知識圖譜在權益運營推薦系統中的應用

趙東明，田 雷，劉 靜，劉 帥，陳 晨

（中國移動通信集團天津有限公司人工智能實驗室，天津 300020）

0 引言

在互聯網飛速發展的今天，以互聯網權益為代表的個性化營銷成為客戶運營的重要手段。通過將醫療健康、線上辦公、影音娛樂、在線課程等互聯網內容權益與主營業務打包售賣，來增強客戶黏性，提升客戶體驗，是中國移動業務運營的重要趨勢，也是增強市場競爭力的重要武器。目前，中國移動的權益運營還面臨一些難題，包括：互聯網內容類標簽庫較單一，權益運營較依賴管理人員的經驗，智能推薦手段存在一定不足，面向互聯網權益的客戶意圖挖掘手段較少等，急需引入先進的人工智能技術，促進權益運營更加匹配客戶需求，提升客戶感知，且確保權益推薦的結果具備較強的語義解釋能力。

天津移動的大數據標簽庫共有4500個標簽，彼此有從屬、衍生關系，但是海量的關系語義未挖掘，導致權益推薦完全基于人的經驗，準確率低。為此，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，支撐市場經營人員的權益運營工作，以AI技術驅動權益運營體系進行圖譜化重構，權益挖掘智能化，權益推薦自動化，推薦策略可讀可理解，打造人工智能智慧運營的大數據權益推薦系統。

圖1 權益知識圖譜推薦體系

1 推薦系統架構

大數據權益運營知識圖譜，將大數據系統、IOP微營銷、CRM權益優惠及權益超市等B域系統能力進行圖譜化整合，將傳統的業務數據轉化為三維關系型數據，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，助力企業維系、營銷助手等前端營業工具內進行權益精益推薦，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。

構建知識圖譜驅動的權益推薦算法體系，對天津公司每名用戶和每個標簽的關系進行精準定義，挖掘底層語義，根據客群的權益推薦反饋和客戶屬性變化，基于圖譜網絡中的強弱關系生成推薦結果，并排定推薦順序進行營銷反饋，以AI技術驅動權益投放的“精準、智能、邏輯可解釋”，提升市場運營人員的大數據權益支撐管理水平。

圖2 推薦系統整體架構

系統架構包括：

⊙應用層：面向各類業務觸點（CRM前臺、行銷工具、企業微信、大數據IOP、外部合作伙伴等）提供推薦、營銷支持、用戶分析等推薦相關能力。

⊙推薦邏輯層：對各類推薦算法進行統一整合，定期調整各類推薦算法路徑的權重，同時將提供用戶畫像及推薦圖譜的可視化能力，提高推薦平臺的可解釋性。

⊙推薦算法層：整合協同過濾算法、鏈路預測算法、知識推理算法三類算法能力，從二維數據中提取語義關系，形成大規模語義網絡驅動的推薦模組。

⊙圖譜整合層：通過對業務數據的合理抽象，制定用戶相關標簽、權限及關系的關系模型，并抽取形成語義網絡。

⊙數據層：數據層中將同步整合大數據平臺提供的用戶固有屬性標簽數據、訂購數據、實時瀏覽數據、DPI數據、家庭關系、好友關系等數據，支撐圖譜構建。

2 權益知識圖譜構建及推理

2.1 基礎圖譜網絡結構

權益推薦系統圖譜構建的源數據主要有兩類：中國移動大數據基礎屬性（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。

圖3 權益推薦圖譜網絡構建方法

2.2 互聯網內容圖譜構建

通過BOSS系統訂購日志和DPI數據分析確定用戶的互聯網內容訂購結果，通過DPI解析獲取用戶的互聯網內容偏好標簽，基于關系構建互聯網內容圖譜：標簽-用戶-權益包。圖譜的中心節點為用戶號碼，千萬級天津公司用戶將構成實體節點。每名用戶通過DPI解析形成TopN的互聯網內容偏好標簽，與用戶形成“標簽-用戶”關系。每名用戶通過大數據分析及訂單記錄確定訂購的互聯網權益數據，形成“用戶-權益包”關系。所有實體串接起來形成圖譜結構。

