1、张桐国双航旅事业部总经理国双公司为“国双”商标及产品、服务（包括但不限于在本演示文稿中提及的产品、服务）的合法所有权人和知识产权权利人。国双公司未授权他人单独享有或与国双公司共同享有上述所有权及（或）知识产权的权利。任何人不得擅自使用或侵犯“国双”商标及（或）国双公司产品、服务的合法权利。旅客出行的消费意图Source: Building a Knowledge Graph for the Air Traffic Management Community, NASA Ames Research Center搜索引擎智能客服空中流量管理以下为样例数据，整体ATM知识图谱中包含10万个航班，其中3

2、.8万航班1个月内在JFK起飞或降落，同时期59个航班的航班编号为N589UA知识图谱在我们身边的应用传统知识图谱是否可以回答所有问题+传统知识图谱和事理图谱的结合使用传统知识图谱（实体图谱）事理图谱描述对象回答问题确定性状态精准度关系实体及其属性关系When Who What Where事实是确定的相对静止 变化缓慢精确度要求高上下位事件及其内外联系Why/How逻辑不确定有转移概率动态的有一定的容错性因果 条件 反转顺承 组成 并发+与现有解决方案的差异知识图谱对于数据应用的价值就在于让机器具备了认知能力无法真正从人类的角度理解我们的世界不能创造新的知识擅于学习和识别过去曾有过的重复模式并

3、基于此对类似的情况进行预测机器学习/深度学习有能力对当前情况、他人或者自身进行复杂的抽象和认知有能力进行想象，推理，抽象，假设有能力举一反三，对未来有预见性，可以做长期规划人类智能1950s1960s1970s1980s1990s2000s 2010s2020sDEEP LEARNINGDeep learning breakthroughsdrive AI boomARTIFICIALINTELLIGENCEEarly artificial intelligencestirs excitementMACHINELEARNINGMachine learning beginsto flourish

4、Refine,Alter,Expand,or RejectHypothesesDevelop Testable PredictionsIf my hupotesis is correct,then I expect a,b,c.Formulate HypothesesWhat are the general causes of the phenomenon I am wondering about?Gather Data to Test PredictionsRelevant data can come from the literature new observations,or forma

5、l expriments .Thorough testing requires replication to verify results.Develop General TheoriesGeneral theories must be consistent with most or all available data and with other current theories.Make ObservationsWhat do I see in nature? This can be from ones own experiences thoughts,or reading.Think

6、of Interesting QuestionsWhy does that pattern occur?The Scientific Method as an Ongoing ProcessSource：Garland, Jr., Theodore. The Scientific Method as an Ongoing Process. U C Riverside基于知识体系的数据智能内部交互公开航班数据、旅客数据、运价数据、销售数据、机务数据、GDS数据曝光、点击、线上行为 线下行为、事件点击、页面访问、效果转化 社交数据、线上行为、线下行为、购物行为、位置数据融入航司、酒店、旅游、用户、

7、营销、运营领域专家级知识库行业专家无处不在融入众多数据算法和模型，辅助专家的判断和决策为行业专家赋能数据逐步丰富，算法和模型也在不断的迭代进化不间断服务和优化基于知识体系的数据智能算法模型行业专家数据科学家数据应用趋势预测智能判断自动化生成 故障预警原因探查智能问答智能推荐产品设计流程优化自动营销 数据机器感知机器认知语音 图片视频 手势结构化自然语言处理数据治理知识图谱机器学习-已 采 集 数 据-需 采 集 数 据-外部数据交互数据内部数据-可 采 集 数 据-结 构 化 为 主非 结 构 化 为 主非 结 构 化 为 主线上自营渠道事件点击设备信息曝光/点击/转化航班计划运价管理会员管理

8、机组排班运行控制呼叫中心GDS机务维修文档/评论/攻略航司可利用的内外部数据知识图谱的构建过程自底向上提取实体 事件 属性 关系等自顶向下专家标注+机器学习知识图谱知识生成和更新机器学习状态转移及意图识别知识推理知识验证数据标注数据处理其他行业的客户实践（工业）某油田，油井周采油量提升4.6%利用知识图谱/事理图谱、机器学习技术，完善油气勘探及油气藏知识分类体系，按照盆地、区带、断块、圈闭、油藏等地质实体对象，对油气成藏关键知识进行统一抽取和高效管理，构建知识图谱和油气藏预测分析模型，实现油气成藏主控因素分析、有利成藏区带自动优选及目标排序等，提升勘探开发决策水平。其他行业的客户实践（金融）风

9、险评估与反欺诈建立客户风险特征信息库，优化风险模型和规则风险预测行业或企业发生高风险事件时，及时预测未来的潜在风险，从而可对相关行业的风险做出预判，并规避风险精准营销形成对用户或用户群体的完整知识体系描述，挖掘已有客户的潜在需求，针对性地推送相关产品为客户提供营销服务智能搜索从海量资讯中为投资者和投资服务者甄选高质量内容，实现内容到用户的个性化精准分发提升投顾服务能力其他行业的客户实践（营销）基于营销知识图谱的媒体决策沙盘智能分配跨渠道预算预算金额30,00,000优化目标点击最大目标设置曝光量2亿目标设置点击单价2元媒体偏好360:40%媒体偏好360移动:10%优化后点击单价点击-23.0

