式。知識搜索可以進行全文檢索，展現(xiàn)文章間的關(guān)聯(lián)關(guān)系。知識圖譜不僅能展現(xiàn)實體知識之間的關(guān)系，還具備圖探索功能。竹間智能給太極股份提供了可視化大屏和數(shù)據(jù)看板，可以直觀展示最新數(shù)據(jù)和知識，以及熱點知識訪問情況等信息。
信創(chuàng)知識庫的核心功能如下：
1.專家論壇——在首頁設(shè)置專家問答入口;提問者可以對人群進行定向提問;支持邀請專家回答;企業(yè)內(nèi)部運營人員可標記精華問答;實現(xiàn)知識沉淀。
2.自動歸檔——從采集系統(tǒng)推送來的文章進行自動標簽和歸檔;構(gòu)建標簽?zāi)Ｐ?知識自動分類歸檔。
3.智能推薦——首次登錄可選擇瀏覽偏好;根據(jù)用戶瀏覽偏好智能推送對應(yīng)知識。
4.生態(tài)簡報——根據(jù)文檔自動生成摘要;篩選簡報素材，生成簡報，篩選條件包括時間、標簽、目錄、行業(yè)等;簡報樣式定制。
5.知識圖譜——自動抽取文本形成圖譜;展示文章之間的關(guān)系;圖譜功能支持圖探索。
6.可視化大屏——門戶大屏;簡報大屏;知識圖譜大屏。
7.國產(chǎn)化適配——CPU適配完成海光、兆芯、鯤鵬;麒麟操作系統(tǒng);金倉數(shù)據(jù)庫。
除此之外，為實現(xiàn)知識圖譜外化使用需求，向信創(chuàng)聯(lián)盟成員和合作伙伴開放知識圖譜和知識庫，竹間智能還設(shè)計了精密的權(quán)限劃分體系。知識庫中的每一篇文章在上傳和運營時都可以詳細定義權(quán)限，如查閱、下載、知識意見反饋等。針對文件對外分享問題，知識庫也設(shè)置了分享權(quán)限，包括鏈接生成、只讀、密碼設(shè)置等。此外，考慮到知識圖譜及知識庫使用便捷度，竹間智能打造了方便地移動端訪問系統(tǒng)，使用者可以在移動端實現(xiàn)內(nèi)部或內(nèi)外部之間的知識分享。
智能知識圖譜及知識庫加持，太極股份的知識管理能力全面提升
智能知識圖譜及知識庫項目推動了太極股份在信創(chuàng)領(lǐng)域的知識圖譜構(gòu)建和知識管理，為其運營和業(yè)務(wù)發(fā)展夯筑了牢固的知識和技術(shù)基礎(chǔ)。在技術(shù)的層面，太極股份期望硬件產(chǎn)品側(cè)的知識圖譜抽取精度超過85%，竹間智能經(jīng)過數(shù)據(jù)運營、模型調(diào)優(yōu)，抽取準確度可達90%。對于搜索效果優(yōu)化，太極股份期望TOP10搜索結(jié)果準確度達到85%- 90%，竹間智能順利達成目標。
3.NLP平臺實踐
NLP平臺是指使用機器學習、深度學習、知識圖譜等技術(shù)，通過計算機編程，將文本、聲音等自然語言數(shù)據(jù)編碼成結(jié)構(gòu)化信息的賦能平臺。NLP平臺的主要應(yīng)用場景包括洞察提煉和智能查詢，終端使用者為決策部門和市場、產(chǎn)研等業(yè)務(wù)部門。
企業(yè)對NLP平臺的需求體現(xiàn)在洞察提煉和產(chǎn)品智能化兩方面，核心是自然語言理解和自然語言生成。在洞察提煉場景下，企業(yè)需要從互聯(lián)網(wǎng)公開資料或客戶反饋資料中總結(jié)出有價值的行業(yè)和市場信息。此過程包含自然語言理解、數(shù)據(jù)處理與分析、內(nèi)容生成三個階段。在自然語言理解和內(nèi)容生成階段，企業(yè)需要NLP平臺具備完備的NLP能力、預訓練深度學習模型和行業(yè)標簽庫，能夠?qū)⑿袠I(yè)信息、客戶評價等包含大量行業(yè)信息的非結(jié)構(gòu)化數(shù)據(jù)準確轉(zhuǎn)化為結(jié)構(gòu)化機器語言，并能通過摘要生成等模型，將分析后的數(shù)據(jù)轉(zhuǎn)化回自然語言，如可視化圖表等。在數(shù)據(jù)處理與分析階段，NLP平臺需要具備大數(shù)據(jù)處理能力和豐富行業(yè)經(jīng)驗，在深入了解企業(yè)產(chǎn)品和業(yè)務(wù)的基礎(chǔ)上，提煉數(shù)據(jù)分析指標，據(jù)此提煉行業(yè)和市場的量化數(shù)據(jù)。
