2019年7月-10月，由中國電子銀行網（微信公眾號：cfca-cebnet）主辦，《銀行家》雜志、今日頭條聯合主辦的“報告行長大人”銀行與金融科技行業創新實踐文字競演第三季——“元年與接續 夢想與現實”活動正在火熱進行中，以下為熱心網友投遞過來的稿件。

作者機構：中國建設銀行合肥電子銀行業務中心

一、 知識圖譜綜述

在信息技術時代，知識互聯的目標是構建更易于人和機器理解的智能化網絡。但萬維網上的內容數量龐大且多源異質、結構松散，急需一個基于大數據環境并滿足用戶認知需求的知識互聯方法。

2012年5月，搜索引擎巨頭Google公司在它的搜索頁面中首次引入知識圖譜（Knowledge Graph）技術，用戶除得到搜索的網頁鏈接外，還將得到與查詢詞有關聯的智能化答案，知識圖譜由此誕生。知識圖譜指用來顯示知識發展進程與結構關系的一系列圖形，通過使用數學、圖形學、信息科學等技術手段以可視化的形式展示不同個體、變量之間的關系。具象化看，是一種基于圖的數據結構，由節點和邊組成。每個節點表示“實體”或“概念”，每條邊表示“實體”或“概念”之間的語義“關系”。

比起文本的非結構化數據表現形式，知識圖譜的表達形式為RDF結構，是一種能夠被計算機更有效處理的表達形式，在知識組織、展示與搜索方面都具有優勢: 第一，極大克服了自然語言容易造成歧義的特點; 第二，可以提供給用戶經過梳理和總結的知識；第三，通過對用戶相關搜索記錄的推理分析進行智能推薦，拓展可獲得知識的廣度和深度。

大數據技術的普及使人工智能獲得了空前的發展。同時，隨著人工智能對大數據處理要求和理解需求逐日增加，具備高擴展和易維護特性的知識圖譜逐漸嶄露頭角，越來越多的行業著手對知識圖譜進行研究。目前知識圖譜在我國目前處于應用探索階段，在一些領域取得了初步的成效。

二、 知識圖譜應用領域

知識圖譜技術具備提升網絡智能化水平和模擬人類思維的能力。目前被廣泛應用于智能搜索、用戶交互、電子商務、風險識別等領域，為這些應用的發展賦能。

（一）智能搜索

基于知識圖譜的智能搜索是一種基于長尾的搜索，搜索結果以知識卡片的形式展現出來。經過查詢式語義理解與知識檢索這兩個階段處理用戶的查詢請求：第一階段，查詢式語義理解。知識圖譜首先對查詢請求文本進行分詞、詞性標注以及糾錯，并進行歸一化描述，使其與知識庫中的相關知識匹配；再通過語境分析，明確了用戶的查詢意圖后，加入當前語境下的相關概念進行擴展。第二階段，知識檢索。經過查詢式語義理解后的標準查詢語句進入檢索引擎，引擎會在知識庫中檢索相應的實體以及關聯性匹配度較高的實體，加以深層挖掘與提煉后，引擎將具有重要性排序的完整知識體系呈現給用戶。

（二）用戶交互

用戶交互是一種高級的信息檢索形式，采用簡潔準確的自然語言回答用戶的問題，與用戶形成良好的互動。用戶交互需要大規模知識庫支持和自動抽取知識的能力，有時還需要手工錄入數據。因此可以借助知識圖譜技術，在識別用戶的自然語言問題后，從知識庫中精準抽取時間及空間吻合度高的匹配答案，再通過自然語言方式展現給用戶。知識圖譜的使用提升了用戶交互的質量和滿意度，目前市場上常見的用戶交互平臺有蘋果智能語音助手 Siri，亞馬遜的語音助手 Evi，國內OASK 問答系統等，這些平臺均通過知識圖譜為用戶提供精準高效的信息查詢服務。

（三）電子商務

知識圖譜在一定程度上提升了電商網站的易用性和交互性，為用戶呈現更有針對性的商品文字描述、圖片展示、偏好信息羅列等可視化展現形式，提供更精準化的購物體驗。電子商務應用領域常運用知識圖譜構建商品推薦系統，對用戶進行引導購買。這種推薦系統以用戶屬性與商品屬性的關系網計算依據，在推薦商品時可分為“上下位關聯商品推薦”和“組合屬性商品推薦”：上下位關系是相關性最強的關系，通常包含必要條件和下一步操作；組合屬性關系利用圖譜中相同父實體的實體之間具有強相關性這一特點，為用戶提供關聯搜索。這種推薦系統為電商平臺形成了專屬的產品庫和知識庫，構建了平臺自己的知識圖譜，滿足客戶主動需求的同時挖掘客戶的潛在需求。

