電信運(yùn)營商知識(shí)圖譜智慧運(yùn)營管理系統(tǒng)

趙東明 田雷 劉靜 石理

【摘要】? ? ?本文打造了“一體兩面”的知識(shí)圖譜運(yùn)營管理系統(tǒng)，在智能應(yīng)答和存量運(yùn)營兩大核心業(yè)務(wù)領(lǐng)域開展了一系列實(shí)踐，先后完成了智能應(yīng)答知識(shí)圖譜，企管支撐知識(shí)圖譜，權(quán)益運(yùn)營知識(shí)圖譜，5G換機(jī)知識(shí)圖譜，預(yù)離網(wǎng)知識(shí)圖譜等應(yīng)用，并打造了面向運(yùn)營人員的知識(shí)圖譜個(gè)性化管理系統(tǒng)，嵌并嵌入公司運(yùn)營管理主體流程中形成固化，在存量經(jīng)營、客戶服務(wù)、零售運(yùn)營、預(yù)警挽留等多個(gè)領(lǐng)域全場(chǎng)景打造AI標(biāo)桿應(yīng)用，并驗(yàn)證了AI賦能業(yè)務(wù)的價(jià)值和規(guī)?；瘧?yīng)用的可行性。

【關(guān)鍵字】? ? 知識(shí)圖譜? ? 系統(tǒng)

引言

中國移動(dòng)已進(jìn)入“客戶需求多元化、客戶體驗(yàn)個(gè)性化、行業(yè)特征高度適配化”的數(shù)字化運(yùn)營階段，商業(yè)形態(tài)、運(yùn)營模式相比以往都發(fā)生了巨大變化，如何利用大數(shù)據(jù)、人工智能等新技術(shù)，根據(jù)通信與數(shù)字化服務(wù)數(shù)據(jù)來精準(zhǔn)識(shí)別客戶潛在意圖、負(fù)面傾向，并發(fā)現(xiàn)新商機(jī)、避免升級(jí)投訴，決定了未來的發(fā)展空間與競爭能力。2020年以來，人工智能領(lǐng)域的發(fā)展趨勢(shì)正在發(fā)生重要的變化，由“感知智能”向“認(rèn)知智能”。“認(rèn)知智能”是人工智能技術(shù)發(fā)展的高級(jí)階段，旨在賦予機(jī)器數(shù)據(jù)理解、知識(shí)表達(dá)、邏輯推理、自主學(xué)習(xí)的能力，使機(jī)器能夠擁有類似人類的智慧，甚至具備各個(gè)行業(yè)領(lǐng)域?qū)＜业闹R(shí)積累和運(yùn)用的能力。認(rèn)知智能的實(shí)現(xiàn)離不開知識(shí)圖譜技術(shù)、自然語言處理技術(shù)的支撐。知識(shí)圖譜就是讓機(jī)器識(shí)別人類經(jīng)驗(yàn)知識(shí)的一種很好的表達(dá)方法，通過schema建立數(shù)據(jù)關(guān)系模型來表達(dá)客觀世界，讓機(jī)器認(rèn)識(shí)世界，通過在關(guān)系模型上建立推理規(guī)則來表達(dá)人類積累的專業(yè)經(jīng)驗(yàn)，讓機(jī)器去改造世界。

一、知識(shí)圖譜運(yùn)營管理系統(tǒng)

天津移動(dòng)沉淀了多項(xiàng)重要知識(shí)圖譜模型的通用方法，搭建了完整的知識(shí)圖譜訓(xùn)練和推理應(yīng)用架構(gòu)，打造了構(gòu)建“一體兩面”的知識(shí)圖譜運(yùn)營管理體系，在圖譜構(gòu)建、營業(yè)推薦、存量保有等領(lǐng)域打造了5大標(biāo)桿應(yīng)用，正在持續(xù)優(yōu)化和推廣中。一體：知識(shí)圖譜運(yùn)營管理系統(tǒng)。嵌入IOP微營銷主流程，實(shí)現(xiàn)個(gè)性化數(shù)據(jù)選擇、模型訓(xùn)練和客群生成。兩面：智能應(yīng)答知識(shí)圖譜，存量運(yùn)營知識(shí)圖譜，標(biāo)桿應(yīng)用主要為：

