「雲享智慧」基於「NLP技術+知識圖譜」模式,提供大消費場景化解決...

2021-01-17 騰訊網

隨著經濟增長,消費者需求逐漸從有用、能用,升級到了個性化、碎片化。消費者越來越習慣在品牌自有的APP/小程序、門店等進行消費,品牌方有了更多與消費者接觸的機會,也更渴望通過自有渠道深入了解消費者,從而滿足消費者需求。

成立於2016年的雲享智慧是一家基於消費行業深度知識圖譜技術的人工智慧應用公司。能夠讓品牌建立理解消費者的核心能力,幫助客戶提高運營效率,形成商業閉環,讓品牌與消費者的連接更加智能、實時、自然。

雲享智慧創始人兼CEO沙濤表示,他發現在消費者完成每一單交易的過程中通常會有人貨匹配難題出現,在SKU、商品種類繁多或者更新速度比較快的行業,如何使消費者高效找到自己所需商品,是交易過程中的一大痛點問題。例如,快時尚行業、化妝品行業、奢侈品行業等,這些行業擁有大量的搜索需求。除了搜索以外,還要為消費者進行推薦及排序商品。同時,面對消費者的個性需求,很多品牌商都有大量的預算去了解消費者需求,做消費者洞察、消費者訪談等活動。如何快速並全面的反應並收集消費者需求,也是品牌商亟待解決的一大難題。

本文文章插圖來源於雲享智慧,經授權使用

為了讓品牌能夠與消費者更好的溝通,雲享智慧選擇了最貼近人類思考方式的人工智慧——知識圖譜,並將其應用於垂直場景,讓範圍更精確、認知更明確,這就是雲享智慧的核心技術——熵澤知識圖譜中臺。場景化的知識圖譜的落地,一方面依賴於技術,另一方面依賴於已有的業務領域的知識積累。二者合一,兼備了「落地快速」和「理解更深」,做到真正的Tech Drive Revenue。同時知識圖譜中臺目前覆蓋了零售的十六個細分行業,包括快時尚、奢侈品、運動等等,覆蓋了中文、英文、日語等多國語言。基於熵澤知識圖譜平臺,雲享智慧落地了多款核心應用:

第一款產品應用於私域流量搜索——「拾心」搜尋引擎,在小程序、官網、APP中消費者無論使用怎樣的花式搜索,都能搜到滿意的商品。包括文字搜索、語音搜索、圖片搜索等。並通過智能推薦,可以讓消費者瀏覽到更多搭配商品和相似商品。更重要的是,品牌不再需要耗費大量人力維護搜索關鍵詞。

第二款產品為「傳思」消費洞察工具,無論是顧客的選購行為,還是在和顧客交談之中獲得的信息,都可以通過店鋪營銷人員,用語音的形式快速錄入,通過熵澤知識圖譜中臺,將語音中的非結構化信息萃取為基於業務的結構化知識,最後以報表形式呈現在管理層眼前。可真正實現由下至上獲得信息,打破線下數據收集黑洞,輔助產品設計、裝修陳列、宣傳定位。

相比較不做調研的「誤解顧客、自上而下的決策」和傳統調研的「耗時耗力、不及時」。「傳思」為消費洞察工具幫助品牌積累其私域線下數據,實時記錄並呈現為結構化的自下而上的業務報告。

第三款產品為「聽言」直播助手,可以將直播中的彈幕數據抓取,並通過熵澤知識圖譜中臺,理解用戶彈幕意圖。最終將用戶的彈幕評論轉化為他的特徵檔案。由於這一系列步驟都是實時的,一方面可以輔助主播/助手在直播過程中明確知道「哪些觀眾值得互動,應該怎麼互動」,另一方面可以更好的進行時候覆盤,幫助更好的選品、優化直播。其中「拾心」搜索與「聽言」直播助手在小程序或APP中直接接口即可,無需額外的部署成本,「傳思」直接對接企業微信即可實現快速錄入功能。

