過去一年大模型應(yīng)用集中爆發(fā),中關(guān)村科金作為領(lǐng)先的對話式AI技術(shù)解決方案提供商,基于各個行業(yè)真實的業(yè)務(wù)痛點,圍繞營銷、服務(wù)與運營場景,創(chuàng)新打造和升級了知識助手、投顧助手、智能陪練等大模型應(yīng)用,全面賦能客戶經(jīng)理展業(yè),實現(xiàn)降本增效。

為進一步解決客戶經(jīng)理日常展業(yè)的痛點,中關(guān)村科金推出AI營銷助手產(chǎn)品線,基于自研的金融領(lǐng)域大模型為數(shù)智底座,結(jié)合OCR、RPA、音視頻等AI技術(shù),以統(tǒng)一的對話式入口,集成中關(guān)村科金客戶洞察平臺CDP和自動化營銷決策平臺MA,支持用戶行為數(shù)據(jù)采集UBS產(chǎn)品,實現(xiàn)了在客戶跟蹤維護、市場&產(chǎn)品問題答疑、客戶標(biāo)簽行動洞察、投資需求參數(shù)提取、金融產(chǎn)品篩選對比、大類資產(chǎn)配置輔助、場景化財富管理7個具體業(yè)務(wù)場景的應(yīng)用。

隨著前線作戰(zhàn)人員的裝備提升,營銷活動的組織頻次密度也將隨之增高,原先的活動分析BI工具難免“相形見絀”。

“從領(lǐng)卷人數(shù)、1天轉(zhuǎn)化、7天轉(zhuǎn)化對比上次活動看看?”

“把這批的活動的最終效果,轉(zhuǎn)化漏斗、ROI,再找找亮點數(shù)據(jù),做成圖表,放到PPT里”

“這批活動為什么轉(zhuǎn)化率掉了,參與人跟兩周前的有什么不同嘛?”

“這場直播人數(shù)看著不錯啊,是不是咱們今天破新高了,最后這些人多少自己買了,多少聯(lián)系客服接著咨詢了?”

“你這ROI看著不對啊,你這分子取的什么口徑數(shù)?虛高了吧”

當(dāng)管理層、團隊長一次次的拆解營銷任務(wù)、復(fù)盤活動效果,需要協(xié)調(diào)數(shù)據(jù)團隊不停地給出不同口徑,不同維度的數(shù)據(jù),活動分析仿佛回到了SQL+Excel的半手工時代。運營人員每天陷入提數(shù)、算數(shù)、看結(jié)果,換口徑、重提數(shù)、找亮點,做圖表、寫匯報的循環(huán)里。

此外,傳統(tǒng)BI系統(tǒng)需要大量的數(shù)據(jù)分析師來做ETL工作,根據(jù)定義好的業(yè)務(wù)需求,配置一張張的報告,過程繁瑣、固化,更適合出具財務(wù)口徑、監(jiān)管口徑等相對固定、明確的報表,且BI系統(tǒng)對操作熟練度有要求,需要在紛繁的報表中找到所需的。

既然營銷可以用大模型改善,那么大模型更加擅長的數(shù)據(jù)分析,同樣可以作為最先落地的應(yīng)用場景范圍之一。但在嘗試了NL2SQL,利用大模型直接將用戶指令轉(zhuǎn)換成SQL執(zhí)行時,卻發(fā)現(xiàn)了些許問題,除了生成SQL的編譯、表的對應(yīng)問題外,還有以下常見難點:

?         輸入的自然語言要足夠精準(zhǔn)并避免歧義,否則結(jié)果差距非常大,但這又與自然語言習(xí)慣不太符合;

?         有的請求是依賴上下文的,屬于漸進式需求表達(dá),但生成的SQL卻可能與前述截然不同;

?         自然語言很難表達(dá)一些復(fù)雜場景,甚至不如直接寫SQL來的容易;

?         查看數(shù)據(jù)時,往往需要切換不同的口徑,從而找出數(shù)據(jù)變化的原因,但對口徑的理解和多輪對話的表達(dá)常常又難以表述,出現(xiàn)反復(fù)橫跳現(xiàn)象。

基于NL2SQL的Chat2SQL,雖然改變了用戶的交互形式,以更加友好的對話式交互提升了操作的便捷性,但又存在直接對應(yīng)底層數(shù)據(jù)庫表時,語義理解難以準(zhǔn)確的映射到數(shù)據(jù)層,難以應(yīng)用在嚴(yán)肅場合的問題。此外,Chat2SQL可以輔助數(shù)據(jù)分析師開發(fā),但數(shù)據(jù)分析師自身往往又是SQL高手,業(yè)務(wù)人員想用又不敢信,很難產(chǎn)生實際的生產(chǎn)價值。

