银行数字化营销如何应用知识图谱

qinzhiqiang 10-03 6:04 1,784次浏览

作者名称:马娴 汪昀 梅影

作者机构:中国建设银行合肥电子银行业务中心

一、知识图谱综述

在信息技术时代,知识互联的目标是构建更易于人和机器理解的智能化网络。但万维网上的内容数量庞大且多源异质、结构松散,急需一个基于大数据环境并满足用户认知需求的知识互联方法。

2012年5月,搜索引擎巨头Google公司在它的搜索页面中首次引入知识图谱(Knowledge Graph)技术,用户除得到搜索的网页链接外,还将得到与查询词有关联的智能化答案,知识图谱由此诞生。知识图谱指用来显示知识发展进程与结构关系的一系列图形,通过使用数学、图形学、信息科学等技术手段以可视化的形式展示不同个体、变量之间的关系。具象化看,是一种基于图的数据结构,由节点和边组成。每个节点表示“实体”或“概念”,每条边表示“实体”或“概念”之间的语义“关系”。

比起文本的非结构化数据表现形式,知识图谱的表达形式为RDF结构,是一种能够被计算机更有效处理的表达形式,在知识组织、展示与搜索方面都具有优势: 第一,极大克服了自然语言容易造成歧义的特点; 第二,可以提供给用户经过梳理和总结的知识;第三,通过对用户相关搜索记录的推理分析进行智能推荐,拓展可获得知识的广度和深度。

大数据技术的普及使人工智能获得了空前的发展。同时,随着人工智能对大数据处理要求和理解需求逐日增加,具备高扩展和易维护特性的知识图谱逐渐崭露头角,越来越多的行业着手对知识图谱进行研究。目前知识图谱在我国目前处于应用探索阶段,在一些领域取得了初步的成效。

二、知识图谱应用领域

知识图谱技术具备提升网络智能化水平和模拟人类思维的能力。目前被广泛应用于智能搜索、用户交互、电子商务、风险识别等领域,为这些应用的发展赋能。

(一)智能搜索

密集化营销_数字化营销_传统营销和数字营销

基于知识图谱的智能搜索是一种基于长尾的搜索,搜索结果以知识卡片的形式展现出来。经过查询式语义理解与知识检索这两个阶段处理用户的查询请求:第一阶段,查询式语义理解。知识图谱首先对查询请求文本进行分词、词性标注以及纠错,并进行归一化描述,使其与知识库中的相关知识匹配;再通过语境分析,明确了用户的查询意图后,加入当前语境下的相关概念进行扩展。第二阶段,知识检索。经过查询式语义理解后的标准查询语句进入检索引擎,引擎会在知识库中检索相应的实体以及关联性匹配度较高的实体,加以深层挖掘与提炼后,引擎将具有重要性排序的完整知识体系呈现给用户。

(二)用户交互

用户交互是一种高级的信息检索形式,采用简洁准确的自然语言回答用户的问题数字化营销,与用户形成良好的互动。用户交互需要大规模知识库支持和自动抽取知识的能力,有时还需要手工录入数据。因此可以借助知识图谱技术,在识别用户的自然语言问题后,从知识库中精准抽取时间及空间吻合度高的匹配答案,再通过自然语言方式展现给用户。知识图谱的使用提升了用户交互的质量和满意度,目前市场上常见的用户交互平台有苹果智能语音助手 Siri,亚马逊的语音助手 Evi,国内OASK 问答系统等,这些平台均通过知识图谱为用户提供精准高效的信息查询服务。

(三)电子商务

知识图谱在一定程度上提升了电商网站的易用性和交互性,为用户呈现更有针对性的商品文字描述、图片展示、偏好信息罗列等可视化展现形式,提供更精准化的购物体验。电子商务应用领域常运用知识图谱构建商品推荐系统,对用户进行引导购买。这种推荐系统以用户属性与商品属性的关系网计算依据,在推荐商品时可分为“上下位关联商品推荐”和“组合属性商品推荐”:上下位关系是相关性最强的关系,通常包含必要条件和下一步操作;组合属性关系利用图谱中相同父实体的实体之间具有强相关性这一特点,为用户提供关联搜索。这种推荐系统为电商平台形成了专属的产品库和知识库,构建了平台自己的知识图谱,满足客户主动需求的同时挖掘客户的潜在需求。

