知識圖譜在權(quán)益運營推薦系統(tǒng)中的應(yīng)用

趙東明，田 雷，劉 靜，劉 帥，陳 晨

（中國移動通信集團天津有限公司人工智能實驗室，天津 300020）

0 引言

在互聯(lián)網(wǎng)飛速發(fā)展的今天，以互聯(lián)網(wǎng)權(quán)益為代表的個性化營銷成為客戶運營的重要手段。通過將醫(yī)療健康、線上辦公、影音娛樂、在線課程等互聯(lián)網(wǎng)內(nèi)容權(quán)益與主營業(yè)務(wù)打包售賣，來增強客戶黏性，提升客戶體驗，是中國移動業(yè)務(wù)運營的重要趨勢，也是增強市場競爭力的重要武器。目前，中國移動的權(quán)益運營還面臨一些難題，包括：互聯(lián)網(wǎng)內(nèi)容類標簽庫較單一，權(quán)益運營較依賴管理人員的經(jīng)驗，智能推薦手段存在一定不足，面向互聯(lián)網(wǎng)權(quán)益的客戶意圖挖掘手段較少等，急需引入先進的人工智能技術(shù)，促進權(quán)益運營更加匹配客戶需求，提升客戶感知，且確保權(quán)益推薦的結(jié)果具備較強的語義解釋能力。

天津移動的大數(shù)據(jù)標簽庫共有4500個標簽，彼此有從屬、衍生關(guān)系，但是海量的關(guān)系語義未挖掘，導(dǎo)致權(quán)益推薦完全基于人的經(jīng)驗，準確率低。為此，天津公司構(gòu)建知識圖譜驅(qū)動的權(quán)益新體系，以知識圖譜語義網(wǎng)絡(luò)捕捉客戶潛在意圖及推薦商機，基于多種可能的推薦鏈路進行推薦排序，支撐市場經(jīng)營人員的權(quán)益運營工作，以AI技術(shù)驅(qū)動權(quán)益運營體系進行圖譜化重構(gòu)，權(quán)益挖掘智能化，權(quán)益推薦自動化，推薦策略可讀可理解，打造人工智能智慧運營的大數(shù)據(jù)權(quán)益推薦系統(tǒng)。

圖1 權(quán)益知識圖譜推薦體系

1 推薦系統(tǒng)架構(gòu)

大數(shù)據(jù)權(quán)益運營知識圖譜，將大數(shù)據(jù)系統(tǒng)、IOP微營銷、CRM權(quán)益優(yōu)惠及權(quán)益超市等B域系統(tǒng)能力進行圖譜化整合，將傳統(tǒng)的業(yè)務(wù)數(shù)據(jù)轉(zhuǎn)化為三維關(guān)系型數(shù)據(jù)，在大數(shù)據(jù)運營基礎(chǔ)上引入AutoML理念，實現(xiàn)海量數(shù)據(jù)的智能挖掘和規(guī)則提取，驅(qū)動權(quán)益優(yōu)惠在全量客戶進行精準投放，助力企業(yè)維系、營銷助手等前端營業(yè)工具內(nèi)進行權(quán)益精益推薦，同時知識圖譜的推薦解釋能力可以賦能客戶服務(wù)系統(tǒng)，實現(xiàn)客戶感知提升。

構(gòu)建知識圖譜驅(qū)動的權(quán)益推薦算法體系，對天津公司每名用戶和每個標簽的關(guān)系進行精準定義，挖掘底層語義，根據(jù)客群的權(quán)益推薦反饋和客戶屬性變化，基于圖譜網(wǎng)絡(luò)中的強弱關(guān)系生成推薦結(jié)果，并排定推薦順序進行營銷反饋，以AI技術(shù)驅(qū)動權(quán)益投放的“精準、智能、邏輯可解釋”，提升市場運營人員的大數(shù)據(jù)權(quán)益支撐管理水平。

圖2 推薦系統(tǒng)整體架構(gòu)

系統(tǒng)架構(gòu)包括：

⊙應(yīng)用層：面向各類業(yè)務(wù)觸點（CRM前臺、行銷工具、企業(yè)微信、大數(shù)據(jù)IOP、外部合作伙伴等）提供推薦、營銷支持、用戶分析等推薦相關(guān)能力。

⊙推薦邏輯層：對各類推薦算法進行統(tǒng)一整合，定期調(diào)整各類推薦算法路徑的權(quán)重，同時將提供用戶畫像及推薦圖譜的可視化能力，提高推薦平臺的可解釋性。

⊙推薦算法層：整合協(xié)同過濾算法、鏈路預(yù)測算法、知識推理算法三類算法能力，從二維數(shù)據(jù)中提取語義關(guān)系，形成大規(guī)模語義網(wǎng)絡(luò)驅(qū)動的推薦模組。

