中國移動已進入“客戶需求多元化、客戶體驗個性化、行業特征高度適配化”的數字化運營階段，商業形態、運營模式相比以往都發生了巨大變化，如何利用大數據、人工智能等新技術，根據通信與數字化服務數據來精準識別客戶潛在意圖、負面傾向，并發現新商機、避免升級投訴，決定了未來的發展空間與競爭能力。

2020年以來，人工智能領域的發展趨勢正在發生重要的變化，由“感知智能”向“認知智能”。“認知智能”是人工智能技術發展的高級階段，旨在賦予機器數據理解、知識表達、邏輯推理、自主學習的能力，使機器能夠擁有類似人類的智慧，甚至具備各個行業領域專家的知識積累和運用的能力。認知智能的實現離不開知識圖譜技術、自然語言處理技術的支撐。知識圖譜就是讓機器識別人類經驗知識的一種很好的表達方法，通過schema建立數據關系模型來表達客觀世界，讓機器認識世界，通過在關系模型上建立推理規則來表達人類積累的專業經驗，讓機器去改造世界。

因此，天津公司在知識圖譜賦能業務運營領域持續努力，打造了構建“一體兩面”的知識圖譜運營體系，在智能應答和存量運營兩大核心業務領域開展了一系列知識圖譜賦能實踐，先后完成了智能應答知識圖譜，企管支撐知識圖譜，權益運營知識圖譜，5G換機知識圖譜，預離網知識圖譜，預沉默知識圖譜，并打造了面向運營人員的知識圖譜個性化管理系統，嵌入到大數據微營銷平臺中，尤其注重知識圖譜賦能重要場景和重點業務運營工作，并嵌入公司運營管理主體流程中形成固化，在存量經營、客戶服務、零售運營、預警挽留等多個領域全場景打造AI標桿應用，并驗證了AI賦能業務的價值和規模化應用的可行性，同時積極推進能力的共享開放、應用推廣。

2 場景化運營成果

天津公司沉淀了多項重要知識圖譜模型的通用方法，搭建了完整的知識圖譜訓練和推理應用架構，打造了構建“一體兩面”的知識圖譜運營體系，在圖譜構建、營業推薦、存量保有等領域打造了6大標桿應用，正在持續優化和推廣中。

一體：知識圖譜運營管理系統。嵌入IOP微營銷主流程，實現個性化數據選擇、模型訓練和客群生成。

兩面：智能應答知識圖譜，存量運營知識圖譜。其中，智能應答知識圖譜包括：系統運維知識圖譜：在運維服務領域應用知識圖譜，賦能智能應答系統進行自服務、預服務；企管知識圖譜：打造面向企管支撐場景的個性化知識圖譜，從歷時工單挖掘規律，輔助問題解決。存量運營知識圖譜包括：權益知識圖譜：基于互聯網權益訂購種子用戶進行用戶群識別+權益推薦；5G換機知識圖譜：通過5G終端用戶進行屬性知識推理，識別5G換機商機；預離網知識圖譜：離網預警，客戶維系和業務推薦；預沉默知識圖譜：沉默用戶預先識別，主動運營服務。

（1）系統運維知識圖譜

打造了面向B域服務領域的專用知識圖譜，構建運維語義網絡，將運維知識實體之間的關系和邏輯進行圖形化展示，為“集智幫幫堂”智能機器人輸出智慧應答能力，為工單處理輸出自動回復能力。在CRM/BOSS等營業前端，提供業務/服務/數據/事件之間復雜關系的結構化輸出，串聯運營與運維，為中國移動業務、服務、營銷、運維等全量場景提供圖譜化的實體邏輯支撐，驅動業務服務一體化，服務支撐智能化，海量數據處理自動化。知識圖譜系統的訓練數據來源于海量的BOMC工單、在線客服記錄、業務需求文本等，通過語義、邏輯識別，抽取出實體（業務、故障、異常、需求等）之間的關系，在客服系統實現語義搜索、智能問答、可視化業務知識搜索。

系統運維知識圖譜作為智能應答的核心功能，也是中國移動智慧中臺一期（2020年）建設內容的重要場景之一，通過以自然語言生成、知識圖譜意圖切換、運維知識融合、原子化語義抽取等技術打造運維機器人，以智能運維助手方式對網格支撐、營業一線等實現倒三角服務支撐，目前已入駐集團統一AI中臺，實現了一點部署、全網賦能，輸出知識圖譜能力。

