1、張桐國雙航旅事業部總經理國雙公司為“國雙”商標及產品、服務（包括但不限于在本演示文稿中提及的產品、服務）的合法所有權人和知識產權權利人。國雙公司未授權他人單獨享有或與國雙公司共同享有上述所有權及（或）知識產權的權利。任何人不得擅自使用或侵犯“國雙”商標及（或）國雙公司產品、服務的合法權利。旅客出行的消費意圖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為樣例數據，整體ATM知識圖譜中包含10萬個航班，其中3

2、.8萬航班1個月內在JFK起飛或降落，同時期59個航班的航班編號為N589UA知識圖譜在我們身邊的應用傳統知識圖譜是否可以回答所有問題+傳統知識圖譜和事理圖譜的結合使用傳統知識圖譜（實體圖譜）事理圖譜描述對象回答問題確定性狀態精準度關系實體及其屬性關系When Who What Where事實是確定的相對靜止 變化緩慢精確度要求高上下位事件及其內外聯系Why/How邏輯不確定有轉移概率動態的有一定的容錯性因果 條件 反轉順承 組成 并發+與現有解決方案的差異知識圖譜對于數據應用的價值就在于讓機器具備了認知能力無法真正從人類的角度理解我們的世界不能創造新的知識擅于學習和識別過去曾有過的重復模式并

3、基于此對類似的情況進行預測機器學習/深度學習有能力對當前情況、他人或者自身進行復雜的抽象和認知有能力進行想象，推理，抽象，假設有能力舉一反三，對未來有預見性，可以做長期規劃人類智能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基于知識體系的數據智能內部交互公開航班數據、旅客數據、運價數據、銷售數據、機務數據、GDS數據曝光、點擊、線上行為 線下行為、事件點擊、頁面訪問、效果轉化 社交數據、線上行為、線下行為、購物行為、位置數據融入航司、酒店、旅游、用戶、

7、營銷、運營領域專家級知識庫行業專家無處不在融入眾多數據算法和模型，輔助專家的判斷和決策為行業專家賦能數據逐步豐富，算法和模型也在不斷的迭代進化不間斷服務和優化基于知識體系的數據智能算法模型行業專家數據科學家數據應用趨勢預測智能判斷自動化生成 故障預警原因探查智能問答智能推薦產品設計流程優化自動營銷 數據機器感知機器認知語音 圖片視頻 手勢結構化自然語言處理數據治理知識圖譜機器學習-已 采 集 數 據-需 采 集 數 據-外部數據交互數據內部數據-可 采 集 數 據-結 構 化 為 主非 結 構 化 為 主非 結 構 化 為 主線上自營渠道事件點擊設備信息曝光/點擊/轉化航班計劃運價管理會員管理

8、機組排班運行控制呼叫中心GDS機務維修文檔/評論/攻略航司可利用的內外部數據知識圖譜的構建過程自底向上提取實體 事件 屬性 關系等自頂向下專家標注+機器學習知識圖譜知識生成和更新機器學習狀態轉移及意圖識別知識推理知識驗證數據標注數據處理其他行業的客戶實踐（工業）某油田，油井周采油量提升4.6%利用知識圖譜/事理圖譜、機器學習技術，完善油氣勘探及油氣藏知識分類體系，按照盆地、區帶、斷塊、圈閉、油藏等地質實體對象，對油氣成藏關鍵知識進行統一抽取和高效管理，構建知識圖譜和油氣藏預測分析模型，實現油氣成藏主控因素分析、有利成藏區帶自動優選及目標排序等，提升勘探開發決策水平。其他行業的客戶實踐（金融）風

9、險評估與反欺詐建立客戶風險特征信息庫，優化風險模型和規則風險預測行業或企業發生高風險事件時，及時預測未來的潛在風險，從而可對相關行業的風險做出預判，并規避風險精準營銷形成對用戶或用戶群體的完整知識體系描述，挖掘已有客戶的潛在需求，針對性地推送相關產品為客戶提供營銷服務智能搜索從海量資訊中為投資者和投資服務者甄選高質量內容，實現內容到用戶的個性化精準分發提升投顧服務能力其他行業的客戶實踐（營銷）基于營銷知識圖譜的媒體決策沙盤智能分配跨渠道預算預算金額30,00,000優化目標點擊最大目標設置曝光量2億目標設置點擊單價2元媒體偏好360:40%媒體偏好360移動:10%優化后點擊單價點擊-23.0