（四）風險識別

隨著數字化技術在金融業應用逐漸廣泛，欺詐形式也不斷更新，專業化、隱蔽化、場景化的欺詐手段層出不窮。傳統反欺詐技術由于效率低下、范圍有限，已不能滿足金融反欺詐的需要。通過知識圖譜龐大的數據庫，可以聚合與借款人相關的數據源，整合多個稅務子系統，一方面，深入分析推理語義，抽取借款人的特征標簽，充分驗證信息的內容一致性，從而識別或預知欺詐行為；另一方面，知識圖譜能夠更直觀有效地協助分析復雜交易場景和稅務關系中的潛在風險。此外，知識圖譜還能夠對潛在風險行業進行預測，劃分行業性質并建立關系挖掘模型，清晰展示行業關聯度。若其中某行業發生高風險事件，金融機構可以第一時間對關聯行業進行風險預判，及時發現風險并規避。

三、 知識圖譜在銀行數字化營銷中的應用分析

隨著銀行數字化轉型加速，傳統營銷方式已經不能滿足日新月異的市場變化要求，數字化營銷作為轉型的策略之一，需要新型信息技術手段的支撐。知識圖譜作為重要的金融科技手段，對于銀行業數字化營銷中將具有廣闊的應用前景。

（一）銀行數字化轉型趨勢

近年來，以人工智能、區塊鏈、云計算、大數據等技術為代表的金融科技迅猛發展，催生出新一輪數字化轉型浪潮。信息科技與金融業的深度融合，已經深刻改變了銀行業的商業模式和運作方式。為順應科技革命新浪潮，占領發展先機，培育新動能，商業銀行開始探索數字化轉型之路。

數字化轉型要求銀行通過新型金融科技手段重構經營模式和金融服務方式。金融科技成為新的發展動能，以往的“以產品服務為中心”的理念轉變為“以客戶為中心”，網絡渠道成為客戶辦理業務的主要場所，“無人網點”開始對外推出，以用戶畫像為基礎的客戶服務能夠更精確地滿足客戶差異化需求。同時，數字化轉型給銀行提出新的能力要求：

1、 組織架構方面

商業銀行傳統的組織架構為職能型，典型特點是銀行內部形成不同的職能單元，職能單元間以業務、產品為中心進行分工協作，彼此之間相對割裂，IT和業務相對獨立，難以支撐敏捷開發和快速迭代，不適應數字化轉型的需求。近年來國內銀行已經開始圍繞轉型戰略進行組織架構調整，逐漸由“職能銀行”向“流程銀行”轉變，通過重新構造業務流程、組織流程、管理流程，構建起高效率、低成本、快速響應的全行統一集中運營體系，實現業務集約運行、風險集中控制、網點功能轉型和業務布局優化。

2、 技術支持方面

商業銀行傳統技術開發采用“豎井式”開發方法，不同系統互相獨立，客戶信息、系統數據無法實現共享共用，開發成本高、效率低，耗時久，無法滿足數字化轉型要求。近年來國內部分商業銀行逐步推進IT建設轉型，如建設銀行耗時6年集全行之力開發“新一代”核心系統，采用業界領先的企業級建模方法，建立集團層面的流程模型、數據模型、產品模型以及用戶體驗模型，重構 “集中式+分布式”融合架構，承接業務建模成果，并且制訂嚴格的全生命周期實施工藝，規范，實現IT建設模式從“部門級”到“企業級”的根本轉變，為戰略轉型注入強大動力。

3、 平臺生態方面

數字經濟社會基本特征是互聯互通，銀行數字化轉型需要銀行加強跨界、垮領域、跨行業的服務能力，拓展金融服務場景，構建更加開放式的合作共贏生態。近年來，建設銀行致力打造開放管理平臺，將包含賬戶開立、支付結算、投資理財、信貸融資等在內的各類金融服務，以標準接口方式對外開放，通過將金融服務嵌入到具體生活場景，為客戶提供無處不在的金融和非金融服務，為業務發展賦能。此外，圍繞轉型發展中的痛點、難點問題，著力“B端賦能”、“C端突圍”、“G端連接”，強調以技術和數據為驅動，以知識共享為基礎，以平臺生態為邏輯，構建數字化銀行生態體系。

（二）數字化營銷核心內容

銀行數字化轉型的理念要求真正“以客戶為中心”，數字化營銷作為數字化轉型的排頭兵，具有直接面向客戶，產出效應明顯的特性，可以衡量轉型發展的成果。

區別于傳統銀行營銷線下為主、無差異服務、轉化率低等特點，數字化營銷基于龐大的客戶行為數據，通過機器學習、客戶畫像、關聯分析等舉措，進行客戶細分，劃分不同群體，根據群體的屬性制定差異化營銷策略，推送定制化服務信息，從而達到“千人千面”展示方式，以低成本促進營銷轉化率提升，從普眾營銷過渡到精準營銷，演化為場景營銷，最終實現智能營銷。