在產(chǎn)品智能化場景下，NLP是實現(xiàn)用戶與產(chǎn)品互動的關(guān)鍵技術(shù)，NLP模型如何準確理解用戶需求成為企業(yè)重視的問題。企業(yè)需要NLP平臺提供預訓練深度學習模型，準確識別、劃分用戶自然語言，從中提煉核心需求。此外，企業(yè)需要將NLP技術(shù)與其他認知智能產(chǎn)品結(jié)合，為企業(yè)提供定制化解決方案，滿足用戶差異化需求。如在銀行客服咨詢場景下，NLP模型首先識別客戶問題關(guān)鍵詞，再通過金融知識圖譜、智能知識庫等后臺產(chǎn)品檢索相關(guān)信息，最后再使用自然語言生成技術(shù)，將其轉(zhuǎn)化為符合自然語言邏輯的答案。
ChatGPT橫空出世，加速自然語言生成的發(fā)展速度，也使企業(yè)看到使用自然語言生成進行內(nèi)容創(chuàng)作的需求。具備大模型開發(fā)能力的大廠可將自研垂直領(lǐng)域大模型作為發(fā)展方向，而缺乏開發(fā)能力的中小型廠商可嘗試以長期積累的自然語言處理技術(shù)和NLP平臺產(chǎn)品為基礎(chǔ)，融合開源大模型，在文本創(chuàng)作等文本內(nèi)容自動生成領(lǐng)域發(fā)揮價值。例如，金融領(lǐng)域垂直行業(yè)大模型可應(yīng)用于金融報告生成、證券研報智能解讀和摘要生成、上市公司信息檢索等有更高專業(yè)度要求的領(lǐng)域，為企業(yè)提供準確、便捷的內(nèi)容生成服務(wù)。此外，垂直領(lǐng)域大模型的模型精度也顯著優(yōu)于傳統(tǒng)模型，如在能源電力行業(yè)，大模型可應(yīng)用于電力領(lǐng)域問題定位、電力領(lǐng)域分調(diào)和實體識別，準確率均顯著高于通用預訓練模型。
表格 2 NLP平臺主要應(yīng)用場景
NLP平臺將自然語言處理能力落地到企業(yè)業(yè)務(wù)、產(chǎn)品和服務(wù)中時，項目經(jīng)驗是影響識別準確率的關(guān)鍵因素。廠商應(yīng)具備豐富行業(yè)經(jīng)驗，在過往項目中積攢行業(yè)預訓練模型和細分場景標簽庫，能根據(jù)NLP能力落地場景特點，提供合適的深度學習模型和算法。
近年來，在NLP技術(shù)日趨同質(zhì)化的背景下，企業(yè)對NLP算法識別準確度要求逐漸提高，成為NLP平臺落地的新挑戰(zhàn)。為此，廠商應(yīng)當聚焦領(lǐng)域數(shù)據(jù)，深耕垂直行業(yè)生態(tài)，如具備行業(yè)基礎(chǔ)設(shè)施智能化建設(shè)經(jīng)驗，以行業(yè)和領(lǐng)域構(gòu)建護城河。從選型的角度，企業(yè)不僅要關(guān)注NLP平臺的技術(shù)能力，而且要重視NLP平臺的行業(yè)理解，包括預訓練模型在行業(yè)場景下的識別精度、行業(yè)標簽庫的標簽數(shù)量等。以金融風控場景為例，企業(yè)最關(guān)注的方向是風險知識挖掘。在此基礎(chǔ)上，每一家銀行的風險挖掘視角都有所差異，NLP平臺需要基于服務(wù)多家客戶經(jīng)驗，將其共性能力匯總，為企業(yè)提供更全面、詳細的風險知識挖掘服務(wù)。
案例2: 某省分行借力NLP，攻克面向科創(chuàng)企業(yè)的“數(shù)字化營銷獲客”與“風險監(jiān)控”兩項難題
商業(yè)銀行的對公獲客業(yè)務(wù)主要面向三個群體：普惠企業(yè)、科創(chuàng)企業(yè)、大企業(yè)。其中，科創(chuàng)企業(yè)發(fā)展速度快、創(chuàng)新能力強、基數(shù)大，是極具活力和潛力的創(chuàng)新主體。