⊙圖譜整合層：通過對業(yè)務(wù)數(shù)據(jù)的合理抽象，制定用戶相關(guān)標簽、權(quán)限及關(guān)系的關(guān)系模型，并抽取形成語義網(wǎng)絡(luò)。

⊙數(shù)據(jù)層：數(shù)據(jù)層中將同步整合大數(shù)據(jù)平臺提供的用戶固有屬性標簽數(shù)據(jù)、訂購數(shù)據(jù)、實時瀏覽數(shù)據(jù)、DPI數(shù)據(jù)、家庭關(guān)系、好友關(guān)系等數(shù)據(jù)，支撐圖譜構(gòu)建。

2 權(quán)益知識圖譜構(gòu)建及推理

2.1 基礎(chǔ)圖譜網(wǎng)絡(luò)結(jié)構(gòu)

權(quán)益推薦系統(tǒng)圖譜構(gòu)建的源數(shù)據(jù)主要有兩類：中國移動大數(shù)據(jù)基礎(chǔ)屬性（標簽），作為客戶意圖挖掘和個性化推薦的基礎(chǔ)，蘊含豐富的語義信息，如用戶使用終端品牌、用戶等級、用戶品牌、消費金額、異常特征等，將屬性進行定量分析后即可生成屬性類關(guān)系；互聯(lián)網(wǎng)內(nèi)容偏好（DPI解析的瀏覽頻次），通過獲取用戶訂購信息并進行權(quán)益使用的定量分析后，生成具體互聯(lián)網(wǎng)APP（優(yōu)酷，騰訊視頻、愛奇藝等）偏好類關(guān)系；將客戶號碼與“基礎(chǔ)屬性、互聯(lián)網(wǎng)內(nèi)容偏好、權(quán)益訂購記錄”三類語義關(guān)系進行統(tǒng)一整合后，生成了全量用戶的圖譜關(guān)系網(wǎng)。

圖3 權(quán)益推薦圖譜網(wǎng)絡(luò)構(gòu)建方法

2.2 互聯(lián)網(wǎng)內(nèi)容圖譜構(gòu)建

通過BOSS系統(tǒng)訂購日志和DPI數(shù)據(jù)分析確定用戶的互聯(lián)網(wǎng)內(nèi)容訂購結(jié)果，通過DPI解析獲取用戶的互聯(lián)網(wǎng)內(nèi)容偏好標簽，基于關(guān)系構(gòu)建互聯(lián)網(wǎng)內(nèi)容圖譜：標簽-用戶-權(quán)益包。圖譜的中心節(jié)點為用戶號碼，千萬級天津公司用戶將構(gòu)成實體節(jié)點。每名用戶通過DPI解析形成TopN的互聯(lián)網(wǎng)內(nèi)容偏好標簽，與用戶形成“標簽-用戶”關(guān)系。每名用戶通過大數(shù)據(jù)分析及訂單記錄確定訂購的互聯(lián)網(wǎng)權(quán)益數(shù)據(jù)，形成“用戶-權(quán)益包”關(guān)系。所有實體串接起來形成圖譜結(jié)構(gòu)。

2.3 基礎(chǔ)屬性圖譜的構(gòu)建

現(xiàn)有大數(shù)據(jù)系統(tǒng)的數(shù)據(jù)存儲結(jié)構(gòu)是二維寬表，已實現(xiàn)將在網(wǎng)全量客戶作為“行”，所有業(yè)務(wù)標簽作為“列”，織出一張基于全量客戶業(yè)務(wù)行為的寬表結(jié)構(gòu)?！靶小笔强蛻舻乃袑傩詷撕灒傲小笔撬锌蛻舻臉I(yè)務(wù)狀態(tài)，組成超大寬表?；A(chǔ)屬性知識圖譜每名客戶和每個標簽均作為一個實體，每種關(guān)系作為邊，將客戶寬表轉(zhuǎn)化為無限延伸的復(fù)雜網(wǎng)狀結(jié)構(gòu)，支撐對客戶任何場景、時機、狀態(tài)變化的映射，生成10億條數(shù)據(jù)的RDF三元組關(guān)系型數(shù)據(jù)庫，來表示客戶與標簽之前的復(fù)雜關(guān)系，每種關(guān)系作為一條鏈路可以無限延伸。

圖4 互聯(lián)網(wǎng)及基礎(chǔ)屬性圖譜構(gòu)建流程

2.4 權(quán)益圖譜的語義推理流程

基于知識圖譜的權(quán)益推薦流程：“屬性描述、行為分析、互聯(lián)網(wǎng)偏好分析、特性定位、特征定位、關(guān)系鏈路生成”定位出客戶和權(quán)益之間最優(yōu)關(guān)系，反饋到前端業(yè)務(wù)工具進行客戶推薦，同時將推薦邏輯固化下來成為知識，協(xié)助權(quán)益運營策略不斷迭代優(yōu)化。權(quán)益推薦系統(tǒng)基于全量用戶圖譜關(guān)系，從已訂購用戶開始在圖網(wǎng)絡(luò)中進行鏈路預(yù)測，同時輔以多級影響因子對每一條推薦鏈路進行推薦度定量分析，最終將推薦結(jié)果進行可解釋性分析，并根據(jù)業(yè)務(wù)系統(tǒng)的反饋更新路徑策略。