10、0%+53.00%36.76%24.50%18.20%10.05%6.47%4.00%百度PC百度移動360PC360移動搜狗PC搜狗移動61.28%28.25%10.47%百度360搜狗點擊花費在航司各領域實體圖譜/事理圖譜的機會在哪？在航司數據分析領域如何應用？基于實體圖譜/事理圖譜的知識推理收益輔助線上運營層層剖析，追根究底線上運營更通暢查訂比低預訂量預訂量低新用戶高營銷活動渠道質量原因確認查詢量查詢量高用戶量少單用戶查詢高爬蟲爬取集聚多方數據，聯動聚合收益管理更高效-10-9-8-7-6-5-4-3-2-10旅游行為開始活躍商旅行為開始活躍旅游用戶提前預定商旅用戶提前預定預訂量平均票價

11、景點搜索城市人流城市搜索酒店搜索重大活動用戶地理位置變動如何利用知識圖譜挖掘營銷機會？促銷和產品宣傳0102 市場活動注冊03 市場活動確認04航班和機票預訂05 旅行增值服務預訂06 購買機票送達客戶07 地面運輸到機場08 值機和托運行李服務09安檢和過關服務10 里程兌換免稅店購物11 航空公司休息室服務12前往登記和入桌位13 航班計劃狀態信息14 機上娛樂系統15 機上服務標準/差異化28分享和傳播27餐飲娛樂26旅游景點25入住酒店24地面運輸23 地面運輸等候22積分累積17機上增值服務16 機上商品銷售21海關和安全檢查20免稅店購物19領取托運行李18降落和下機流程個性化服務

12、根據出行屬性和行為特征等 積分/付費升艙旅游跨界營銷根據人口屬性 旅游行為 線下位置等餐飲跨界營銷根據消費屬性 品牌偏好線下位置等潛客獲取種子客戶學習和投放目標客群篩選出行預測過去一周出行類APP活躍程度、出行屬性等機+酒個性化營銷根據出行屬性和品牌偏好等個性化服務據出行屬性和行為特征等 行李預售/選座費個性化服務根據出行屬性和行為特征等保險快捷營銷根據出行屬性等購物跨界營銷根據出行屬性和品牌偏好等個性化服務根據出行屬性和行為特征等 積分/付費升艙個性化服務機上WIFI 移動支付個性化服務根據出行屬性和行為特征等購物跨界營銷根據出行屬性和品牌偏好等購物跨界營銷根據出行屬性和品牌偏好等融合 動態

13、 預測構建航旅領域智慧大腦動態預測旅客需求直銷渠道其他航班動態值機機票查詢單程往返預定機票預定酒店購買保險值機選座到達機場乘機70%15%5%10%75%25%15%13%40%5%1%3%90%基于相對靜態的用戶標簽RFM、CLV等用戶分群算法判斷依據數據維度應用模型數據關聯基于用戶歷史行為數據用戶間的數據關聯較少數據關聯應用模型數據維度判斷依據結合用戶群數據和用戶個體數據基于知識圖譜、深度學習基于動態的用戶事件基于對未來意圖的預測需求beforeafter某航旅行業客戶實際案例用戶事件用戶意圖聚類模型傾向性模型網購訂單轉化率CTR預測用戶未來行為揭示客群數據中隱藏的規律發現A用戶的轉化軌跡

14、A用戶購買商品或下單的可能性發現A用戶的意圖標簽尋找和A用戶行為模式類似的其他客群162%202%基于知識圖譜預測用戶消費需求基于知識圖譜預測用戶消費需求通過通過AIAI深度優化預測模型深度優化預測模型行業探索希望將自身的技術積累和實踐運用在航司，做些對行業有價值的事情技術成熟雖然還存在技術難點需要攻克，但技術已經相對成熟，并且在其他行業有大量實踐數據豐富除了航司內部已有的豐富數據，交互和公開數據已經有較好的獲取途徑解決難題解決航司數據如何分析和運用，以及分析方法如何沉淀的難題國雙為什么想做？國雙為什么可以做？國雙以自主研發的國雙云、大數據平臺、可視化平臺、國雙人工智能引擎為基礎，通過自然語言處理、數據挖掘、關聯分析、實時分析、知識圖譜等多項技術能力，為航旅行業客戶提供智能化大數據解決方案；類似的解決方案在營銷、金融、工業、司法等行業有了大量實踐，在相關技術領域有足夠的技術積累；成立航旅事業部，引進行業內人才，聚焦航旅行業數據和知識體系；大數據平臺航司知識庫行業數據應用自然語言處理 機器學習 深度學習圖 像 識 別語 音 識 別知 識 圖 譜服 務營 銷運 營內 控國雙數據智能平臺知識庫大數據平臺人工智能數據應用成本降低收益提升運營管理優化結構化數據處理非結構化數據處理算法模型構建 內外部數據集成 實時數據計算 數據可視化業務智能AI大數據