（2）企管知識圖譜

針對企管客戶支撐的垂直行業場景，打造了“多輪對接+知識圖譜”驅動的智能應答機器人及知識圖譜系統，企管知識圖譜是運維知識圖譜構建模式在企管支撐領域的個性化應用，也是基于歷史工單記錄的客戶需求預測，融合“集智幫幫堂”幫助臺大廳實現客戶問題的智能處理，以AI技術確保問題能得到合理反饋，機器人服務感知良好。同時，企管知識圖譜的性能和精益運營密不可分，系統結合業務流程和機器學習，打造了“人-機”協同的知識圖譜運營模式，實現快速敏捷的知識沉淀、提取和賦能。

（3）權益推薦知識圖譜

針對互聯網權益的運營和推薦是集團公司年度重點工作，天津公司構建知識圖譜驅動的權益新體系，以知識圖譜語義網絡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，將大數據系統、IOP微營銷、CRM權益產品及優惠等系統能力進行語義鏈接，將傳統的業務數據轉化為三維關系型數據。權益推薦知識圖譜每個實體節點均為一名客戶，關系鏈接構建的源數據主要有兩類：基礎屬性（標簽），作為客戶意圖挖掘和個性化推薦的基礎，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系；互聯網內容偏好（DPI解析的瀏覽頻次），通過獲取用戶訂購信息并進行權益使用的定量分析后，生成具體互聯網APP（優酷，騰訊視頻、愛奇藝等）偏好類關系；將客戶號碼與“基礎屬性、互聯網內容偏好、權益訂購記錄”三類語義關系進行統一整合后，生成了全量用戶的圖譜關系網。在大數據運營基礎上引入AutoML理念，實現海量數據的智能挖掘和規則提取，驅動權益優惠在全量客戶進行精準投放，助力外呼營銷、企業微信等營業場景進行權益精益推薦，同時知識圖譜的推薦解釋能力可以賦能客戶服務系統，實現客戶感知提升。

（4）5G換機知識圖譜

5G換機知識圖譜和權益知識圖譜的實現方式類似，也是基于圖網絡的協同過濾+鏈路預測方式，針對種子用戶（已換機5G用戶）尋找屬性最相似的客戶群，并進行推薦最佳終端型號。大數據標簽庫作為客戶意圖挖掘和個性化推薦的基礎，蘊含諸如屬性、基本信息、終端偏好、品牌偏好、換機特征、行為特征、位置、家庭關系等豐富的語義信息，客戶號碼與便簽均作為知識圖譜的“實體”，兩者關系作為“邊”，另外也納入客戶對5G終端的瀏覽日志作為偏好標簽，共納入基礎屬性（包括10個基礎屬性、12個5G換機專用標簽），和客戶在主流電商平臺的5G終端搜索記錄偏好標簽11個，構建知識圖譜并基于鏈路預測方式，根據已5G換機用戶對其他全量用戶的換機概率進行預測，輸出客戶針對主流5G終端品牌（小米、華為、oppo等）的換機推薦型號及置信度。推薦結果以IOP方式對全渠道輸出，反饋到前端業務工具支撐渠道經理、存量運營經理等進行終端推薦，推薦理由也可輔助生成推薦話術，運營邏輯也可固化下來成為知識，協助權益運營策略不斷迭代優化。

（5）預沉默識別知識圖譜

天津公司基于知識圖譜打造了預離網客戶識別模型，基于知識圖譜技術對預沉默屬性的重要影響度進行知識推理、聚類分析，對于不同類別結合專家對預沉默用戶特征給出類別的名稱和描述，幫助運營人員進行分析預沉默用戶的原因。模型首先通過隨機森林算法實現標簽針對場景的重要性排序，通過KNN算法建立待識別客戶的聯系，形成語義網絡，根據標簽傳播算法（LPA）實現面向圖神經網絡的半監督學習方法，實現已處于“預離網”狀態的客戶標簽向全量用戶標簽的傳播，輸出離網高風險客戶號碼列表和離網概率。算法實施過程中，基于節點影響度分析算法計算用戶對于周邊鏈接節點的影響度，基于信息增益等機器學習指標篩選判斷指標是否對于用戶是否離網有顯著影響，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用戶，輸出做對應提前預警。