推薦算法核心流程要點：

⊙推薦目標獲取，智能推薦模塊通過大數(shù)據(jù)獲取待推薦用戶列表及待推薦權(quán)益列表，作為推薦任務(wù)的輸入，尋找用戶和權(quán)益之間的關(guān)系。

⊙推薦鏈路預(yù)測，推薦系統(tǒng)從知識圖譜中尋找推薦節(jié)點，并根據(jù)圖譜關(guān)系強弱計算初步推薦路徑。

⊙推薦結(jié)果生成，通過多級算法加多影響因子的方式，對各路徑的推薦度進行綜合排序，輸出推薦列表，推薦度=用戶對路徑的相似度*x*權(quán)益對路徑的推薦度（多條鏈路相乘）*y*路徑的倒數(shù)長度*z。

⊙業(yè)務(wù)反饋分析，推薦系統(tǒng)從業(yè)務(wù)系統(tǒng)中定期獲取業(yè)務(wù)處理結(jié)果。

⊙自動策略發(fā)現(xiàn)，根據(jù)業(yè)務(wù)系統(tǒng)的反饋，針對每種權(quán)益將鏈路的推薦度進行綜合計算，用作后續(xù)鏈路預(yù)測的因素之一。

圖5 推薦算法流程及結(jié)果輸出

3 應(yīng)用推廣情況

權(quán)益推薦知識圖譜已基于天津公司200萬高價值客戶的18類基礎(chǔ)屬性（標簽）和9類主要互聯(lián)網(wǎng)內(nèi)容權(quán)益（愛奇藝、騰訊視頻、PPTV、芒果TV、優(yōu)酷、網(wǎng)易云音樂、酷我音樂、喜馬拉雅聽書、咪咕閱讀），生成RDF三元組數(shù)據(jù)2800萬條，并基于基礎(chǔ)關(guān)系數(shù)據(jù)生成2.5億條推薦鏈路（權(quán)益推薦方案），以日為周期進行權(quán)益圖譜數(shù)據(jù)更新，以及權(quán)益推薦結(jié)果的迭代優(yōu)化。

目前，權(quán)益運營知識圖譜已作為基于企業(yè)微信的客戶維系、管理、運營、推薦平臺，在天津移動全部14個分公司正式推廣，每月實現(xiàn)精準4萬名目標客戶群的權(quán)益推薦。權(quán)益優(yōu)惠尤其是互聯(lián)網(wǎng)內(nèi)容權(quán)益，如優(yōu)酷、愛奇藝等，對客戶具有極大吸引力，拉通權(quán)益運營和企業(yè)微信的流程和運營機制，在企業(yè)微信這種社交化渠道進行互聯(lián)網(wǎng)內(nèi)容權(quán)益推薦，具有極強的運營前景。

渠道經(jīng)理通過“星火聯(lián)盟”企業(yè)微信客戶端，利用大數(shù)據(jù)IOP的接口能力，以準實時方式獲取維系目標客戶的最佳待推薦權(quán)益，在內(nèi)容庫中以圖標+權(quán)益的方式形成TOP排序，可以通過私信的方式為客戶推薦，推薦內(nèi)部包括：權(quán)益名稱、權(quán)益優(yōu)惠、權(quán)益說明、權(quán)益營銷用語、業(yè)務(wù)辦理鏈接（權(quán)益超市），更好地實現(xiàn)了社交型客戶關(guān)系的權(quán)益經(jīng)營。

4 結(jié)束語

本文開發(fā)了一套電信運營商權(quán)益運營知識圖譜系統(tǒng)，將大數(shù)據(jù)系統(tǒng)、IOP微營銷、CRM權(quán)益優(yōu)惠及權(quán)益超市等B域系統(tǒng)能力進行圖譜化整合，將傳統(tǒng)的業(yè)務(wù)數(shù)據(jù)轉(zhuǎn)化為三維關(guān)系型數(shù)據(jù)，在大數(shù)據(jù)運營基礎(chǔ)上引入AutoML理念，實現(xiàn)海量數(shù)據(jù)的智能挖掘和規(guī)則提取，驅(qū)動權(quán)益優(yōu)惠在全量客戶進行精準投放，助力私域運營（星火聯(lián)盟）等前端營業(yè)工具內(nèi)進行權(quán)益精益推薦，同時知識圖譜的推薦解釋能力可以賦能客戶服務(wù)系統(tǒng)，實現(xiàn)客戶感知提升。