2.3 基礎屬性圖譜的構建

現有大數據系統的數據存儲結構是二維寬表，已實現將在網全量客戶作為“行”，所有業務標簽作為“列”，織出一張基于全量客戶業務行為的寬表結構。“行”是客戶的所有屬性標簽，“列”是所有客戶的業務狀態，組成超大寬表。基礎屬性知識圖譜每名客戶和每個標簽均作為一個實體，每種關系作為邊，將客戶寬表轉化為無限延伸的復雜網狀結構，支撐對客戶任何場景、時機、狀態變化的映射，生成10億條數據的RDF三元組關系型數據庫，來表示客戶與標簽之前的復雜關系，每種關系作為一條鏈路可以無限延伸。

圖4 互聯網及基礎屬性圖譜構建流程

2.4 權益圖譜的語義推理流程

基于知識圖譜的權益推薦流程：“屬性描述、行為分析、互聯網偏好分析、特性定位、特征定位、關系鏈路生成”定位出客戶和權益之間最優關系，反饋到前端業務工具進行客戶推薦，同時將推薦邏輯固化下來成為知識，協助權益運營策略不斷迭代優化。權益推薦系統基于全量用戶圖譜關系，從已訂購用戶開始在圖網絡中進行鏈路預測，同時輔以多級影響因子對每一條推薦鏈路進行推薦度定量分析，最終將推薦結果進行可解釋性分析，并根據業務系統的反饋更新路徑策略。

推薦算法核心流程要點：

⊙推薦目標獲取，智能推薦模塊通過大數據獲取待推薦用戶列表及待推薦權益列表，作為推薦任務的輸入，尋找用戶和權益之間的關系。

⊙推薦鏈路預測，推薦系統從知識圖譜中尋找推薦節點，并根據圖譜關系強弱計算初步推薦路徑。

⊙推薦結果生成，通過多級算法加多影響因子的方式，對各路徑的推薦度進行綜合排序，輸出推薦列表，推薦度=用戶對路徑的相似度*x*權益對路徑的推薦度（多條鏈路相乘）*y*路徑的倒數長度*z。

⊙業務反饋分析，推薦系統從業務系統中定期獲取業務處理結果。

⊙自動策略發現，根據業務系統的反饋，針對每種權益將鏈路的推薦度進行綜合計算，用作后續鏈路預測的因素之一。

圖5 推薦算法流程及結果輸出

3 應用推廣情況

權益推薦知識圖譜已基于天津公司200萬高價值客戶的18類基礎屬性（標簽）和9類主要互聯網內容權益（愛奇藝、騰訊視頻、PPTV、芒果TV、優酷、網易云音樂、酷我音樂、喜馬拉雅聽書、咪咕閱讀），生成RDF三元組數據2800萬條，并基于基礎關系數據生成2.5億條推薦鏈路（權益推薦方案），以日為周期進行權益圖譜數據更新，以及權益推薦結果的迭代優化。

目前，權益運營知識圖譜已作為基于企業微信的客戶維系、管理、運營、推薦平臺，在天津移動全部14個分公司正式推廣，每月實現精準4萬名目標客戶群的權益推薦。權益優惠尤其是互聯網內容權益，如優酷、愛奇藝等，對客戶具有極大吸引力，拉通權益運營和企業微信的流程和運營機制，在企業微信這種社交化渠道進行互聯網內容權益推薦，具有極強的運營前景。

渠道經理通過“星火聯盟”企業微信客戶端，利用大數據IOP的接口能力，以準實時方式獲取維系目標客戶的最佳待推薦權益，在內容庫中以圖標+權益的方式形成TOP排序，可以通過私信的方式為客戶推薦，推薦內部包括：權益名稱、權益優惠、權益說明、權益營銷用語、業務辦理鏈接（權益超市），更好地實現了社交型客戶關系的權益經營。

4 結束語

本文開發了一套電信運營商權益運營知識圖譜系統，將大數據系統、IOP微營銷、CRM權益優惠及權益超市等B域系統能力進行圖譜化整合，將傳統的業務數據轉化為三維關系型數據，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，助力私域運營（星火聯盟）等前端營業工具內進行權益精益推薦，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。