圍繞此類企業(yè)的金融業(yè)務(wù)主要面臨兩大痛點。一是獲客難，目前科創(chuàng)企業(yè)的信息獲取、客群篩選主要依賴線下與人工方式，周期長且成本高。二是風險監(jiān)控難，科創(chuàng)企業(yè)的核心競爭力在于技術(shù)創(chuàng)新，因此衡量科創(chuàng)企業(yè)價值與風險，重點在于評估其創(chuàng)新能力、成果轉(zhuǎn)化與市場價值，較難進行評估和監(jiān)控。
某省分行重視科技金融機遇，亟需破除“獲客難”和“風險監(jiān)控難”兩大痛點
某省分行面對新一輪科技革命和產(chǎn)業(yè)變革，積極響應(yīng)行內(nèi)“十四五”科技金融規(guī)劃與行動方案號召，開展輻射全國范圍的科技金融風險預警與營銷賦能專項創(chuàng)新研發(fā)項目試點。該項目重視科技創(chuàng)新，旨在運用新技術(shù)、新模式拓展科技金融渠道生態(tài)、培育科創(chuàng)客群、優(yōu)化科技金融風控體系，實現(xiàn)科技金融綜合服務(wù)能力的持續(xù)提升。
該省分行以提升科創(chuàng)企業(yè)分析管理能力為出發(fā)點，通過投融資、產(chǎn)業(yè)分析與企業(yè)數(shù)據(jù)分析，構(gòu)建數(shù)據(jù)分析模型，建立內(nèi)部特有客戶畫像庫，推進數(shù)字化營銷獲客與風險監(jiān)控，為行內(nèi)產(chǎn)業(yè)、行業(yè)、企業(yè)分析提供決策支持。
?“營銷賦能”——探索開發(fā)一套科技金融營銷的“前置”模型，充分利用公開數(shù)據(jù)對科技金融目標客群進行批量化篩選、分層，通過科創(chuàng)企業(yè)大數(shù)據(jù)庫和智能模型精準分析定位，將營銷力量聚焦在科技屬性強、研發(fā)質(zhì)量高、成長潛力大的科創(chuàng)企業(yè)。
?“風險預警”——探索開發(fā)科技金融客戶風險監(jiān)控模型，建立專利評估模型以及科創(chuàng)企業(yè)評估模型，打造“科技五力模型”，即科創(chuàng)成果力、專利質(zhì)量力、新興成長力、持續(xù)增長力、人力建設(shè)力，通過對企業(yè)“科技力”量化分析與評分，預測企業(yè)科技發(fā)展?jié)摿褪袌鰞r值。同時通過對科創(chuàng)企業(yè)的科技能力、負面信息、經(jīng)營狀況、押品(特別是知識產(chǎn)權(quán)類質(zhì)押融資等)風險等維度的綜合分析，對科創(chuàng)客戶風險狀況進行監(jiān)控和預警，完善行方科技金融風控體系。
拓爾思數(shù)星產(chǎn)業(yè)大腦云服務(wù)平臺為解決方案落地提供強力支撐
拓爾思信息技術(shù)股份有限公司(簡稱“拓爾思”)成立于1993年，是一家專業(yè)的大數(shù)據(jù)、人工智能和數(shù)據(jù)安全產(chǎn)品及服務(wù)提供商。拓爾思堅持核心技術(shù)自主研發(fā)，擁有40+發(fā)明專利、1000+軟件著作權(quán)，在搜索型數(shù)據(jù)庫、自然語言處理(NLP)技術(shù)的技術(shù)創(chuàng)新和應(yīng)用場景落地等方面保持領(lǐng)先地位。
面對該省分行需求，拓爾思解決思路如下：①基于產(chǎn)業(yè)企業(yè)數(shù)據(jù)獲取營銷線索，為獲客拓客提供決策支持;②構(gòu)建企業(yè)精準畫像，多維度監(jiān)控穿透企業(yè)風險。
具體解決方案如下：
科創(chuàng)企業(yè)營銷獲客。
