文|中国工商银行软件开发中心北京用数赋智团队

  中央金融工作会议提出，为提供高质量金融服务，金融系统要着力做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章。工商银行软件开发中心始终高度重视数字金融发展工作，为实现企业级数字化转型升级和创新发展，不断将传统的客户营销维护能力转化为线上数字化运营能力。以业界的“SDAF方法论”为基础，形成数据和业务双闭环的“数字化用户运营新流程(STCDAF)”方法论。以此方法论为指导，以共享、复用、创新为目标，数据中台在互联网金融领域沉淀了智能服务、行为分析、客群管理、BI可视化分析、经营分析五大能力。在建设过程中，为了更加精准地识别用户意图，降低智能模型的使用门槛，工商银行软件开发中心利用大语言模型(LLM)的意图识别能力，建设知客智能运营模型建群雷达(以下简称“知客建群雷达”)，并将相关能力通过企业级互联网智慧运营管理平台(以下通称“知客运营平台”)，向运营人员提供相关能力，通过多轮原生对话引导业务人员完成客群创建，并在运营实践中不断迭代优化。

  一、知客建群雷达建设背景

  用户运营是线上运营的重要能力之一，要做好用户运营，就需要具备精准挖掘客群的能力，因此客群创建作为线上运营的核心步骤，在整个数字化运营的流程链路中有着举足轻重的意义，客群圈选的精准与否，直接决定着运营的效果。而互联网金融具有客户基数大、运营场景复杂多样等特点，知客运营平台依托数据中台，根据不同运营场景沉淀了通用相似人群扩散模型、营销线索模型和全生命周期模型等40余个智能模型建群能力。然而随着智能圈客模型不断积累，业务人员面临运营场景复杂、圈客模型选择困难、使用门槛高等难题。因此，如何实现智能运营模型从分散到集约的转化，对降低模型建群功能的使用门槛、有效提升业务人员运营圈客效率显得尤为重要。

  随着LLM技术近年来的迅速发展与广泛应用，智能中枢/智能体(Agent)能力也逐渐开始形成应用范式。基于深度理解和信息抽取等能力，智能体在标签挖掘、内容理解、意图识别等方面可实现提质增效，助力营销。基于对话分析能力，通过多轮对话沟通，智能体可以快速提取客户意图，生成标签，帮助业务人员更好地分析客户偏好，更快地响应客户需求。

  在此背景之下，知客建群雷达应运而生，其核心目的在于利用LLM技术来识别运营人员的建群意图和目标客户范围，为运营人员提供更加便捷的圈客工具，提升建群的准确性和效率，为互联网金融领域业务运营模式的创新与发展提供新的思路和方法。

  二、知客建群雷达建设思路

  知客建群雷达以场景化定制模型为基础，利用大模型技术建设意图识别与智能推荐机制，通过对话式服务引导运营人员完成客群创建，通过服务化建群雷达，构建全方位生态体系，推动“场景—模型—生态”的良性发展，其中，场景提供应用空间，模型提供技术支持，生态提供持续发展的可能。这种良性发展模式将推动大模型在数字化转型过程中得以落地应用。

  1. 场景化定制模型：精准应对运营挑战

  工商银行软件开发中心(以下简称“软件开发中心”)结合自身业务特点，以月活跃用户数(MAU)和资产管理规模(AUM)作为核心指标，通过完善指标体系的拆解与建设，优化智能策略，促成业务目标的有效达成。在互联网金融领域，围绕前述两大核心指标，针对复杂多变的运营场景，软件开发中心依托数据中台建设场景化定制的知客智能模型，支持业务结合运营需求选择合适的模型圈客以精准应对运营挑战。在MAU提升方面，建设拉新促活、活动推荐、触达分析三类知客智能模型，以全连接神经网络模型、XGBoost模型为基础沉淀活跃度预测模型、活动策划助手(孔明)模型、最佳触达渠道模型等;在AUM提升方面，建设资产提级、促重点交易、促三方消费三类知客智能模型，以FastBert、深度神经网络模型为基础搭建客户资产提级预测模型、营销线索模型、搜索购买意向模型等。