本文文章插圖來源於雲享智慧,經授權使用

面向競爭激烈的市場環境,沙濤坦言,雲享智慧建造了自己的護城河,首先雲享智慧已經累積零售業中的16個細分行業的經驗、超過三百萬實體知識數量以及兩千多萬知識圖譜關係的數量,形成海量知識庫;其次雲享智慧將語音和場景結合得非常緊密,快速反應一線消費者需求;最後是知識圖譜與自然語言理解的完美結合,致使自然語言理解十分精準。

而海量的知識從何而來?沙濤告訴創業邦,一是通過商品、圖片識別及自然語言理解自動配置;二是通過消費者與營業人員之間的溝通或使用「拾心」搜索過程中出現高頻的陌生詞彙,納入知識庫中;第三是通過人工介入,將品牌包裝或品牌設計的專有名詞錄入知識庫中。可以看到,場景化知識的獲取十分注重渠道的挑選。而知識的管理更加強調對於業務的深刻理解。

目前來看,通過場景化知識圖譜的落地應用,品牌商品在搜索後的點擊率提升近3倍,商品搜索後的加購率增幅達66%,購買轉化率增幅達143%。雲享智慧已服務了優衣庫、ZARA Cartier Coach、歐萊雅等知名品牌商。據透露,雲享智慧採用收取SaaS服務費的盈利模式。並於2019年達千萬級別營收。

公司成立至今,團隊已達30餘人,技術研發團隊佔據70%,運營團隊佔據20%。雲享智慧創始人兼CEO沙濤曾就職於澳洲郵政數據中心、英孚教育等知名企業,累積工作經驗20餘年。融資層面,雲享智慧曾於2018年8月獲灃揚資本數千萬元人民幣Pre-A輪融資,於2019年9月獲北航資產戰略性投資。沙濤透露,下一輪融資還在計劃中,資金將主要用於技術研發及市場投放層面。