主要通過科技企業(yè)所在產(chǎn)業(yè)鏈、科技企業(yè)的產(chǎn)業(yè)主題與資質(zhì)主題等分類獲得營銷線索，還可以通過全量科技企業(yè)庫獲得更多營銷機會。通過科技產(chǎn)業(yè)鏈獲客模塊，獲得科技產(chǎn)業(yè)鏈中的高價值企業(yè)營銷清單;通過科技場景獲客獲得各個產(chǎn)業(yè)分類主題與企業(yè)資質(zhì)主題的高質(zhì)量企業(yè)營銷清單;通過科技企業(yè)庫，自定義篩選具有營銷潛力的高價值科技企業(yè)，并挖掘企業(yè)的詳細信息包括科創(chuàng)力評估與專利分析。
圖 3 科創(chuàng)企業(yè)營銷獲客主要內(nèi)容
科技企業(yè)監(jiān)控風險。
科技企業(yè)的風控場景主要是幫助業(yè)務(wù)人員第一時間獲得風險情報，提供工具分析科技企業(yè)的具體風險?？赏ㄟ^預警信號模塊，對科技企業(yè)進行全天候的風險監(jiān)測，發(fā)生風險事件，將以風險信號的方式及時預警;可通過企業(yè)風險畫像，分析每家科技企業(yè)的風險情況。
?企業(yè)風險畫像模型。利用輿情、經(jīng)營、司法、工商、抵押質(zhì)押等企業(yè)數(shù)據(jù)，對科技金融客群的行為特征或重大事件進行歸集、分析，得到企業(yè)可能即將爆發(fā)的風險類型及相應(yīng)線索，形成預警信號。模型需對預警信號進行語義級去重并根據(jù)嚴重程度進行分級。
?企業(yè)風險態(tài)勢指數(shù)模型。結(jié)合企業(yè)風險信息與預警信號綜合計算得到風險態(tài)勢指數(shù)，以反應(yīng)企業(yè)近期風險。
上述解決方案由拓爾思數(shù)星產(chǎn)業(yè)大腦云服務(wù)平臺支撐落地。拓爾思數(shù)星產(chǎn)業(yè)大腦以產(chǎn)業(yè)數(shù)據(jù)中心為支撐，以智能數(shù)據(jù)標簽引擎和全產(chǎn)業(yè)鏈知識引擎為核心底座，運用新一代信息技術(shù)，推動產(chǎn)業(yè)數(shù)字化、智能化升級，實現(xiàn)政策、空間、供應(yīng)鏈、金融、科技、銷售等產(chǎn)業(yè)要素與產(chǎn)業(yè)主體之間的高效協(xié)同，為企業(yè)生產(chǎn)經(jīng)營提供數(shù)字化賦能，為產(chǎn)業(yè)生態(tài)建設(shè)提供數(shù)字化服務(wù)，為經(jīng)濟治理提供數(shù)字化手段。
圖 4拓爾思數(shù)星產(chǎn)業(yè)大腦云服務(wù)平臺架構(gòu)圖
NLP技術(shù)在項目中發(fā)揮重要作用。拓爾思利用 NLP 在海量文本數(shù)據(jù)中提取營銷線索或者風險線索，把企業(yè)的科創(chuàng)屬性以及企業(yè)間的上下游關(guān)系提取出來，實時給到銀行客戶經(jīng)理營銷使用。同時，拓爾思積累的大量NLP算法模型沉淀在產(chǎn)業(yè)大腦中，有利于該省分行實現(xiàn)更全面細致地分析，進一步深挖數(shù)據(jù)價值。以標簽?zāi)Ｐ蜑槔浔举|(zhì)為事件特征，標簽越細致意味著對事件描述地越全面。同樣的語料，該省分行通過標簽疊加可以挖掘到更多的信息。
解決思路、解決方案和解決工具已經(jīng)具備，但項目成功落地還有一個難點需要解決。實現(xiàn)該省分行項目需求，需要大量科創(chuàng)相關(guān)的專業(yè)數(shù)據(jù)，但公開數(shù)據(jù)比較匱乏。
巧婦難為無米之炊，這個難點必須得到解決。拓爾思認為，能通過常規(guī)方法獲得的數(shù)據(jù)均已獲得，剩余數(shù)據(jù)缺口可以由“另類數(shù)據(jù)”補位。另類數(shù)據(jù)指百科、音頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)。利用另類數(shù)據(jù)不是難點，難點在于快速、準確地利用。拓爾思早在2000 年便入局NLP市場，深耕NLP技術(shù)二十余年，在處理另類數(shù)據(jù)方面具有技術(shù)和經(jīng)驗的雙重優(yōu)勢，是勝任該項工作的重要保障。
