【营销研究】营销行业如何利用知识图谱掘金？

（图片来源于站酷海洛）

作为中国领先的企业级大数据和人工智能解决方案提供商，国双一直在帮助更多的企业和政府组织享受新技术红利，致力于成为企业和政府组织数字化、智能化转型的领先者。今天，我们以某保健品公司为例，看知识图谱如何在营销领域开花。

构建知识图谱，让内容自动撰写

此公司是一家主营保健品的跨国公司，产品线丰富。在传播内容时，存在两个痛点：其一，洞察人们的消费场景，比如，哪些场景下人们喜欢用水送服片剂，哪些场景下又希望片剂能被咀嚼，以便于提升营销效果；其二，迅速进行大量高水准、专业内容的撰写，比如，膝盖疼痛的原因，某种成份的主要功效或者是副作用等，以便于降低运营门槛与成本。

（图片来源于Pixabay）

为了解决这两个问题，国双为其在营销内容层面搭建了知识图谱，找到不同人群、场景下人们对疾病、疗法、产品的需求。并在此基础上开发了内容自动撰写平台。让内容从选题（方向发现）到制作（文章撰写）更加智能。

1）实体词挖掘。收集公司及竞品投放的文章，运用自然语言处理技术（NLP）找出对业务有价值的高频词语和短语，如膝关节、腰、氨糖、维生素D、早餐、慢跑、寝室、办公室等。这些高频的词语和短语作为“实体”形成了实体库。

（图片来源于Pixabay）

2）本体及实体挖掘。对实体进行分类，形成本体，找到本体与实体的对应关系。比如，出现“维生素D”、“氨糖”，知道这是“成分”，出现“早餐”、“慢跑”，知道是“场景”，出现“寝室”、“办公室”知道对应了“学生党”、“工作党”两类“人群”。这里，“成分”、“场景”、“人群”是对氨糖、慢跑、办公室等词的归类，称为“本体”。

这个环节要确定所分的类型，比如要“成分”、“场景”、“人群”，不要“气味”、“口感”，需要业务专家深度介入。也要避免将词分到错误的类别下，比如将“早餐”划分到“成分”或者将“氨糖”划分到“人群”中，需要数据科学家进行高质量建模。

通过本体及实体的挖掘，我们能找到哪些人在哪些场景中会提到什么疾病，比如，老年人—早餐—腰疼，也能找到人们对产品的需求，比如，青少年—钙片—选择方法。

（图片来源于Pixabay）

3）口碑印象标签解析。挖掘属性和评价词语，与相关实体关联，形成实体的评价印象标签。简单理解就是分析人们的评价，知道大家觉得产品哪里好哪里不好，而不仅仅是非常模糊地认为产品好或者不好。

4）句法解析。解析句子的语法结构以及与本体、实体的关联，使机器撰写更接近人的行文习惯。比如，在动宾/间宾/前置这种句法中，通过解析发现宾语常常是名词or动词，模仿这个逻辑，可以生成“预防小腿抽筋的疗法”这样的句子。我们将文章进行了结构化处理，比如，针对孕妇这个群体，一种文章的结构是在引言部分描述“孕妇+医院”的场景，正文撰写“缺钙的表现—补钙的技巧—钙片的选择办法”，结尾又用“孕妇+医院”呼应前文。依据这样的“模板”，结合知识图谱的内容推荐，就能快速生成不同类型的文章。

（图片来源于Pixabay）

通过以上知识图谱的构建，此公司在内容传播领域，在场景、需求、产品洞察的基础上实现内容的自动撰写，打开了智能化的开关。同时基于知识图谱，随着数据的积累、算法的优化，企业还能发现除了“钙片”、“液态钙”、可以“咀嚼”的“钙片”之外，“软糖”也是某一个群体的显著需求，企业开始走向从消费到生产，从营销到生产的全链路智能之路。

国双的知识图谱版图

近日，艾瑞咨询发布了《2020年中国知识图谱行业研究报告》，深度分析中国知识图谱市场现状。 凭借多年数据服务积累，以及相关应用领域先发优势和工程落地经验，国双入选《中国知识图谱市场企业图谱》，并作为中国数据智能代表企业进行案例展示，在知识图谱市场企业版图11大领域中，国双入选其中7大领域。

（图片来源于艾瑞《2020年中国知识图谱行业研究报告》）

新基建的东风，势必将带来人工智能的新一轮发展。但人工智能想要赋能某个产业的发展，想要为哪个行业提供更好的服务，第一步就是需要让机器具备这个行业的知识，即定制、构建相应行业的知识图谱，进而提升产业生产力，帮助这些产业、行业做数字化、智能化的升级。始终秉承“技术改变产业、促进社会发展”理念的国双，自主研发了基于数据和知识驱动的产业人工智能平台，愿意帮助更多的企业和政府组织享受新技术红利，赋能其数字化、智能化转型！返回搜狐，查看更多