—— 分享新聞,還能獲得積分兌換好禮哦 ——

相關焦點

  • AI產品經理的入門必修課(4)——知識圖譜
    編輯導語:通過知識圖譜,不僅可以將網際網路的信息表達成更接近人類認知世界的形式,而且提供了一種更好的組織、管理和利用海量信息的方式;本文作者分享了關於AI產品經理的知識圖譜簡介以及利用,我們一起來了解一下。
  • 知識圖譜如何打破人工智慧的認知天花板?
    InfoQ 基於對知識圖譜技術生態的深刻觀察,重磅發布《知識圖譜:打破人工智慧的認知天花板》研究報告。帶您探索知識圖譜如何實現機器的辨識、思考與主動學習,梳理知識圖譜技術體系與產業鏈結構,剖析實現認知智能的技術挑戰與發展趨勢,探求知識圖譜將如何打破人工智慧的認知天花板。
  • 明略科技入選愛分析中國知識圖譜廠商全景報告
    知識圖譜提供了以一種從海量非結構化數據中抽取結構化知識,並利用圖分析進行關聯關係挖掘的重要技術手段,可洞察「肉眼」無法發現的關係和邏輯,支撐業務決策。因此,在企業數位化轉型的道路上,知識圖譜將起到關鍵性的作用。  愛分析認為,知識圖譜的應用場景將表現出四大趨勢。第一,企業級知識圖譜平臺將是未來的建設重點。
  • 這是一份通俗易懂的知識圖譜技術與應用指南
    知識圖譜的存儲知識圖譜主要有兩種存儲方式:一種是基於RDF的存儲;另一種是基於圖資料庫的存儲。它們之間的區別如下圖所示。RDF一個重要的設計原則是數據的易發布以及共享,圖資料庫則把重點放在了高效的圖查詢和搜索上。其次,RDF以三元組的方式來存儲數據而且不包含屬性信息,但圖資料庫一般以屬性圖為基本的表示形式,所以實體和關係可以包含屬性,這就意味著更容易表達現實的業務場景。
  • 2020年中國面向人工智慧「新基建」的知識圖譜行業白皮書
    本報告從善政、惠民、興業、智融四個部分對知識圖譜技術在其他行業中的代表性應用場景進行梳理,對知識圖譜未來的發展和應用做出展望,同時對人工智慧「新基建」下,城市數位化、智慧化發展的創新場景進行展示。
  • 百分點認知智能實驗室:基於知識圖譜的問答技術和實踐
    編者按:隨著網際網路軟硬體相關技術的飛速發展,人們逐漸從資訊時代進入智能時代。知識圖譜作為承載底層海量知識並支持上層智能應用的重要載體,在智能時代中扮演了極其重要的角色。而利用知識圖譜支撐上層應用仍存在諸多挑戰,因此基於知識圖譜的自然語言問答展開研究是十分有必要的。
  • 國雙:知識智能平臺構建行業知識圖譜 助力產業和社會治理兩化轉型
    中證網訊(記者 董添)近日,國雙副總裁彭俊在接受中國證券報記者採訪時指出,基於對行業知識的長期積累,國雙知識智能平臺能夠快速有效地為行業提供知識圖譜構建服務,客戶覆蓋司法、能源、製造、消費、航司、汽車等眾多行業,幫助客戶企業實現數位化、智能化轉型。
  • 愛分析·中國知識圖譜應用趨勢報告
    2.知識圖譜應用分析與落地挑戰  2.1知識圖譜應用分析  知識圖譜可為多領域客戶在數據管理、關聯分析、營銷與風控、反欺詐等應用場景提供技術賦能。知識圖譜技術為用戶提供了一種更為有效的方式表達、組織、管理以及利用多源、異構、動態的數據。
  • 知識圖譜——用Python代碼從文本中挖掘信息的強大數據科學技術
    這不是給機器提供數據的理想來源,至少不是以現在的這種形式。是否能找到一種方法,使這些文本數據變為機器可讀?能否將這些文本數據轉錄成既讓機器可以使用,也能讓我們可以輕鬆解釋的東西?答案是肯定的。我們可以藉助知識圖譜(KG),這是數據科學最吸引人的概念之一。我已經被知識圖譜的巨大潛力和實際應用震驚了,我相信你也會和我一樣。
  • 6個方面分析:知識圖譜的價值和應用
    構建知識圖譜這個過程的本質,就是讓機器形成認知能力,理解這個世界。一、知識圖譜無處不在說到人工智慧技術,人們首先會聯想到深度學習、機器學習技術;談到人工智慧應用,人們很可能會馬上想起語音助理、自動駕駛等等,各行各業都在研發底層技術和尋求AI場景,卻忽視了當下最時髦也很重要的AI技術:知識圖譜。
  • 2020 WAIC明略科技HAO圖譜Open API 吳信東深度解讀知識圖譜的自動...