試點效果顯著，總行計劃將該省分行成果推向全行
科創(chuàng)企業(yè)往往具有較強的產(chǎn)業(yè)屬性與專業(yè)屬性，傳統(tǒng)模式下業(yè)務(wù)人員難以通過申請材料評估企業(yè)的價值與風險。科創(chuàng)力評估與專利價值評估模型，將直接提供評估科創(chuàng)企業(yè)及其專利價值、潛力、風險的依據(jù)，提高拓客效率，進一步將營銷力量集中到有潛力的科創(chuàng)企業(yè)。
基于大數(shù)據(jù)與人工智能技術(shù)的營銷拓客與風險預警模型，將有效改善科技金融傳統(tǒng)營銷方式下獲客成本高、效率低的問題。目前中小客戶的信息獲取、客群篩選主要依賴線下與人工方式，周期長且成本高。而模型可根據(jù)產(chǎn)品與企業(yè)特征自動生成營銷短名單，業(yè)務(wù)人員可精確定位潛在客群，快速發(fā)現(xiàn)，主動出擊。
科技金融風險預警與營銷賦能平臺幫助該省分行引入新技術(shù)、新模式，為科創(chuàng)企業(yè)提供差異化金融產(chǎn)品，早參與、早服務(wù)、早培育，針對企業(yè)的不同發(fā)展階段提供場景化服務(wù)。
試點效果顯著，總行計劃將其做成全行項目，將解決方案和成功經(jīng)驗向全行推廣，釋放更大價值。 4.會話智能實踐
會話智能為企業(yè)提供語音數(shù)據(jù)采集、話術(shù)質(zhì)檢分析、客戶意圖捕捉以及流程監(jiān)督管理等能力，當前主要應(yīng)用于企業(yè)對外溝通的銷售場景，在審批等企業(yè)內(nèi)部溝通場景也有少量應(yīng)用。在銷售場景下，會話智能的終端使用者多為銷售管理人員。
企業(yè)對會話智能的需求體現(xiàn)在銷售和企業(yè)內(nèi)部溝通等場景，致力于通過會話智能充分利用企業(yè)會話數(shù)據(jù)資產(chǎn)，從多源異構(gòu)數(shù)據(jù)中發(fā)現(xiàn)有價值的洞察。在銷售場景下，企業(yè)希望從員工與顧客的會話中提煉兩方面信息。一方面，企業(yè)希望了解金牌銷售的哪些話術(shù)是客戶轉(zhuǎn)化關(guān)鍵，進而從其與客戶的會話數(shù)據(jù)中提煉標準話術(shù)，組成銷售話術(shù)模板。銷售管理人員可使用話術(shù)模板培訓銷售團隊，再通過會話數(shù)據(jù)監(jiān)測，了解員工標準銷售話術(shù)執(zhí)行力度，有針對性地提升銷售短板。另一方面，企業(yè)通過整理和分析顧客會話數(shù)據(jù)，了解特定客戶產(chǎn)品和服務(wù)需求，從而及時調(diào)整銷售策略，提高客戶轉(zhuǎn)化率。企業(yè)還可以從日常銷售行為中提煉出客戶畫像，進而獲取市場洞察信息。
在企業(yè)內(nèi)部溝通場景下，企業(yè)期待會話智能降低溝通協(xié)調(diào)成本，進而提高員工工作效率。比如在行政審批環(huán)節(jié)，員工原本需要手動將相關(guān)信息上傳到審批系統(tǒng)。使用會話智能后，AI可以從員工工作信息中直接提取相關(guān)審批信息，自動完成審批操作。員工可以專注于自身業(yè)務(wù)，減少重復性機械工作。
近兩年來，企業(yè)對業(yè)務(wù)精細化有更高要求，不僅希望將會話數(shù)據(jù)整合為企業(yè)資產(chǎn)，而且需要從中提煉細顆粒度洞察，聚焦于細分場景，比如產(chǎn)品的提及率分析等。反映到廠商端，會話智能需要具備更強的自定義分析能力，包括問題定義、特征抽取、小樣本驅(qū)動等。從業(yè)務(wù)廣度上，甲方需求對廠商AI能力提出更高要求。比如廠商希望了解客戶對某款產(chǎn)品的評價，需要廠商針對需求迅速訓練新模型。
