所有人都向往無所不知，營銷尤為如此。

不同的是，營銷人追求的「無所不知」更像對洞察和精準(zhǔn)的執(zhí)著——無論是大到用戶數(shù)據(jù)管理，還是小到銷售線索的篩選，營銷人希望知道更多，從而減少銷售轉(zhuǎn)化過程中的損耗，提高效率。

由于語言文字是人類社會信息傳遞的主要形式，在人們交流、存儲信息的主要場地逐漸偏向互聯(lián)網(wǎng)，觸及「無所不知」的方法也在這里被漸漸發(fā)掘——人工智能領(lǐng)域的發(fā)展可見一斑：

自然語言處理（Natural Language Processing，簡稱NLP）技術(shù)探討的基本命題是如何處理和運用自然語言。而知識圖譜（KnowledgeGraph）則是在NLP對語言文本的解構(gòu)基礎(chǔ)上，以圖數(shù)據(jù)形式存儲信息，并描述客觀世界中概念、實體及其關(guān)系。

簡單來說，NLP技術(shù)類似于人類讀懂語言和文字的能力，而知識圖譜則對應(yīng)著人類儲存在腦海里的知識體系。

AI投資熱潮過境之后，高投入、低回報、落地難的固有印象讓這個領(lǐng)域短暫失去了吸引力。但在資本眼中，兩個細分領(lǐng)域仍然存在大量的機會，一個是計算機視覺（CV），另一個就是自然語言處理（NLP）。

自然語言處理和知識圖譜這兩顆相輔相成的AI雙子星，在MarTech領(lǐng)域已經(jīng)找到了幫助營銷人「無所不知」的方法：智能獲客。

從智能獲客快速落地的NLP

在Google開源BERT后，NLP行業(yè)迎來了自己的標(biāo)桿模型，識別精準(zhǔn)度大幅提升。再加上互聯(lián)網(wǎng)世界中文本數(shù)據(jù)普遍，又存在大量如搜索等垂直領(lǐng)域的需求，該技術(shù)受到VC青睞理所當(dāng)然。

但作為NLP技術(shù)重要的應(yīng)用之一，知識圖譜在不同環(huán)境下卻表現(xiàn)出不同的形態(tài)，一方面，「Google知識圖譜」試圖還原整個現(xiàn)實世界聯(lián)系，敘事恢弘，另一方面在MarTech領(lǐng)域，知識圖譜的應(yīng)用則從更貼近商業(yè)本質(zhì)的一面展示價值，那就是智能獲客。

智能獲客，同時對Marketing與Sales部門產(chǎn)生影響：Marketing負責(zé)為銷售導(dǎo)入優(yōu)質(zhì)潛在線索，屬于線索管理（LeadManagement）范疇。而銷售部門也需要對已有數(shù)據(jù)做進一步篩選，這屬于銷售支持（Sales Enablement）的范疇。

IDC分析師曾認為，銷售支持（SalesEnablement）其實就是「在正確的時間以正確的格式向正確的人提供正確的信息，以幫助推動特定的銷售機會?！箤τ阡N售部門而言，這往往需要能夠連貫地組織、查找、共享、定制和分析目標(biāo)的必要框架。

在業(yè)務(wù)場景中，「正確」并不容易達成——事實上，大多數(shù)企業(yè)目前的銷售數(shù)據(jù)很容易給銷售人員造成紊亂，一般造成這一現(xiàn)象的原因有三：

• 銷售線索往往由多個團隊輸入，內(nèi)容良莠不齊，導(dǎo)致目標(biāo)畫像不全

• 行業(yè)數(shù)據(jù)信息龐雜，商業(yè)關(guān)系還原難度大

• 潛客篩選、銷售線索優(yōu)先級劃分困難

而這些痛點也為NLP和知識圖譜的應(yīng)用提供了豐富的應(yīng)用場景。

「以銷售為導(dǎo)向的企業(yè)，每天各個渠道都會產(chǎn)生大量的銷售線索。幾百人的銷售團隊，每天可能需要面對上萬條參差不齊的線索。行業(yè)需要一套解決方案，能幫助銷售人員自動補齊線索內(nèi)容、自動挑選更有價值的銷售線索優(yōu)先觸達?！拱贌捴悄苈?lián)合創(chuàng)始人&CTO姚從磊在接受采訪時這樣說道。

百煉智能創(chuàng)立于2018年，是一家用AI技術(shù)幫助企業(yè)進行智能獲客的解決方案提供商，雖然僅創(chuàng)立一年，但已為快消、金融、醫(yī)藥、化工、汽車、媒體等行業(yè)頭部客戶提供To B獲客支持。

在姚從磊看來，銷售線索是ToB銷售側(cè)的痛點之一，百煉智能據(jù)此打造了自己的智能獲客四大產(chǎn)品：模型預(yù)測、檔案補齊、客戶裂變和競爭分析。