    國際上比較經典、成功的是Cyc循環獲取方法,基本上有七個步驟,從問題領域的界定,到創建實例,來形成知識圖譜。Ontology Development七步法中間也涉及本體的半自動構建,利用一些專業詞典、敘詞表,缺點是在復用本體的概念和關係時,對當前的問題不一定能夠做到完全匹配。而自動構建則有基於語言規則的方法和基於機器學習的方法。基於語言的方法,涉及到一些語義的模式。
  • 晉梅:金融知識圖譜的應用探索
    此外,還有O2O領域線上線下生活場景圖譜,以美團為例,美團點評在2018年開始建立基於知識圖譜的美團大腦,在客戶、線下店鋪和商品以及不同的消費場景之間構建知識關聯,從而優化客戶的使用體驗。在B端,知識圖譜在企業關聯和企業分析方向也有很好的應用。比如企業的法人或高管、企業之間的投資關係和關聯風險分析,呈現在圖譜上就會顯得非常直觀,將海量信息以非常有效的方式在很短時間內觸達使用者。
  • 知識圖譜改變銀行業務模式?基於GraphDB探索FIBO
    FIBO的目標是在金融業務數據構件的描述中,提供獨立於數據構件的精確含義。具體而言,FIBO包含構建、擴展及集成金融業務應用所需的實體和關聯信息。由於FIBO基於RDF(S)和OWL,因此可以使用SPARQL和OWL推理進行分析。
  • 華為開發者大會HDC.Cloud硬核技術解讀:知識圖譜構建流程及方法
    站在用戶角度,華為雲通過抽象知識圖譜構建流程及相關技術,推出華為雲知識圖譜雲服務(圖2),為不同行業、不同企業提供快速構建知識圖譜能力的平臺,賦能大中小型企業構建屬於自己的知識圖譜。知識圖譜構建的第一步需要完成圖譜本體(Ontology)的設計和構建。本體是圖譜的模型,是對構成圖譜的數據的一種模式約束。對於企業知識圖譜的構建,一般是由垂直領域的行業專家和知識圖譜專家合作完成。本體的構建和設計對於知識圖譜的構建至關重要。
  • 是時候該關注「知識圖譜」了!
    知識圖譜是表示關係的最有效的方式,提供了從「關係」的角度分析問題的能力,讓機器能夠像人一樣理解世界、獲取知識,進而做出決策和行動。在大數據的推動下,知識圖譜受到了業界和學術界的廣泛關注。自2012 年Google推出第一版知識圖譜軟體,相繼湧現出一大批面向不同領域和應用的知識圖譜,如Yago,DBpedia,MusicBrainz,PubMed等,為各類智能應用帶來了大量結構化知識。
  • 基於向量空間的知識圖譜查詢及結果解釋
    知識圖譜是一個宏大的數據模型,可以構建龐大的「知識」網絡,包含世間萬物構成的「實體」以及它們之間的「關係」,圖文並茂地展現知識方方面面地「屬性」,讓人們更便捷地獲取信息、找到所求。為了讓大家對知識圖譜有更深入的認識,今天這篇文章將由東南大學計算機科學與工程學院王萌老師為我們講解基於向量空間的知識圖譜查詢及結果解釋。
  • 知識圖譜從哪裡來:實體關係抽取的現狀與未來
    但與現實世界快速增長的知識量相比,知識圖譜覆蓋度仍力有未逮。由於知識規模巨大而人工標註昂貴,這些新知識單靠人力標註添加幾無可能完成。為了儘可能及時準確地為知識圖譜增添更加豐富的世界知識,研究者們努力探索高效自動獲取世界知識的辦法,即實體關係抽取技術。具體來說,給定一個句子和其中出現的實體,實體關係抽取模型需要根據句子語義信息推測實體間的關係。
  • YOCSEF合肥技術論壇:知識圖譜是否真的物有所值
    10月10號,YOCSEF合肥技術論壇成功在線召開,本次主題圍繞知識圖譜是否真的物有所值展開。知識圖譜是近年來的研究和應用熱點,已經進入其蓬勃發展的階段,並且逐步輻射眾多行業。但是知識圖譜成本高昂,能否獲得相對應的增益,達到物有所值的目的仍舊是值得探討的問題。
  • 需要知識的後深度學習時代,如何高效自動構建知識圖譜?
    與此同時,知識圖譜的數據結構與人工智慧領域許多技術任務所基於的數據一脈相承(異質結構多關聯的大數據),可以為後續的機器學習和推理任務提供強有力的支持,幫助企業在智能搜索、智能問答、智能推薦、以及大數據分析這幾個方面提升性能。
  • 中科院趙軍帶你認識:知識圖譜的關鍵技術
    中科院趙軍為大家帶來報告《知識圖譜關鍵技術及其在推薦系統中的應用》。趙軍,中國科學院自動化研究所模式識別國家重點實驗室,研究員,博士生導師;中國科學院大學人工智慧學院崗位教授。研究領域為自然語言處理、知識圖譜、信息抽取、問答系統等。作為項目負責人承擔國家自然科學基金重點項目等多項國家級重要科研項目以及企業應用項目。