表格 3 會話智能主要應(yīng)用場景
上述需求是廠商對會話智能的普遍需求，會話智能廠商應(yīng)當具備標準解決方案。在推動需求落地時，項目總時長一般在2-3個月。由于AI的不可解釋性，廠商會以算法和模型小迭代方式落地項目，企業(yè)可根據(jù)第一期項目成果，判斷是否繼續(xù)推進合作。另外，企業(yè)在業(yè)務(wù)運作過程中會產(chǎn)生特有的洞察需求，如獲取某款產(chǎn)品銷量不佳的原因、會員制推行遇到的潛在阻礙等。這類需求與企業(yè)業(yè)務(wù)強相關(guān)，標準解決方案難以針對性解決，因此會話智能廠商還需要具備將AI能力、行業(yè)積累與客戶業(yè)務(wù)深度結(jié)合的能力，為企業(yè)提供定制化服務(wù)。
具體落地過程中，會話智能項目實施有兩個要點，一是廠商需要從會話數(shù)據(jù)中提煉銷售關(guān)鍵節(jié)點，優(yōu)化企業(yè)銷售SOP，二是廠商需具備從顧客會話中提煉市場洞察的能力，例如競品洞察、客戶需求等。
為優(yōu)化銷售SOP，廠商需要在企業(yè)所在行業(yè)具有豐富的經(jīng)驗儲備，了解企業(yè)銷售鏈路特征，并將其與企業(yè)業(yè)務(wù)經(jīng)驗結(jié)合，從而科學構(gòu)建企業(yè)銷售標簽庫。在此基礎(chǔ)上，廠商使用標簽庫訓練機器學習模型，從企業(yè)銷售人員會話數(shù)據(jù)中提煉銷售會話指標，豐富企業(yè)SOP。
為提煉市場洞察，一方面，廠商需要具備常態(tài)化特征提取能力，能夠準確識別并提取會話數(shù)據(jù)成分，使企業(yè)能通過關(guān)鍵詞搜索等方式獲取洞察。這要求廠商的NLP模型與算法兼具泛化能力與專業(yè)性，既能識別出同一含義的不同表述方式，又能準確定義概念邊界，排除與其無關(guān)的會話數(shù)據(jù)。另一方面，面對企業(yè)深層次的市場洞察需求，廠商需要具備專業(yè)的行業(yè)認知，并在深入調(diào)研企業(yè)業(yè)務(wù)的基礎(chǔ)上，快速抽取問題特征，將其拆解成量化指標，有針對性地訓練算法和模型，從會話數(shù)據(jù)中獲取市場洞察。
案例3：某頭部美妝新零售企業(yè)通過會話智能釋放門店數(shù)據(jù)價值，銷售業(yè)績再上新臺階
隨著美妝零售行業(yè)由流量運營向消費者運營轉(zhuǎn)型，美妝新零售成為受美妝企業(yè)歡迎的零售形態(tài)。與傳統(tǒng)美妝零售不同，美妝新零售一方面更重視消費者體驗，注重與顧客建立情感鏈接;另一方面，數(shù)據(jù)驅(qū)動的互聯(lián)網(wǎng)工具為甲方提供線下門店運營的洞察分析，成為企業(yè)決策的重要參考。
美妝新零售行業(yè)繼承了美妝零售行業(yè)“短鏈路”的銷售特征。與汽車門店長鏈路銷售不同，顧客從進入美妝門店開始，通常在5分鐘內(nèi)決定是否做出購買行為。短鏈路的特點給美妝新零售門店導購提出更高要求，如何在短時間內(nèi)全面了解顧客需求、建立情感聯(lián)結(jié)，并充分介紹美妝產(chǎn)品賣點，是美妝新零售甲方關(guān)心的問題。
重視顧客體驗、數(shù)據(jù)驅(qū)動和短鏈路銷售三大特點，使美妝新零售甲方愈發(fā)重視銷售過程的洞察和復盤，如導購第幾輪回復客戶的轉(zhuǎn)化率最高、哪些話術(shù)更容易激發(fā)購買行為、哪些是排名前幾的促單指標……上述門店洞察的獲取對甲方過程分析能力要求很高，且依賴大量運營數(shù)據(jù)支撐。最有價值的信息往往隱含在導購與顧客的對話中，而傳統(tǒng)數(shù)據(jù)獲取方式，如客戶滿意度調(diào)查、神秘顧客抽檢，不但效率低下，還不具備會話分析的能力。數(shù)據(jù)缺乏已經(jīng)成為美妝新零售甲方的核心痛點。