10、0%+53.00%36.76%24.50%18.20%10.05%6.47%4.00%百度PC百度移动360PC360移动搜狗PC搜狗移动61.28%28.25%10.47%百度360搜狗点击花费在航司各领域实体图谱/事理图谱的机会在哪？在航司数据分析领域如何应用？基于实体图谱/事理图谱的知识推理收益辅助线上运营层层剖析，追根究底线上运营更通畅查订比低预订量预订量低新用户高营销活动渠道质量原因确认查询量查询量高用户量少单用户查询高爬虫爬取集聚多方数据，联动聚合收益管理更高效-10-9-8-7-6-5-4-3-2-10旅游行为开始活跃商旅行为开始活跃旅游用户提前预定商旅用户提前预定预订量平均票价

11、景点搜索城市人流城市搜索酒店搜索重大活动用户地理位置变动如何利用知识图谱挖掘营销机会？促销和产品宣传0102 市场活动注册03 市场活动确认04航班和机票预订05 旅行增值服务预订06 购买机票送达客户07 地面运输到机场08 值机和托运行李服务09安检和过关服务10 里程兑换免税店购物11 航空公司休息室服务12前往登记和入桌位13 航班计划状态信息14 机上娱乐系统15 机上服务标准/差异化28分享和传播27餐饮娱乐26旅游景点25入住酒店24地面运输23 地面运输等候22积分累积17机上增值服务16 机上商品销售21海关和安全检查20免税店购物19领取托运行李18降落和下机流程个性化服务

12、根据出行属性和行为特征等 积分/付费升舱旅游跨界营销根据人口属性 旅游行为 线下位置等餐饮跨界营销根据消费属性 品牌偏好线下位置等潜客获取种子客户学习和投放目标客群筛选出行预测过去一周出行类APP活跃程度、出行属性等机+酒个性化营销根据出行属性和品牌偏好等个性化服务据出行属性和行为特征等 行李预售/选座费个性化服务根据出行属性和行为特征等保险快捷营销根据出行属性等购物跨界营销根据出行属性和品牌偏好等个性化服务根据出行属性和行为特征等 积分/付费升舱个性化服务机上WIFI 移动支付个性化服务根据出行属性和行为特征等购物跨界营销根据出行属性和品牌偏好等购物跨界营销根据出行属性和品牌偏好等融合 动态

13、 预测构建航旅领域智慧大脑动态预测旅客需求直销渠道其他航班动态值机机票查询单程往返预定机票预定酒店购买保险值机选座到达机场乘机70%15%5%10%75%25%15%13%40%5%1%3%90%基于相对静态的用户标签RFM、CLV等用户分群算法判断依据数据维度应用模型数据关联基于用户历史行为数据用户间的数据关联较少数据关联应用模型数据维度判断依据结合用户群数据和用户个体数据基于知识图谱、深度学习基于动态的用户事件基于对未来意图的预测需求beforeafter某航旅行业客户实际案例用户事件用户意图聚类模型倾向性模型网购订单转化率CTR预测用户未来行为揭示客群数据中隐藏的规律发现A用户的转化轨迹

14、A用户购买商品或下单的可能性发现A用户的意图标签寻找和A用户行为模式类似的其他客群162%202%基于知识图谱预测用户消费需求基于知识图谱预测用户消费需求通过通过AIAI深度优化预测模型深度优化预测模型行业探索希望将自身的技术积累和实践运用在航司，做些对行业有价值的事情技术成熟虽然还存在技术难点需要攻克，但技术已经相对成熟，并且在其他行业有大量实践数据丰富除了航司内部已有的丰富数据，交互和公开数据已经有较好的获取途径解决难题解决航司数据如何分析和运用，以及分析方法如何沉淀的难题国双为什么想做？国双为什么可以做？国双以自主研发的国双云、大数据平台、可视化平台、国双人工智能引擎为基础，通过自然语言处理、数据挖掘、关联分析、实时分析、知识图谱等多项技术能力，为航旅行业客户提供智能化大数据解决方案；类似的解决方案在营销、金融、工业、司法等行业有了大量实践，在相关技术领域有足够的技术积累；成立航旅事业部，引进行业内人才，聚焦航旅行业数据和知识体系；大数据平台航司知识库行业数据应用自然语言处理 机器学习 深度学习图 像 识 别语 音 识 别知 识 图 谱服 务营 销运 营内 控国双数据智能平台知识库大数据平台人工智能数据应用成本降低收益提升运营管理优化结构化数据处理非结构化数据处理算法模型构建 内外部数据集成 实时数据计算 数据可视化业务智能AI大数据