(四)风险识别

随着数字化技术在金融业应用逐渐广泛,欺诈形式也不断更新,专业化、隐蔽化、场景化的欺诈手段层出不穷。传统反欺诈技术由于效率低下、范围有限,已不能满足金融反欺诈的需要。通过知识图谱庞大的数据库,可以聚合与借款人相关的数据源,整合多个税务子系统,一方面,深入分析推理语义,抽取借款人的特征标签,充分验证信息的内容一致性,从而识别或预知欺诈行为;另一方面,知识图谱能够更直观有效地协助分析复杂交易场景和税务关系中的潜在风险。此外,知识图谱还能够对潜在风险行业进行预测,划分行业性质并建立关系挖掘模型,清晰展示行业关联度。若其中某行业发生高风险事件,金融机构可以第一时间对关联行业进行风险预判,及时发现风险并规避。

三、知识图谱在银行数字化营销中的应用分析

随着银行数字化转型加速,传统营销方式已经不能满足日新月异的市场变化要求,数字化营销作为转型的策略之一,需要新型信息技术手段的支撑。知识图谱作为重要的金融科技手段,对于银行业数字化营销中将具有广阔的应用前景。

(一)银行数字化转型趋势

传统营销和数字营销_密集化营销_数字化营销

近年来,以人工智能、区块链、云计算、大数据等技术为代表的金融科技迅猛发展,催生出新一轮数字化转型浪潮。信息科技与金融业的深度融合,已经深刻改变了银行业的商业模式和运作方式。为顺应科技革命新浪潮,占领发展先机,培育新动能,商业银行开始探索数字化转型之路。

数字化转型要求银行通过新型金融科技手段重构经营模式和金融服务方式。金融科技成为新的发展动能,以往的“以产品服务为中心”的理念转变为“以客户为中心”,网络渠道成为客户办理业务的主要场所,“无人网点”开始对外推出,以用户画像为基础的客户服务能够更精确地满足客户差异化需求。同时,数字化转型给银行提出新的能力要求:

1、组织架构方面

商业银行传统的组织架构为职能型,典型特点是银行内部形成不同的职能单元,职能单元间以业务、产品为中心进行分工协作,彼此之间相对割裂,IT和业务相对独立,难以支撑敏捷开发和快速迭代,不适应数字化转型的需求。近年来国内银行已经开始围绕转型战略进行组织架构调整,逐渐由“职能银行”向“流程银行”转变,通过重新构造业务流程、组织流程、管理流程,构建起高效率、低成本、快速响应的全行统一集中运营体系,实现业务集约运行、风险集中控制、网点功能转型和业务布局优化。

2、技术支持方面

商业银行传统技术开发采用“竖井式”开发方法,不同系统互相独立,客户信息、系统数据无法实现共享共用,开发成本高、效率低,耗时久,无法满足数字化转型要求。近年来国内部分商业银行逐步推进IT建设转型,如建设银行耗时6年集全行之力开发“新一代”核心系统,采用业界领先的企业级建模方法,建立集团层面的流程模型、数据模型、产品模型以及用户体验模型,重构 “集中式+分布式”融合架构,承接业务建模成果,并且制订严格的全生命周期实施工艺,规范,实现IT建设模式从“部门级”到“企业级”的根本转变,为战略转型注入强大动力。

3、平台生态方面

数字经济社会基本特征是互联互通,银行数字化转型需要银行加强跨界、垮领域、跨行业的服务能力,拓展金融服务场景,构建更加开放式的合作共赢生态。近年来,建设银行致力打造开放管理平台,将包含账户开立、支付结算、投资理财、信贷融资等在内的各类金融服务,以标准接口方式对外开放,通过将金融服务嵌入到具体生活场景,为客户提供无处不在的金融和非金融服务,为业务发展赋能。此外,围绕转型发展中的痛点、难点问题,着力“B端赋能”、“C端突围”、“G端连接”,强调以技术和数据为驱动,以知识共享为基础,以平台生态为逻辑,构建数字化银行生态体系。

(二)数字化营销核心内容

银行数字化转型的理念要求真正“以客户为中心”,数字化营销作为数字化转型的排头兵,具有直接面向客户,产出效应明显的特性,可以衡量转型发展的成果。

数字化营销_密集化营销_传统营销和数字营销

区别于传统银行营销线下为主、无差异服务、转化率低等特点,数字化营销基于庞大的客户行为数据,通过机器学习、客户画像、关联分析等举措,进行客户细分,划分不同群体,根据群体的属性制定差异化营销策略,推送定制化服务信息,从而达到“千人千面”展示方式,以低成本促进营销转化率提升,从普众营销过渡到精准营销,演化为场景营销,最终实现智能营销。