為實現(xiàn)銷售服務(wù)規(guī)范化、數(shù)字化，某美妝新零售企業(yè)選擇明略科技作為合作伙伴
以某美妝新零售企業(yè)為例，美妝新零售行業(yè)痛點同樣也成為該企業(yè)線下門店數(shù)字化轉(zhuǎn)型的攔路虎。龐大的店鋪數(shù)量對該企業(yè)門店管理帶來了艱巨挑戰(zhàn)。該企業(yè)希望從自有產(chǎn)品和品牌方產(chǎn)品中找到爆款產(chǎn)品，并掌握美妝導購對企業(yè)SOP的執(zhí)行情況，但企業(yè)決策者缺乏了解門店業(yè)務(wù)的渠道，不清楚每位美妝導購如何服務(wù)客戶。此前該企業(yè)對門店服務(wù)的考察依賴神秘顧客抽檢和滿意度調(diào)研，但決策者發(fā)現(xiàn)，神秘顧客抽檢服務(wù)效率低下、數(shù)據(jù)粗糙，抽檢結(jié)果與檢察人員的專業(yè)性相關(guān);滿意度調(diào)研對銷售過程的評價不詳細，不能用作門店服務(wù)質(zhì)量評估和企業(yè)決策的依據(jù)。
為精準尋找爆款產(chǎn)品，并不斷提升門店銷售服務(wù)水平，該美妝新零售企業(yè)亟需解決數(shù)據(jù)獲取難的問題。經(jīng)過決策者綜合研判，該企業(yè)希望運用會話智能解決方案，將銷售服務(wù)過程規(guī)范化、數(shù)字化，實現(xiàn)門店銷售過程可見、可測量、可改進。
因此，該美妝新零售企業(yè)對會話智能解決方案提出了以下目標：
第一，銷售過程結(jié)構(gòu)化。
第二，銷售過程數(shù)字化。
第三，優(yōu)化銷售決策。
經(jīng)過深度考察，該美妝新零售企業(yè)選擇明略科技作為合作伙伴。明略科技旗下的會話智能產(chǎn)品包含非結(jié)構(gòu)化數(shù)據(jù)識別分析技術(shù)體系、AI和機器學習能力、以及知識圖譜，具備完善的技術(shù)底座。明略科技會話智能可以通過對大量會話數(shù)據(jù)進行語義切片和主題聚類分析，將美妝導購與客戶之間的非結(jié)構(gòu)化溝通數(shù)據(jù)透明化、可視化，并可基于場景標簽識別、語義切片技術(shù)，在海量會話數(shù)據(jù)中挖掘與成單正相關(guān)的優(yōu)秀話術(shù)。
此外，明略科技擁有17年服務(wù)500強企業(yè)經(jīng)驗，沉淀了深厚的美妝行業(yè)知識庫，籍此訓練語音識別和自然語言處理模型。行業(yè)Know-how與明略科技研發(fā)的端到端自研語音模型和自然語言處理模型結(jié)合，使會話智能在美妝領(lǐng)域的會話識別效果明顯更優(yōu)。
更吸引該美妝新零售企業(yè)的是，明略科技為每個項目配備專業(yè)的客戶成功團隊，團隊成員可以提供定制化服務(wù)，囊括從項目需求到數(shù)據(jù)、內(nèi)容和業(yè)務(wù)運營，再到數(shù)據(jù)分析、市場洞察提煉的完整流程，且能夠保障售后服務(wù)質(zhì)量。
會話智能解決方案幫助該美妝新零售企業(yè)篩選導購與顧客的會話數(shù)據(jù)，提煉標準接待流程
在充分了解甲方門店運營情況后，明略科技發(fā)現(xiàn)，要實現(xiàn)該美妝新零售企業(yè)的項目預期，會話智能產(chǎn)品需要解決兩處困難。首先，該企業(yè)希望從美妝導購與顧客的會話數(shù)據(jù)中提煉標準接待流程，但線下門店美妝導購每天會產(chǎn)生大量會話數(shù)據(jù)，如問路、外賣、盤貨、與其他導購閑聊等，會話智能需要從中準確識別出符合要求的數(shù)據(jù)。其次，考慮到該企業(yè)線下門店分布在全國各個地區(qū)，各地美妝導購對同一款產(chǎn)品的發(fā)音、叫法都不盡相同，明略會話智能的語音識別系統(tǒng)需要具備泛化能力，準確識別導購提到的美妝產(chǎn)品。