不過這些問題并非全然無解。中關(guān)村科金基于指標(biāo)中臺,將可視化BI和AI能力進行合增強,引入Headless Bl模式,構(gòu)建對話式BI、異動分析、智能歸因、數(shù)據(jù)預(yù)測、能解讀等多個產(chǎn)品模塊,為業(yè)務(wù)提供自動化洞察數(shù)據(jù)的智能分析可視化工具,實現(xiàn)零代碼解讀數(shù)據(jù),提高業(yè)務(wù)人員數(shù)據(jù)分析的效率,幫助企業(yè)利用數(shù)據(jù)創(chuàng)造更多的價值,發(fā)現(xiàn)新的商業(yè)機會和創(chuàng)新點,真正實現(xiàn)數(shù)據(jù)驅(qū)動經(jīng)營決策。

指標(biāo)中臺的引入,使得AI+BI的方案可以很好地保留基于大模型對話的友好交互形式,便捷查詢、低成本學(xué)習(xí)等特點,并且所有數(shù)據(jù)又經(jīng)過了指標(biāo)中臺的處理加工,指標(biāo)定義清晰、語義識別明確、結(jié)果反饋準(zhǔn)確,既靈活又嚴(yán)肅。

靈活性核心體現(xiàn)在交互式探索。尤其是營銷活動復(fù)盤這種分析重于展現(xiàn)的場景,對數(shù)字背后的影響因子很難一下設(shè)定完整,甚至是沒有明確的方向,需要不斷地依靠假設(shè)拆解指標(biāo)、變換口徑,以此測試驗證思路的準(zhǔn)確性,僅從幾張預(yù)設(shè)的報表中是無法看出問題的。而基于大模型的交互式探索,正適合利用多輪對話,將設(shè)想轉(zhuǎn)換成不同的形式呈現(xiàn)出來,并進行實時反饋,有助于激發(fā)想象力。

嚴(yán)肅主要是指數(shù)據(jù)可用、敢用。統(tǒng)一的指標(biāo)口徑與定義、嚴(yán)謹(jǐn)?shù)脑又笜?biāo)加工,使得團隊可以基于共同語言體系來看數(shù)據(jù),理解一致能夠提升互信度,洞見才更有可能被采納。

為了更好的給客戶解決端到端的問題,AI營銷助手在集成智能營銷板塊后,又引入基于指標(biāo)中臺的AI+BI模塊,將可視化BI和AI交互、分析能力合并增強,形成以下4個特點:

1、 Headless BI,助力業(yè)務(wù)場景靈活探索

將數(shù)據(jù)的語義層和應(yīng)用層進行解耦,通過統(tǒng)一語義層的模式實現(xiàn)指標(biāo)和模型的一處定義、多處使用。為分析應(yīng)用和業(yè)務(wù)場景提供統(tǒng)一的語言,提升數(shù)據(jù)服務(wù)的可重用性和開發(fā)效率,為業(yè)務(wù)場景的探索提供更靈活和有力的支持。

2、 對話式BI,提升產(chǎn)品交互體驗

更友好的交互體驗,簡單上手,在探索中分析數(shù)據(jù),洞見智能生成圖表,支持以創(chuàng)建模板的形式,形成個性化的儀表盤和數(shù)據(jù)報告。

3、 Chat2Metrics,加強分析基礎(chǔ)性能

從自然語言對話,到精準(zhǔn)的指令語義識別,使得AI+BI更嚴(yán)謹(jǐn),識別準(zhǔn)確度高,指標(biāo)知識庫更完整,分析基礎(chǔ)更牢靠。

4、 增強分析,提高分析決策能力

學(xué)習(xí)歷史用戶交互的歸因結(jié)果,多維度、組合形式輔助尋找關(guān)鍵因子?；跉v史知識,精準(zhǔn)、快捷的構(gòu)建人群包和營銷策略,復(fù)制成功經(jīng)驗。基于實時數(shù)據(jù),監(jiān)控指標(biāo)異動,給出分析建議,通過用戶對解的評價,不斷修正解讀。

在數(shù)字化時代,數(shù)據(jù)的價值不言而喻,然而如何有效利用和分析數(shù)據(jù),讓數(shù)據(jù)成為企業(yè)的核心資產(chǎn),是每個企業(yè)都需要面臨的挑戰(zhàn)。AI+BI將人工智能的智能化分析和商業(yè)智能的可視化分析相結(jié)合的解決方案,為企業(yè)提供了一種全新的數(shù)據(jù)分析方式。

中關(guān)村科金在AI+BI領(lǐng)域的探索和創(chuàng)新正是基于這樣的背景。既打破了傳統(tǒng)BI的局限性,實現(xiàn)了數(shù)據(jù)分析和交互的智能化、自動化,也提高了數(shù)據(jù)分析的效率,降低了數(shù)據(jù)分析的門檻,使得更多的業(yè)務(wù)人員能夠輕松上手,利用數(shù)據(jù)驅(qū)動業(yè)務(wù)決策。

在推動大模型垂直化、產(chǎn)業(yè)化落地的過程中,中關(guān)村科金全力探索、加速演進,以場景應(yīng)用為牽引,持續(xù)推出創(chuàng)新應(yīng)用,幫助客戶進行卓有成效的降本、行之有效的增效,以創(chuàng)新打開增長空間。