1.1系統(tǒng)運(yùn)維知識(shí)圖譜

打造了面向B域服務(wù)領(lǐng)域的專用知識(shí)圖譜，構(gòu)建運(yùn)維語義網(wǎng)絡(luò)，將運(yùn)維知識(shí)實(shí)體之間的關(guān)系和邏輯進(jìn)行圖形化展示，為“集智幫幫堂”智能機(jī)器人輸出智慧應(yīng)答能力，為工單處理輸出自動(dòng)回復(fù)能力。在CRM/BOSS等營業(yè)前端，提供業(yè)務(wù)/服務(wù)/數(shù)據(jù)/事件之間復(fù)雜關(guān)系的結(jié)構(gòu)化輸出，串聯(lián)運(yùn)營與運(yùn)維，為中國移動(dòng)業(yè)務(wù)、服務(wù)、營銷、運(yùn)維等全量場(chǎng)景提供圖譜化的實(shí)體邏輯支撐，驅(qū)動(dòng)業(yè)務(wù)服務(wù)一體化，服務(wù)支撐智能化，海量數(shù)據(jù)處理自動(dòng)化。知識(shí)圖譜系統(tǒng)的訓(xùn)練數(shù)據(jù)來源于海量的BOMC工單、在線客服記錄、業(yè)務(wù)需求文本等，通過語義、邏輯識(shí)別，抽取出實(shí)體（業(yè)務(wù)、故障、異常、需求等）之間的關(guān)系，在客服系統(tǒng)實(shí)現(xiàn)語義搜索、智能問答、可視化業(yè)務(wù)知識(shí)搜索。

系統(tǒng)運(yùn)維知識(shí)圖譜作為智能應(yīng)答的核心功能，也是中國移動(dòng)智慧中臺(tái)建設(shè)內(nèi)容的重要場(chǎng)景之一，通過以自然語言生成、知識(shí)圖譜意圖切換、運(yùn)維知識(shí)融合、原子化語義抽取等技術(shù)打造運(yùn)維機(jī)器人，以智能運(yùn)維助手方式對(duì)網(wǎng)格支撐、營業(yè)一線等實(shí)現(xiàn)倒三角服務(wù)支撐，目前已入駐集團(tuán)統(tǒng)一AI中臺(tái)，實(shí)現(xiàn)了一點(diǎn)部署、全網(wǎng)賦能，輸出知識(shí)圖譜能力。

1.2企管知識(shí)圖譜

針對(duì)企管客戶支撐的垂直行業(yè)場(chǎng)景，打造了“多輪對(duì)接+知識(shí)圖譜”驅(qū)動(dòng)的智能應(yīng)答機(jī)器人及知識(shí)圖譜系統(tǒng)，企管知識(shí)圖譜是運(yùn)維知識(shí)圖譜構(gòu)建模式在企管支撐領(lǐng)域的個(gè)性化應(yīng)用，也是基于歷史工單記錄的客戶需求預(yù)測(cè)，融合“集智幫幫堂”幫助臺(tái)大廳實(shí)現(xiàn)客戶問題的智能處理，以AI技術(shù)確保問題能得到合理反饋，機(jī)器人服務(wù)感知良好。同時(shí)，企管知識(shí)圖譜的性能和精益運(yùn)營密不可分，系統(tǒng)結(jié)合業(yè)務(wù)流程和機(jī)器學(xué)習(xí)，打造了“人-機(jī)”協(xié)同的知識(shí)圖譜運(yùn)營模式，實(shí)現(xiàn)快速敏捷的知識(shí)沉淀、提取和賦能。