  2. 智能化建群雷达：智能高效，精准圈客

  为了降低业务人员使用已建成的多个智能圈客模型的门槛，软件开发中心借鉴行业智能体的应用范式，基于多智能体协同分析技术，建设智能化知客建群雷达，通过原生对话，帮助运营人员选择最合适的智能模型，自动完成智能圈客的过程。其核心在于主、从Agent的协同工作方式，主Agent负责会话路由与智能模型推荐，从Agent负责参数提取，通过多轮对话贯穿理解用户意图，逐步引导用户完成整个圈客流程，从而降低用户的学习成本和使用难度，并进行智能高效精准圈客。知客建群雷达运行工作流程如图1所示。

  主Agent负责进行初步的路由判断，通过与运营人员的多轮对话，分析其建群需求和目标客户范围，基于运营人员的需求推荐适合的建群模型。该智能体不仅可考虑业务目标，还可结合智能运营模型设计理念给出选择建议，并返回给运营人员确认。当运营人员确认了推荐的建群方式后，建群雷达会将主Agent任务切换至从Agent。从Agent负责引导运营人员提供详细的信息，设置建群所需的年龄分段、资产分段等建群参数。每个从Agent负责一种特定的建群模式，可以适配多样化的业务需求。

  对话过程中，当无效对话过多导致主、从Agent无法提取关键信息时，知客建群雷达便开启强制接管模式，提供问答模板话术，减少无效对话。这种分工合作的方式不仅提高了系统的灵活性，还确保了建群过程的高效性和准确性。

  对话结束后，进入建群阶段。知客建群雷达首先进行重复建群检测，对于判定为相同建群的请求及时给出提醒，不再重复建群，以节省计算与存储资源。在确定当前请求不涉及重复建群后，通过知客运营平台目标客户管理能力开始建群，并提供引导链接，方便用户直接点击跳转至对应栏目实时查看建群进度。建群时基于对话提取的客户画像特征对目标客户进行进一步组合计算，快速生成目标客户清单，支持运营人员使用该目标客户清单部署线上运营活动。

  3. 服务化生态体系：智能建群，专业共享

  为最大化利用知客建群雷达的能力，软件开发中心将其封装成专业共享数据服务，支持在互联网金融领域的产品与场景中应用，形成服务化生态体系。知客建群雷达被封装为独立的API接口，供各产品应用调用，轻松实现通过对话式服务完成建群功能。

  软件开发中心通过将知客建群雷达标准化、模块化，使其能够灵活融入不同的应用场景中，实现资源共享和功能的最大化利用，提升建群雷达的灵活性与可扩展性。服务化生态体系的建设，使业务系统可根据实际需求，无缝对接知客建群雷达，提升整体用户体验与业务效率。

  三、知客建群雷达未来发展

  在运营实践的过程中，知客建群雷达将在短时记忆力机制与建群雷达调度能力方面不断探索与创新，提供更加智能化、高效化的圈客方案，推动工商银行的数字化转型与智能化升级。

  1. Agent记忆力机制建设

  通过记忆力机制的建设，确保主从Agent能够在多轮对话中有效记住用户的意图、历史交互记录以及任务执行过程中的关键信息。通过引入注意力机制和上下文学习算法，提升Agent对对话内容的理解和记忆能力，从而提供更加精准和个性化的推荐服务。

  2. 建群雷达调度能力提升

  知客建群雷达的建设推动了工商银行在人工智能和大数据领域的深入探索。随着技术的不断进步，知客建群雷达未来将引入更多智能运营模型，根据运营人员的运营意图进行多模型圈客的组合计算，进一步提升系统的智能化水平和业务适应性。同时，知客建群雷达将增强其对大规模客群创建与管理的支持能力，提升系统处理并发请求和大规模数据的能力，确保在业务高峰期也能保持高效稳定的运行。

  在数字化转型的道路上，软件开发中心将不断深化以理论指导运营实践的理念，借助人工智能、大数据等前沿科技，为客户提供更为便捷、智能、安全的金融服务体验，助力做好“五篇大文章”，为中国式现代化建设提供高质量的金融服务。