銀行數字化營銷具有以下幾個方面的核心內容：

1、 深入客戶洞察

數字化高效營銷方式建立在充分的客戶洞察、行為解析基礎上，通過對用戶信息如客戶基本屬性、行為特征、交易信息、客服交互數據、網絡渠道瀏覽記錄等信息的采集，進一步的數據清洗、整合、處理，建立客戶行為分析模型，利用模型計算達到更精確的客戶畫像、客戶定位及客戶分群，從而幫助業務部門根據不同客戶群體深入分析客戶需求，制定差異化營銷策略，開發定制化服務，從而實現營銷規劃、活動設計、過程執行、結果分析的智能化。

2、 構造服務場景

場景化營銷需要圍繞具體場景下客戶的心理狀態和需求，場景是喚醒客戶某種需求的介質。對于傳統的商業銀行而言，相較于互聯網公司，對場景的觸達及輸出不足，因此客戶在某場景下的潛在產品或服務需求，銀行并不能有效地觸達并提供。數字化營銷背景下，要以客戶需求為核心，通過通過數字化工具與模式，提供開放銀行接口，構建金融和非金融服務場景，根據客戶行為洞察嵌入差異化產品，將銀行服務滲透入客戶生活的方方面面，從而達到“泛在”與“跨界”，屆時實現銀行不僅是平臺、服務場所，而是無處不在的服務。

3、 打造營銷閉環

營銷閉環是市場營銷體系中各流程模塊組成完整的循環閉環，是一種營銷生態體系，是以客戶為中心形成的組合營銷策略。銀行數字化營銷中，營銷閉環包括客戶細分、需求洞察、營銷策劃、渠道執行、效果反饋等環節，輔以全流程客戶服務、風險監測的封閉循環。銀行數字化營銷中，可以利用金融科技新手段、企業級數據倉庫共同構建營銷閉環，提升產品銷售轉化率及客戶忠誠度，使營銷更有效率，降低推廣成本。

4、 渠道多維協同

銀行客戶營銷需要線下實體網點與線上網絡渠道相結合，網站、手機銀行、微信銀行等新媒體渠道協同聯合運作，各渠道無縫對接，全方位滿足客戶需求。目前銀行實際客戶營銷流程中仍存在“斷點”情況，如客戶線上辦理業務、購買產品的流程中斷，產生潛在交易流失。在數字化營銷體系中，可以針對客戶渠道辦理業務的流程進行技術埋點并采集數據，設計營銷服務跟蹤模型，對采集信息進行分析處理，形成跟蹤營銷服務的客戶清單，交由客服外呼或網點人員跟進。以多渠道聯合營銷推動渠道產品優化和用戶體驗提升，降低客戶流失率。

（三）知識圖譜技術在數字化營銷中的應用

數字化營銷目標客群或對象具有體量大、需求各一、行為復雜等特點，如何精確辨別客群的真實需求，制定千人千面的營銷解決方案并配套一系列的增值服務成為數字化營銷的首要任務，而知識圖譜的認知、理解、應用的構建過程剛好適用于數字化營銷中的客戶資料收集、喜好及關聯分析、精準投放及定向營銷、客戶服務、風險監控等各個環節，將目標客群作為知識圖譜的各個節點，以客群的基本屬性、交易行為、情感反饋等因素為邊，形成“實體—關系-實體”的數據集合，最終繪制可視化的網狀知識結構，實現營銷客群的認知、分類、拓展、持續跟蹤服務等，為數字化營銷提供全流程的智力支持。

此外，知識圖譜所具備的下列優點，將它在數字化營銷中的利用價值最大化：

第一，圖形式的關系層級更深、表達方式多樣，基于圖論和概率圖模型，高效分析復雜多變的關系維度，滿足數字化營銷中海量數據處理、復合關聯分析、信息降維等需求，提升營銷后端處理效率；第二，分析模式類似人工思維，基于知識圖譜的交互探索模擬人的思考過程“發現-求證-推理”并提供可視化的解決方案，營銷人員只需遵從常見的邏輯思維開展分析，無需具備專業技術知識，從而降低學習成本；第三，知識圖譜支持推理、糾錯、標注等交學習功能，不斷迭代更新，完善知識邏輯和模型，提升系統的魯棒性、智能性、可塑性，助力營銷更加精準；第四，知識圖譜計算處理能力卓越，能夠實現秒級返回結果，特別適用于數字化營銷需要實時響應、實時決策的場合。