1.3權(quán)益推薦知識(shí)圖譜

針對(duì)互聯(lián)網(wǎng)權(quán)益的運(yùn)營和推薦是集團(tuán)公司年度重點(diǎn)工作，天津移動(dòng)構(gòu)建知識(shí)圖譜驅(qū)動(dòng)的權(quán)益新體系，以知識(shí)圖譜語義網(wǎng)絡(luò)捕捉客戶潛在意圖及推薦商機(jī)，基于多種可能的推薦鏈路進(jìn)行推薦排序，將大數(shù)據(jù)系統(tǒng)、IOP微營銷、CRM權(quán)益產(chǎn)品及優(yōu)惠等系統(tǒng)能力進(jìn)行語義鏈接，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)。權(quán)益推薦知識(shí)圖譜每個(gè)實(shí)體節(jié)點(diǎn)均為一名客戶，關(guān)系鏈接構(gòu)建的源數(shù)據(jù)主要有兩類：基礎(chǔ)屬性（標(biāo)簽），作為客戶意圖挖掘和個(gè)性化推薦的基礎(chǔ)，蘊(yùn)含豐富的語義信息，如用戶使用終端品牌、用戶等級(jí)、用戶品牌、消費(fèi)金額、異常特征等，將屬性進(jìn)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(jìn)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(hào)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(jìn)行統(tǒng)一整合后，生成了全量用戶的圖譜關(guān)系網(wǎng)。在大數(shù)據(jù)運(yùn)營基礎(chǔ)上引入AutoML理念，實(shí)現(xiàn)海量數(shù)據(jù)的智能挖掘和規(guī)則提取，驅(qū)動(dòng)權(quán)益優(yōu)惠在全量客戶進(jìn)行精準(zhǔn)投放，助力外呼營銷、企業(yè)微信等營業(yè)場(chǎng)景進(jìn)行權(quán)益精益推薦，同時(shí)知識(shí)圖譜的推薦解釋能力可以賦能客戶服務(wù)系統(tǒng)，實(shí)現(xiàn)客戶感知提升。

1.4 5G換機(jī)知識(shí)圖譜

5G換機(jī)知識(shí)圖譜和權(quán)益知識(shí)圖譜的實(shí)現(xiàn)方式類似，也是基于圖網(wǎng)絡(luò)的協(xié)同過濾+鏈路預(yù)測(cè)方式，針對(duì)種子用戶（已換機(jī)5G用戶）尋找屬性最相似的客戶群，并進(jìn)行推薦最佳終端型號(hào)。大數(shù)據(jù)標(biāo)簽庫作為客戶意圖挖掘和個(gè)性化推薦的基礎(chǔ)，蘊(yùn)含諸如屬性、基本信息、終端偏好、品牌偏好、換機(jī)特征、行為特征、位置、家庭關(guān)系等豐富的語義信息，客戶號(hào)碼與便簽均作為知識(shí)圖譜的“實(shí)體”，兩者關(guān)系作為“邊”，另外也納入客戶對(duì)5G終端的瀏覽日志作為偏好標(biāo)簽，共納入基礎(chǔ)屬性（包括10個(gè)基礎(chǔ)屬性、12個(gè)5G換機(jī)專用標(biāo)簽），和客戶在主流電商平臺(tái)的5G終端搜索記錄偏好標(biāo)簽11個(gè)，構(gòu)建知識(shí)圖譜并基于鏈路預(yù)測(cè)方式，根據(jù)已5G換機(jī)用戶對(duì)其他全量用戶的換機(jī)概率進(jìn)行預(yù)測(cè)，輸出客戶針對(duì)主流5G終端品牌（小米、華為、oppo等）的換機(jī)推薦型號(hào)及置信度。推薦結(jié)果以IOP方式對(duì)全渠道輸出，反饋到前端業(yè)務(wù)工具支撐渠道經(jīng)理、存量運(yùn)營經(jīng)理等進(jìn)行終端推薦，推薦理由也可輔助生成推薦話術(shù)，運(yùn)營邏輯也可固化下來成為知識(shí)，協(xié)助權(quán)益運(yùn)營策略不斷迭代優(yōu)化。