「檔案補齊是通過知識圖譜的實體對齊技術(shù)，對殘缺不全的銷售線索進行自動化補充整理；而以NLP技術(shù)處理后的銷售端成單數(shù)據(jù)和銷量數(shù)據(jù)為基礎(chǔ)，我們可以通過建立深度神經(jīng)網(wǎng)絡(luò)模型來幫助客戶實現(xiàn)成單和銷量的預(yù)測；此外，基于全網(wǎng)公開數(shù)據(jù)，知識圖譜能帶來客戶竟對關(guān)系的提煉和KP的鎖定，輔助銷售工作。」姚從磊補充道。

把數(shù)據(jù)轉(zhuǎn)化成業(yè)務(wù)語言

由此看來，知識圖譜在銷售支持領(lǐng)域的應(yīng)用，已經(jīng)涉及到數(shù)據(jù)收集、數(shù)據(jù)治理以及數(shù)據(jù)分析三個環(huán)節(jié)。在實際輔助銷售人員的過程中，知識圖譜技術(shù)承擔(dān)著將銷售大數(shù)據(jù)轉(zhuǎn)化成「業(yè)務(wù)語言」的重任。

例如，客戶過往成單中的信息，返回到客戶模型中，成為能夠基本定性的數(shù)據(jù)，如公司規(guī)模、地理位置附近存在竟對產(chǎn)品的數(shù)量等。隨后這些數(shù)據(jù)進入到深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型后，就會形成應(yīng)用標(biāo)簽，最終預(yù)測銷量。

但在To B企業(yè)銷售部門，知識圖譜也有自己發(fā)展的不利因素，如可供訓(xùn)練模型使用數(shù)據(jù)量相對較少，不同行業(yè)數(shù)據(jù)類型差異較大等問題。

在被問及這些問題時，姚從磊表示訓(xùn)練數(shù)據(jù)較少的問題確實存在，但只要數(shù)據(jù)規(guī)模能保證在千級，知識圖譜+模型就能產(chǎn)生相對有效的標(biāo)簽支持。另外，GAN （對抗生成網(wǎng)絡(luò)）技術(shù)能幫助模型在較少訓(xùn)練數(shù)據(jù)下，獲得較高的預(yù)測準(zhǔn)確率。

而不同行業(yè)的數(shù)據(jù)類型不同的影響并不大，知識圖譜產(chǎn)品的服務(wù)模式是可以切換到其他行業(yè)的，需要調(diào)整的只是數(shù)據(jù)刻畫和分析的維度。

「我們從一開始只做銷售線索的篩選導(dǎo)入到如今，一年時間里已經(jīng)開始與部分客戶合作進行銷量預(yù)測?！挂睦谡f?！附酉聛恚覀儠鸩綄⒆匀徽Z言處理技術(shù)的準(zhǔn)確率和召回率提升到較高的水平（平均98%以上）并部署GAN （對抗生成網(wǎng)絡(luò)）」

消費者全量數(shù)據(jù)的知識圖譜暢想

對于那些具備通用產(chǎn)品，客戶群大而分散，且有篩選銷售目標(biāo)需求的用戶，知識圖譜是一個見效迅速且成本不高的銷售效率提升之法。

百煉智能選擇了從智能獲客切入，同時在銷售支持（Sales Enablement）與線索管理（Lead Management）的細分賽道上不斷深耕。但對知識圖譜而言，如果將「銷售數(shù)據(jù)」換成營銷「全量數(shù)據(jù)」，那么NLP和知識圖譜技術(shù)對Martech的影響會更加廣泛。

銷售業(yè)務(wù)場景下，人們主要工作內(nèi)容是拜訪客戶。在拜訪完一家客戶后，銷售人員往往需要了解就近還有哪些客戶，這意味著基于地理位置的對潛客的篩選能夠幫助到銷售人員，而地理信息僅僅是一個維度。

如果將地理位置、競對關(guān)系、人事變動、近期行業(yè)資訊等公網(wǎng)「知識圖譜」，與目標(biāo)客戶的網(wǎng)頁瀏覽URL、APP行為、第三方平臺行為等營銷「知識圖譜」結(jié)合起來，營銷人員將最大限度地「在正確的時間，像正確的人傳達正確的信息」，銷售人員也將最大限度地「在正確的時間，正確的地點，接觸正確的人，提供正確的產(chǎn)品信息溝通」，最終雙方協(xié)同推動特定的銷售機會。

這是比較理想的基于消費者全量信息建立知識圖譜的情景——高精度的知識圖譜必然需要NLP技術(shù)與強大的AI模型共同實現(xiàn)，如消費者訪問海量的URL數(shù)據(jù)，首先需要用爬蟲獲取頁面內(nèi)容，再通過NLP語義識別為每一個URL貼上相應(yīng)標(biāo)簽。

隨著CDP、數(shù)據(jù)中臺概念的興起，廣告主越來越關(guān)注第一方數(shù)據(jù)與第三方數(shù)據(jù)的結(jié)合，建立自己的私域流量池。但在全量數(shù)據(jù)面前，數(shù)據(jù)標(biāo)簽打通成本高、難度大，也限制著廣告主建立自己的洞察。

而知識圖譜，可能就是那條捷徑。