知識圖譜在銀行數字化營銷中可以用于以下場景：

1．用戶生命周期管理

用戶生命周期模型（AARRR）將用戶經營分為5個階段，以促進用戶活躍與價值變現為目的，借用數字化營銷手段對處于不同階段用戶提供強針對性的解決策略，最終實現用戶留存與自傳播。將知識圖譜引入用戶生命周期管理可以有效提升用戶周期識別效率、契合用戶真實需求。從獲客成功、用戶進入導入期開始，知識圖譜為用戶開辟專屬節點，記錄用戶基本信息、金融屬性、所處生命周期、行為習慣等關鍵信息，以此類推，不同時期的用戶信息分別填充至圖譜中，構成完整知識圖譜。

充分運用知識圖譜功能，開發不同階段用戶經營策略，建立服務場景與數據模型，實現用戶的全生命周期管理與分階段精準營銷。通過知識圖譜分析客戶的社交網絡，挖掘潛在客戶，實現“獲客”；根據客戶相關屬性，深入洞察用戶潛在需求，推送定制化產品服務，實現“活客”；客戶滿意度提升，產品服務持續完善，實現“留存”；客戶黏性增強，營銷轉化率提升，交易量交易額增加，實現“營收”；客戶對其社交網絡相關聯用戶推介，達成基于社交網絡的裂變營銷，實現“自傳播”與新的“獲客”，形成螺旋式上升軌道。此外，知識圖譜可運用于客戶流失預警分析，對于前期流失客戶行為相似的關聯客戶，提前開展周期變更預警，靈活采取促活手段，最大化避免預警客戶流失。

2. 營銷風險監測

科技進步都是一把雙刃劍，“金融+科技”的強強聯手極大推動金融市場劇烈變革的同時，也為不法分子實施金融詐騙創造了有利條件。近年來，信用卡欺詐、洗錢等傳統金融犯罪行為仍時有發生，電信網絡新型違法犯罪手段又層出不窮，具有非接觸化、跨區域、資金流向復雜等特點，偵查難度陡增。而知識圖譜可利用圖數據庫呈現關系網絡的天然優勢，清楚展現錯綜復雜的交易主體與資金流向關系，成為數字化營銷過程中圍堵各類欺詐套現行為以及羊毛黨組織的專業技術手段。例如以可能涉及欺詐要素數據字段：賬戶、身份證、手機、地址、家庭電話、聯系人、設備指紋等構建關系圖譜，從其中某一可疑節點入手進行輻射式搜索，精準追蹤交易軌跡并層層關聯，挖掘可疑人員、賬戶、商戶或卡號等實體，甚至是實施欺詐的整個犯罪團伙。

3. 客戶增值服務

知識圖譜也可應用于數字化營銷過程中的衍生產品服務。第一，產品服務組合推薦，事先以各營銷產品服務為節點，相關的功能特點、適用范圍、價格等因素為關系邊構建產品圖譜庫，用戶購買某個產品后系統自動推薦相似產品，并將用戶及其屬性補充至產品圖譜庫中，擴充為“客戶-產品-客戶”關系圖譜，此時用戶不僅能夠獲取已購買產品的相似產品，還可瀏覽與其AUM、年齡、行為習慣等屬性相似用戶購買的產品，實現協同營銷；第二，產品服務問答系統構建，用圖形化方法體現產品服務的使用規則，輔以自然語言理解、機器學習等技術精準識別用戶問題，用戶提問后系統自動獲取相關產品實體、概念、屬性、關系、事件，加工后直接生成正確答案，提升問題解決效率的同時減輕營銷人員或人工客服的工作壓力。

4. 營銷效果評估

目前銀行對營銷效果評估大多局限在營銷結果的成功與失敗以及交易轉化率方面，較少關注客戶行為路徑與斷點。以營銷客戶、行為路徑、斷點環節等構建效果評估知識譜圖，重點分析斷點環節各營銷對象的屬性、行為關系，挖掘用戶退出營銷鏈的根本原因，方便優化營銷方案實施二次營銷。對于新拓展的營銷對象，納入知識圖譜，根據新生成的關系圖，預測用戶營銷成功率及可能存在的脫鏈環節，再由先前分析的各脫鏈環節常見脫鏈原因，結合用戶行為軌跡與基本屬性，事先采用優化后的營銷推廣方案，給予用戶更加順暢的服務體驗，提升營銷成功率。此外，還可收集用戶對營銷經理、產品服務的滿意度，生成評價關系圖譜，剖析客戶經理更適合營銷的客戶對象以及更受歡迎的產品服務，提升商業銀行數字化營銷的精細化、智能化、專業化水平。

責任編輯：王超