银行数字化营销具有以下几个方面的核心内容:

1、深入客户洞察

数字化高效营销方式建立在充分的客户洞察、行为解析基础上,通过对用户信息如客户基本属性、行为特征、交易信息、客服交互数据、网络渠道浏览记录等信息的采集,进一步的数据清洗、整合、处理,建立客户行为分析模型,利用模型计算达到更精确的客户画像、客户定位及客户分群,从而帮助业务部门根据不同客户群体深入分析客户需求,制定差异化营销策略,开发定制化服务,从而实现营销规划、活动设计、过程执行、结果分析的智能化。

2、构造服务场景

场景化营销需要围绕具体场景下客户的心理状态和需求,场景是唤醒客户某种需求的介质。对于传统的商业银行而言,相较于互联网公司,对场景的触达及输出不足,因此客户在某场景下的潜在产品或服务需求,银行并不能有效地触达并提供。数字化营销背景下,要以客户需求为核心数字化营销,通过通过数字化工具与模式,提供开放银行接口,构建金融和非金融服务场景,根据客户行为洞察嵌入差异化产品,将银行服务渗透入客户生活的方方面面,从而达到“泛在”与“跨界”,届时实现银行不仅是平台、服务场所,而是无处不在的服务。

3、打造营销闭环

营销闭环是市场营销体系中各流程模块组成完整的循环闭环,是一种营销生态体系,是以客户为中心形成的组合营销策略。银行数字化营销中,营销闭环包括客户细分、需求洞察、营销策划、渠道执行、效果反馈等环节,辅以全流程客户服务、风险监测的封闭循环。银行数字化营销中,可以利用金融科技新手段、企业级数据仓库共同构建营销闭环,提升产品销售转化率及客户忠诚度,使营销更有效率,降低推广成本。

4、渠道多维协同

银行客户营销需要线下实体网点与线上网络渠道相结合,网站、手机银行、微信银行等新媒体渠道协同联合运作,各渠道无缝对接,全方位满足客户需求。目前银行实际客户营销流程中仍存在“断点”情况,如客户线上办理业务、购买产品的流程中断,产生潜在交易流失。在数字化营销体系中,可以针对客户渠道办理业务的流程进行技术埋点并采集数据,设计营销服务跟踪模型,对采集信息进行分析处理,形成跟踪营销服务的客户清单,交由客服外呼或网点人员跟进。以多渠道联合营销推动渠道产品优化和用户体验提升,降低客户流失率。

数字化营销_密集化营销_传统营销和数字营销

(三)知识图谱技术在数字化营销中的应用

数字化营销目标客群或对象具有体量大、需求各一、行为复杂等特点,如何精确辨别客群的真实需求,制定千人千面的营销解决方案并配套一系列的增值服务成为数字化营销的首要任务,而知识图谱的认知、理解、应用的构建过程刚好适用于数字化营销中的客户资料收集、喜好及关联分析、精准投放及定向营销、客户服务、风险监控等各个环节,将目标客群作为知识图谱的各个节点,以客群的基本属性、交易行为、情感反馈等因素为边,形成“实体—关系-实体”的数据集合,最终绘制可视化的网状知识结构,实现营销客群的认知、分类、拓展、持续跟踪服务等,为数字化营销提供全流程的智力支持。

此外,知识图谱所具备的下列优点,将它在数字化营销中的利用价值最大化:

第一,图形式的关系层级更深、表达方式多样,基于图论和概率图模型,高效分析复杂多变的关系维度,满足数字化营销中海量数据处理、复合关联分析、信息降维等需求,提升营销后端处理效率;第二,分析模式类似人工思维,基于知识图谱的交互探索模拟人的思考过程“发现-求证-推理”并提供可视化的解决方案,营销人员只需遵从常见的逻辑思维开展分析,无需具备专业技术知识,从而降低学习成本;第三,知识图谱支持推理、纠错、标注等交学习功能,不断迭代更新,完善知识逻辑和模型,提升系统的鲁棒性、智能性、可塑性,助力营销更加精准;第四,知识图谱计算处理能力卓越,能够实现秒级返回结果,特别适用于数字化营销需要实时响应、实时决策的场合。

