旻一生物智能小管家项目


发布日期:2022-11-15 10:07 信息来源:中心

旻一生物智能小管家项目

第四范式(北京)技术有限公司

一、背景介绍

旻一生物是一家集科研、设计、生产、仓储、配送、营销为一体,致力打造国内健康塑形产品品牌“VMESHOU”(唯蜜瘦),为客户提供赋能创业的创新创业企业。

当前,健康类创新创业中小企业如雨后春笋般创立,而旻一生物正是顺应国家“大健康”战略健康类企业中的一员。面对客户增长快、专业问题难、个性服务多、已有数据不知如何利用等问题,第四范式通过建设全面、客观、智能的智能小管家体系,通过“AI+数据智能技术”深度学习和挖掘服务全过程的业务数据,通过聚类洞察、智能运筹优化等手段,不断优化客户体验感,实现用户通过APP服务窗口,一键触达相关场景和内容,并形成千人千面服务。

二、创新思路

(一)业务整体架构

图1 系统架构图

针对上述背景,依托于智能小管家,面向C端用户提供的一套千人千面,第一时间解决用户问题,提供优质贴心的服务系统。系统整体蓝图如图1所示。

(二)系统功能与模块

1.智能客服&搜索

7X24小时的机器人客服能力,实时与客户交流,把握每一个与用户沟通的节点,大量减少人工客服成本开支。搜索能力为用户第一时间找到相关内容,提升体验。

2.机器学习AutoML

摒弃传统专家经验的建模方式,利用机器学习进行高纬度,单一用户的行为预测和推荐决策。

3.个性化智能推荐

通过第四范式的机器学习和AI算法能力,运营提供千人千面,个性化展示等能力。通过热度推荐,标签推荐,关联推荐等方式,提高用户体验。

每个客户都是独一无二的,我们需要基于客户的个人信息、行为轨迹、消费行为、活跃程度等多维度的数据去实现精准的用户洞察。

图2 智能小管家客户画像

4.个性化知识图谱

通过静态数据和动态数据双重结合,建立用户的个性化知识库体系,是为用户沟通提供个性化体验的基石。

  • 案例特性与创新点

在问答任务中基于画像与分类,收集和存储客户行为数据,形成客户画像和问题分类;根据画像提供个性化的主动服务(如问候、提醒等);在问答任务中基于画像与分类提供千人千面的回答;和APP深度融合,成为各类任务、内容的触发点;具备知识管理和自学习能力,让AI技术和APP深度融合,成为各类任务、内容的触发点。通过AI平台和机器学习能力,帮助企业智能转型,并根据大量用户的使用产生实际市场收效,完成快速迭代优化。

图3 智能小管家智能营销示意图

自研AutoML算法及机器学习框架。AutoML算法简化建模可能遇到的技术难题,形成全流程覆盖的AutoML算法矩阵。此外,还自主研发了交互式、隐私保护等领先算法,进一步提升模型效果。全面围绕AutoML打造的高维计算框架GDBT,解决了AutoML重复选择数据、特征及模型算法探索所需的复杂计算需求。

图4 智能小管家人机交互示意图

(四)技术优势和指标

在问答任务中基于画像与分类,提供千人千面的回答和APP深度融合,成为各类任务、内容的触发点。通过AI平台和机器学习能力,帮助企业智能转型,并根据大量用户的使用产生实际市场收效,完成快速迭代优化。

三、取得成效

夯实数据基建,沉淀数据价值。随着智能小管家的推进,进一步促进巩固客户数字平台,助力数据标准化建设,基础数仓建设,从而有效沉淀数据并从中挖掘业务价值推动业务持续发展,个性化场景点击转化率达到60%。

解放人力资源,提升服务效率。以AI为基础打造的24H在线的服务模式,减少客服人员量的持续投入,优化了服务模式,为未来APP上线后大流量冲击做应对准备,点击转化率绝对值增长达到13%。

打造贴心模式,用户体验升级。通过智能小管家和业务场景的绑定、场景类推荐、用户打卡、关注提醒、热量查询等深度垂直服务推动业务场景的快速落地和用户引流,上线一月内引流会员用户40W。

图5 应用效果图

四、经验启示

真实业务环境中,由于数字化进程的推动,数据大量爆发。在大量数据爆发的情况下,人工已无法根据传统经验和主观判断去对业务进行合理的监察与决策,AI人工智能的应用和大数据的利用,可以高效代替人工产出更高效更准确的业务决策。

利用好数据反哺企业,提高企业竞争力。原先基于数据库查询,性能较差;用户行为无跟踪,无法根据反馈进行产品迭代;搜索结果点击少,用户使用少。通过使用AI提升长尾需求的可视度,增强企业变现能力。

利用好AI减少企业人员投入,智能客服小管家不能完全替代人的作用,但可以凭借AI技术手段加速知识收敛过程,降低运营成本,提升运营效率。