3 統一運營管理

知識圖譜必須嵌入公司主體業務運營流程才能體現價值，針對目前現有的一系列專用知識圖譜模型，包括權益知識圖譜、5G換機識別知識圖譜和沉默識別知識圖譜等，知識圖譜關系復雜，基礎數據量大，為了便于每一位存量運營人員都能靈活方便的使用知識圖譜，天津公司構建了存量運營知識圖譜管理系統，力求數據融合、業務融通、算法融智，針對大數據平臺輸出的全量用戶屬性寬表、全量用戶服務工單記錄及在線會話記錄，實現模型的個性化設置和獨立訓練，并基于業務需求輸出結果。具體業務條線的運營人員，針對大數據同步的全量客戶屬性寬表，可以個性化靈活選擇符合自身場景的標簽，并基于自身運營場景進行生活、音樂、視頻、閱讀等偏好的個性化選擇，并靈活設置推薦權益與屬性之前的推薦權重，每一名存量運營人員可以基于自身需要去訓練個性化知識圖譜，實現敏捷高效的支撐模式。在任務管理模塊，運營人員可以管理自定義模型的訓練狀態、推薦結果生成狀態，并對推薦結果進行測試和驗證，實現模型訓練的“事前-事中-事后”全流程可視化管控。

4 應用效果

天津公司已構建一系列知識圖譜，鏈接用戶需求、知識、常識、權益和商機，基于語義推薦鏈路進行權益推薦排序，嵌入IOP主流程，實現賦能大數據標簽庫/微營銷平臺進行個性化推薦，智能客戶畫像，用戶群智能分析及生成，用戶權益協同營銷，在前端應用（電子渠道，CRM，輕量化工具，短信，外呼等）實現權益運營的集中化支撐。具體效果包括：

權益運營知識圖譜，基于天津公司900萬全量客戶的17類基礎屬性（標簽）和9類市場部關注互聯網內容權益（愛奇藝、騰訊視頻等），生成RDF三元組數據2.09億條，并基于基礎關系數據生成105億條推薦鏈路（權益推薦方案），已納入IOP實現全公司賦能。針對隨心選雙V會員優惠的外呼推薦中，在5月22日的成功率最高達16.1%，相比傳統方法提升了10%，實現面向權益運營的營銷推薦辦理率大幅度提升。

5G潛在換機知識圖譜，納入5G換機相關的客戶標簽寬表及客戶的終端瀏覽記錄，完成第一輪模型訓練，輸出客戶針對主流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，達到40余個，生成推薦鏈路超過500億條，第一階段形成9.8萬5G換機推薦目標客戶，目前正在基于進行圖數據庫加速運算，結合推薦結果進行優化迭代。

運維知識圖譜已與2019年12月正式上線，與“集智幫幫堂”協同實現智能客服、知識庫、工單處理和服務預測功能，已抽取出400種故障現象，48種解決方案，最終生成8311個圖譜關系，累計為內外部客戶提供了2.5萬人次的智能應答服務。在人工智能技術的助推下，天津公司的智能應答會話在總服務中的占比已達51%，整體服務效率提升約25%。直接回復率提升了10%，降低投訴工單總量20%。現階段針對現存問題進行集中梳理，形成N大技術提升項目群，協調了專業的AI專家、博士團隊集中攻關，在自然語言生成技術、知識圖譜意圖切換，BERT模型個性化訓練、個性化微調技術，原子化語義抽取等人工智能領域取得新突破，提升系統認知水平。

預沉默知識圖譜累計納入2.3萬預離網種子用戶，對12萬特殊選取的用戶生成預測結果，得到3.8萬的待維系客戶群，查全率達85%，查全率達63%，驗證了模型的識別準確性。針對識別成功的客戶，6月已執行了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模型識別的成功率12%，直接經濟效益顯著。

5 下一步發展

中國移動的存量運營場景是“大數據+AI賦能”的重要方向，天津公司計劃基于目前知識圖譜1.0基礎能力，打造以存量運營“場景”為中心的知識圖譜2.0-認知圖譜NeoCoCo（Now existing operation Cognitive Concept Net，存量運營認知概念網絡），系統包含面向運營場景的概念層（概念標簽），原子層（原子標簽），分層理論庫（基于原子屬性分層鏈接實體），運營策略庫（面向場景的維系、推薦、服務策略）。基于已訂購具體業務或已存在具體畫像（預離網、預沉默等）的種子用戶在圖網絡中進行鏈路預測，查詢所有實體中和種子用戶最相近的客戶，形成推薦、維系、服務、運營的目標客戶群，并匹配策略庫進行存量運營。另外，通過引入半監督學習機制，基于現有原子標簽及標注來挖掘和生成新的概念標簽，實現AI模型中概念的自動擴展和優化。
? ? ? ?責任編輯:pj