知识图谱在银行数字化营销中可以用于以下场景:

1.用户生命周期管理

用户生命周期模型(AARRR)将用户经营分为5个阶段,以促进用户活跃与价值变现为目的,借用数字化营销手段对处于不同阶段用户提供强针对性的解决策略,最终实现用户留存与自传播。将知识图谱引入用户生命周期管理可以有效提升用户周期识别效率、契合用户真实需求。从获客成功、用户进入导入期开始,知识图谱为用户开辟专属节点,记录用户基本信息、金融属性、所处生命周期、行为习惯等关键信息,以此类推,不同时期的用户信息分别填充至图谱中,构成完整知识图谱。

充分运用知识图谱功能,开发不同阶段用户经营策略,建立服务场景与数据模型,实现用户的全生命周期管理与分阶段精准营销。通过知识图谱分析客户的社交网络,挖掘潜在客户,实现“获客”;根据客户相关属性,深入洞察用户潜在需求,推送定制化产品服务,实现“活客”;客户满意度提升,产品服务持续完善,实现“留存”;客户黏性增强,营销转化率提升,交易量交易额增加,实现“营收”;客户对其社交网络相关联用户推介,达成基于社交网络的裂变营销,实现“自传播”与新的“获客”,形成螺旋式上升轨道。此外,知识图谱可运用于客户流失预警分析,对于前期流失客户行为相似的关联客户,提前开展周期变更预警,灵活采取促活手段,最大化避免预警客户流失。

2.营销风险监测

科技进步都是一把双刃剑,“金融+科技”的强强联手极大推动金融市场剧烈变革的同时,也为不法分子实施金融诈骗创造了有利条件。近年来,信用卡欺诈、洗钱等传统金融犯罪行为仍时有发生,电信网络新型违法犯罪手段又层出不穷,具有非接触化、跨区域、资金流向复杂等特点,侦查难度陡增。而知识图谱可利用图数据库呈现关系网络的天然优势,清楚展现错综复杂的交易主体与资金流向关系,成为数字化营销过程中围堵各类欺诈套现行为以及羊毛党组织的专业技术手段。例如以可能涉及欺诈要素数据字段:账户、身份证、手机、地址、家庭电话、联系人、设备指纹等构建关系图谱,从其中某一可疑节点入手进行辐射式搜索,精准追踪交易轨迹并层层关联,挖掘可疑人员、账户、商户或卡号等实体,甚至是实施欺诈的整个犯罪团伙。

3.客户增值服务

知识图谱也可应用于数字化营销过程中的衍生产品服务。第一,产品服务组合推荐,事先以各营销产品服务为节点,相关的功能特点、适用范围、价格等因素为关系边构建产品图谱库,用户购买某个产品后系统自动推荐相似产品,并将用户及其属性补充至产品图谱库中,扩充为“客户-产品-客户”关系图谱,此时用户不仅能够获取已购买产品的相似产品,还可浏览与其AUM、年龄、行为习惯等属性相似用户购买的产品,实现协同营销;第二,产品服务问答系统构建,用图形化方法体现产品服务的使用规则,辅以自然语言理解、机器学习等技术精准识别用户问题,用户提问后系统自动获取相关产品实体、概念、属性、关系、事件,加工后直接生成正确答案,提升问题解决效率的同时减轻营销人员或人工客服的工作压力。

4.营销效果评估

目前银行对营销效果评估大多局限在营销结果的成功与失败以及交易转化率方面,较少关注客户行为路径与断点。以营销客户、行为路径、断点环节等构建效果评估知识谱图,重点分析断点环节各营销对象的属性、行为关系,挖掘用户退出营销链的根本原因,方便优化营销方案实施二次营销。对于新拓展的营销对象,纳入知识图谱,根据新生成的关系图,预测用户营销成功率及可能存在的脱链环节,再由先前分析的各脱链环节常见脱链原因,结合用户行为轨迹与基本属性,事先采用优化后的营销推广方案,给予用户更加顺畅的服务体验,提升营销成功率。此外,还可收集用户对营销经理、产品服务的满意度,生成评价关系图谱,剖析客户经理更适合营销的客户对象以及更受欢迎的产品服务,提升商业银行数字化营销的精细化、智能化、专业化水平。