1.5預(yù)沉默識(shí)別知識(shí)圖譜

天津移動(dòng)基于知識(shí)圖譜打造了預(yù)離網(wǎng)客戶識(shí)別模型，對(duì)預(yù)沉默屬性的重要影響度進(jìn)行知識(shí)推理、聚類分析，對(duì)于不同類別結(jié)合專家對(duì)預(yù)沉默用戶特征給出類別的名稱和描述，幫助運(yùn)營人員進(jìn)行分析預(yù)沉默用戶的原因。模型首先通過隨機(jī)森林算法實(shí)現(xiàn)標(biāo)簽針對(duì)場(chǎng)景的重要性排序，通過KNN算法建立待識(shí)別客戶的聯(lián)系，形成語義網(wǎng)絡(luò)，根據(jù)標(biāo)簽傳播算法（LPA）實(shí)現(xiàn)面向圖神經(jīng)網(wǎng)絡(luò)的半監(jiān)督學(xué)習(xí)方法，實(shí)現(xiàn)已處于“預(yù)離網(wǎng)”狀態(tài)的客戶標(biāo)簽向全量用戶標(biāo)簽的傳播，輸出離網(wǎng)高風(fēng)險(xiǎn)客戶號(hào)碼列表和離網(wǎng)概率。算法實(shí)施過程中，基于節(jié)點(diǎn)影響度分析算法計(jì)算用戶對(duì)于周邊鏈接節(jié)點(diǎn)的影響度，基于信息增益等機(jī)器學(xué)習(xí)指標(biāo)篩選判斷指標(biāo)是否對(duì)于用戶是否離網(wǎng)有顯著影響，影響大的作為顯著特征，影響用戶和顯著特征做相似度匹配，相似度高的作為大概率離網(wǎng)用戶，輸出做對(duì)應(yīng)提前預(yù)警。

二、運(yùn)營管理模式

知識(shí)圖譜嵌入了主體業(yè)務(wù)運(yùn)營流程來體現(xiàn)應(yīng)用價(jià)值，知識(shí)圖譜關(guān)系復(fù)雜，基礎(chǔ)數(shù)據(jù)量大，為了便于每一位存量運(yùn)營人員都能靈活方便的使用知識(shí)圖譜，天津移動(dòng)構(gòu)建了存量運(yùn)營知識(shí)圖譜管理系統(tǒng)，力求數(shù)據(jù)融合、業(yè)務(wù)融通、算法融智，針對(duì)大數(shù)據(jù)平臺(tái)輸出的全量用戶屬性寬表、全量用戶服務(wù)工單記錄及在線會(huì)話記錄，實(shí)現(xiàn)模型的個(gè)性化設(shè)置和獨(dú)立訓(xùn)練，并基于業(yè)務(wù)需求輸出結(jié)果。具體業(yè)務(wù)條線的運(yùn)營人員，針對(duì)大數(shù)據(jù)同步的全量客戶屬性寬表，可以個(gè)性化靈活選擇符合自身場(chǎng)景的標(biāo)簽，并基于自身運(yùn)營場(chǎng)景進(jìn)行生活、音樂、視頻、閱讀等偏好的個(gè)性化選擇，并靈活設(shè)置推薦權(quán)益與屬性之前的推薦權(quán)重，每一名存量運(yùn)營人員可以基于自身需要去訓(xùn)練個(gè)性化知識(shí)圖譜，實(shí)現(xiàn)敏捷高效的支撐模式。在任務(wù)管理模塊，運(yùn)營人員可以管理自定義模型的訓(xùn)練狀態(tài)、推薦結(jié)果生成狀態(tài)，并對(duì)推薦結(jié)果進(jìn)行測(cè)試和驗(yàn)證，實(shí)現(xiàn)模型訓(xùn)練的“事前-事中-事后”全流程可視化管控。

三、應(yīng)用推廣情況

知識(shí)圖譜運(yùn)營管理系統(tǒng)已在天津移動(dòng)的業(yè)務(wù)運(yùn)營工作中正式應(yīng)用，具體效果包括：

權(quán)益運(yùn)營知識(shí)圖譜，基于天津公司900萬全量客戶的17類基礎(chǔ)屬性（標(biāo)簽）和9類市場(chǎng)部關(guān)注互聯(lián)網(wǎng)內(nèi)容權(quán)益（愛奇藝、騰訊視頻等），生成RDF三元組數(shù)據(jù)2.09億條，并基于基礎(chǔ)關(guān)系數(shù)據(jù)生成105億條推薦鏈路（權(quán)益推薦方案），已納入IOP實(shí)現(xiàn)全公司賦能。針對(duì)隨心選雙V會(huì)員優(yōu)惠的外呼推薦中，在5月22日的成功率最高達(dá)16.1%，相比傳統(tǒng)方法提升了10%，實(shí)現(xiàn)面向權(quán)益運(yùn)營的營銷推薦辦理率大幅度提升。