為此，明略科技從項目POC階段開始，就與該美妝新零售企業(yè)充分溝通，將自有美妝行業(yè)知識庫與甲方業(yè)務(wù)經(jīng)驗結(jié)合，共同定義線下門店導購流程標簽庫。甲方門店美妝導購佩戴明略科技自研的靈聽工牌，采集門店銷售過程會話數(shù)據(jù)。明略科技還針對甲方剔除與導購流程無關(guān)會話的要求，以小樣本冷啟動訓練語義相關(guān)性NLP模型，采用小迭代的方式按批次訓練模型識別銷售會話指標。在項目POC階段，明略會話智能的NLP模型識別準確率得到甲方肯定。
圖 5會話智能客戶成功團隊協(xié)助管理者結(jié)合已有流程，拆解銷售服務(wù)過程，為銷售過程數(shù)字化提供“標準”
明略科技完整的會話智能解決方案包括以下內(nèi)容：
1. 明略科技結(jié)合甲方業(yè)務(wù)經(jīng)驗，提煉產(chǎn)品和品牌亮點等信息，為該美妝新零售企業(yè)梳理10個銷售環(huán)節(jié)、20+個溝通事件，設(shè)置100+個銷售會話指標，組成導購標準SOP。
2. 明略科技為甲方線下門店美妝導購提供自研靈聽工牌，采集門店銷售過程全量數(shù)據(jù)。當導購結(jié)束工作，將工牌放回充電樁后，工牌采集的會話數(shù)據(jù)會自動上傳到會話智能系統(tǒng)中。
3. 會話智能預置美妝ASR引擎，轉(zhuǎn)寫工牌采集的錄音數(shù)據(jù)為文本數(shù)據(jù)。
4. 會話智能搭載的NLP模型識別會話文本數(shù)據(jù)，并根據(jù)上述會話指標為數(shù)據(jù)打標簽。
5. 會話智能為該企業(yè)提供BI配置看板，向運營部門和大區(qū)經(jīng)理可視化展示各個門店銷售會話指標執(zhí)行情況、月度KPI指標排名、門店通報等信息，并自動設(shè)置benchmark，幫助甲方管理者直觀分析各家門店表現(xiàn)。
會話智能解決方案彌補執(zhí)行短板，該美妝新零售企業(yè)銷售業(yè)績明顯提升
通過明略科技會話智能解決方案，該美妝新零售企業(yè)彌補了執(zhí)行短板，獲取到了真實的銷售數(shù)據(jù)，用“真實、正確的數(shù)據(jù)”打開銷售過程黑盒，使得銷售服務(wù)過程可見、可測量、可及時干預。在日常階段，通過完成銷售過程結(jié)構(gòu)化，管理者可使用指標看板及時補足銷售執(zhí)行的薄弱環(huán)節(jié)，并采取有針對性的銷售培訓;在推介階段，會話智能解決方案能夠輔助分析消費者畫像，從而提升產(chǎn)品推廣有效性;在整體層面，能夠復制優(yōu)秀銷售經(jīng)驗，從而提升門店的整體業(yè)績。最終，在使用明略科技會話智能后，該美妝新零售企業(yè)的SOP執(zhí)行率、自營品牌銷售提及率、商品試用邀請?zhí)峒奥屎妥罱K業(yè)績均有5%-10%的提升。
5.結(jié)語
認知智能是繼感知智能之后的人工智能新時代，進一步擴展了人工智能王國的疆域。人們在生產(chǎn)生活中將與AI更加密切，在公司知識庫里查閱資料、在門店與銷售人員交談、在門診與醫(yī)生溝通病情……在這些場景背后，認知智能已經(jīng)有所應(yīng)用，正在悄然發(fā)力，致力于讓用戶獲得更好的體驗，讓企業(yè)獲得更強的市場競爭力。同時，ChatGPT等大語言模型出現(xiàn)之后，補全了認知智能的自然語言生成短板。認知智能如虎添翼，必將迸發(fā)更大的能量。
企業(yè)需要認識到以認知智能為首的智能化所蘊含的變革力量。對人工智能技術(shù)的使用程度很可能演變?yōu)槠髽I(yè)的競爭要素之一。企業(yè)需要及早行動，尋找自身戰(zhàn)略、業(yè)務(wù)、產(chǎn)品等方面和人工智能的融合之道，讓人工智能成為助力企業(yè)發(fā)展的新引擎。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