5G潛在換機(jī)知識(shí)圖譜，納入5G換機(jī)相關(guān)的客戶標(biāo)簽寬表及客戶的終端瀏覽記錄，完成第一輪模型訓(xùn)練，輸出客戶針對(duì)主流5G終端品牌（小米、華為）等的偏好概率，由于本階段納入的屬性過多，達(dá)到40余個(gè)，生成推薦鏈路超過500億條，第一階段形成9.8萬5G換機(jī)推薦目標(biāo)客戶，推薦成功率提升10pp，目前正在基于進(jìn)行圖數(shù)據(jù)庫加速運(yùn)算，結(jié)合推薦結(jié)果進(jìn)行優(yōu)化迭代。

運(yùn)維知識(shí)圖譜與智能機(jī)器人協(xié)同實(shí)現(xiàn)智能客服、知識(shí)庫、工單處理和服務(wù)預(yù)測(cè)功能，已抽取出400種故障現(xiàn)象，48種解決方案，最終生成8311個(gè)圖譜關(guān)系，累計(jì)為內(nèi)外部客戶提供了2.5萬人次的智能應(yīng)答服務(wù)。在人工智能技術(shù)的助推下，天津公司的智能應(yīng)答會(huì)話在總服務(wù)中的占比已達(dá)51%，整體服務(wù)效率提升約25%。直接回復(fù)率提升了10%，降低投訴工單總量20%。預(yù)沉默知識(shí)圖譜累計(jì)納入2.3萬預(yù)離網(wǎng)種子用戶，對(duì)12萬特殊選取的用戶生成預(yù)測(cè)結(jié)果，得到3.8萬的待維系客戶群，查全率達(dá)85%，查全率達(dá)63%，驗(yàn)證了模型的識(shí)別準(zhǔn)確性。針對(duì)識(shí)別成功的客戶，6月已執(zhí)行了5248名用戶的維系挽留，辦理成功量625，辦理成功率18.3%，大幅超出非AI模型識(shí)別的成功率12%，直接效益顯著。

四、結(jié)束語

本文開發(fā)了一套知識(shí)圖譜智慧運(yùn)營管理系統(tǒng)，鏈接用戶需求、知識(shí)、常識(shí)、權(quán)益和商機(jī)，基于語義推薦鏈路進(jìn)行權(quán)益推薦排序，嵌入IOP主流程，實(shí)現(xiàn)賦能大數(shù)據(jù)標(biāo)簽庫/微營銷平臺(tái)進(jìn)行個(gè)性化推薦，智能客戶畫像，用戶群智能分析及生成，用戶權(quán)益協(xié)同營銷，在前端應(yīng)用（電子渠道，CRM，輕量化工具，短信，外呼等）實(shí)現(xiàn)了業(yè)務(wù)運(yùn)營的集中化支撐，提升推薦成功率。

參? 考? 文? 獻(xiàn)

[1] 萬倩， 歐陽峰， 趙明. 知識(shí)圖譜在廣電網(wǎng)絡(luò)運(yùn)營大數(shù)據(jù)分析中的應(yīng)用[J]. 廣播與電視技術(shù)， 2018， 45（012）：79-86.

[2] 金貴陽， 呂福在， 項(xiàng)占琴. 基于知識(shí)圖譜和語義網(wǎng)技術(shù)的企業(yè)信息集成方法[J]. 東南大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2014，25（02）：250-255.

[3] 常亮， 張偉濤， 古天龍，等. 知識(shí)圖譜的推薦系統(tǒng)綜述[J]. 智能系統(tǒng)學(xué)報(bào)， 2019， 12（02）：120-124.