一、项目背景及目标

在数字经济时代，银行业正经历着前所未有的数字化转型浪潮。随着金融科技的迅猛发展和客户需求的日益多元化，传统银行面临着提升营销效率、优化客户体验和增强风险控制能力的多重挑战。知识图谱作为一种能够有效组织和表示复杂关系网络的人工智能技术，为银行解决这些挑战提供了新的思路和方法。目前我行在推进数字化营销过程中面临着多方面的挑战：

一是数据孤岛问题，制约营销效率，银行内部各部门往往使用不同的信息系统，导致客户数据分散在各个业务系统中，难以形成统一完整的客户视图，这种数据割裂状态使得银行无法全面把握客户需求，也难以实现跨业务的协同营销。

二是数据洞察不足，无法精准获客，虽然银行积累了大量的客户数据，但缺乏有效的数据分析和挖掘工具，难以从海量数据中提取有价值的营销洞察，这导致营销决策往往基于经验而非数据，影响了营销活动的精准度和效果。

三是客户需求日益多元化和个性化，传统的大众化营销模式已无法满足现代金融消费者的期望，现代客户期望银行能够理解他们的独特需求，并在适当的时间通过合适的渠道提供个性化的产品和服务。然而，许多银行缺乏有效的手段来深入洞察客户需求，导致营销活动针对性不足，转化率低下。

四是风险控制与营销平衡，在追求营销效果的同时，银行必须确保合规性和风险可控。传统的风控方法主要是专家规则或机器学习模型，往往不会从客户不同维度关联关系分析，可能会导致预测的风险客户不够全面，从而会给营销活动带来潜在的风险，降低营销效能。

为了解决目前的痛点，我行通过打造全行级客户知识图谱，并引入图算法、图机器学习以及图神经网络技术分析挖掘客户间的关联关系，实现更快、更精准的客户触达与营销推荐，以及帮助银行识别潜在客户风险，提升营销效能。

二、创新点

通过整合行内各业务系统数据与外部数据，打造全行级营销知识图谱集市，依托专家规则、图机器学习、图神经网络、大模型以及图算法等多模型能力，实现数字化营销中对客户洞察、个性化产品推荐以及风险防控，进一步提升客户满意度与营销的效率。

图4-1 业务架构

（一）打破数据孤岛，构建全行级客户视图

通过整合客户的基本信息、交易记录、行为数据、社交网络等各业务条线的多维度信息，构建全行级知识图谱。目前营销图谱集市已上线对公客户实体15个，关联关系32个，对私客户实体14个，关联关系29个，已支撑营销类场景12个。营销人员通过知识图谱可视化工具快速查看客户的不同维度的关联关系信息，并依托集成的图算法，如社区划分、环路识别、PageRank、最短路径等，分析客户实体之间的各种关系，更快、更准、更全的了解客户与潜在客户，以及发现客户群体的自然分群，实现更精准的客户细分，由原来可能需要人工花费多天的信息收集与联系工作，现在只需几分钟即可了解客户全貌，极大的提高了营销效率。

图4-2 客户视图图本体（部分）

（二）多模型引入，提升客户洞察能力

知识图谱与多模型的结合为精准客户洞察提供了强大支持。通过构建的全面立体的客户关联关系图谱，为营销人员提供全面的客户画像。根据不同的营销目标，通过社区划分、中心度、PageRank图算法实现对客户的分层与社交圈的挖掘，并构建客户的关联关系特征与客户画像特征，通过图机器学习实现对潜在客户与核心客户挖掘，以及通过挖掘上下游关系、经济依存度等维度，从而帮助业务部门根据不同客户群体深入分析客户需求，为制定差异化营销策略，开发定制化服务提供数据基础。并且为了降低陌生人拜访的门槛，依托图神经网络技术，挖掘商机数据关联关系，打造“金桥联客”服务，通过关联引荐的方式，让营销人员顺利“走进企业”。

图4-3 客户洞察业务流程

（三）多维度分析，提升客户服务水平

根据客户需求偏好与行内产品、服务之间的关联关系、交易行为关系、社交圈以及客户不同渠道的行为链路，构建关联关系图谱，并从客户的亲属、同事、担保、同社区、交易紧密度等多维度分析挖掘其社交圈，依据“物以类聚，人以群分”的原理，往往社交圈中的行为特征上常常会呈现出一定的相似性，通过Louvain社区划分的图算法对行内客户进行社交圈划分，并分析社交圈中已购买产品的客户的偏好，为社交圈中客户推荐TOPN产品。除此之外，通过挖掘社交圈中不同产品服务的核心客户，挖掘其三度内的关系紧密的关联客户，进行核心客户购买的相同或相似产品的推荐，打造“客户-产品-客户”的精准化协同营销体系，提升客户服务水平。

图4-4 产品推荐业务流程

（四）营销与风险防控联动，提升营销效能

以对公风险客户为中心依托对公客户关联关系图谱中的交易关系、供应链上下游、经济依存度、股权关系、高管关系、法人关系等关联关系，通过构建团伙识别与风险传导模型等方式及时预警潜在风险客户。除此之外，以个贷欺诈风险客户为中心依托对私客户关联关系图谱中交易关系、担保关系、签约产品关系、地址关系、单位关系等关联关系，通过分析关联子图特征，挖掘疑似欺诈团伙中潜在风险客户。基于风险客户关联关系的分析，提升风险预测名单的可解释性与准确性，并与营销策略联动，更加精准的筛选出优质客户，优化营销资源分配，预防风险客户的过度营销，提升营销效能。

图4-5 团伙挖掘

三、项目技术方案

1.知识图谱技术架构

知识图谱的技术架构分五步走，包括知识来源、知识抽取、知识融合、知识加工、知识存储与计算，通过面向结构化、半结构化和非结构化数据构建知识图谱为不同领域的应用提供支持，具体的技术架构如下图所示：

图5-1 知识图谱技术架构

2.系统架构

为满足全行营销场景建设需求，构建全行级营销类知识图谱平台，充分挖掘客户内在关联价值，并且支撑知识全生命周期管理过程，包含知识构建、知识管理、知识分析挖掘、知识应用，实现从数据到知识的提炼，完成以知识为核心的一站式能力输出，赋能全行营销场景智能化建设。

图5-2 系统架构

①知识构建能力

支持本体建模，提供基于场景的知识构建工作流开发，支持结构化数据的清洗、融合、转换、入库，支持半结构化与非结构化数据的实体、关系与属性的识别与抽取。

②知识资产管理与计算能力

构建知识资产存储体系，依托多态混合存储架构，满足不同类型知识图谱资产的存储需求，以大数据平台与图数据库为基石，推动多场景、多维度、多层次图谱资产的积累与沉淀，搭建图仓，打造统一有序的知识体系。同时，支持主流大数据平台、图数据库以及查询语言的适配，以及支持离线图指标、实时图指标、实时图推荐的计算与推荐。

③知识分析与挖掘能力

提供实时图查询、离线图查询、场景探索分析能力，支持基于项目于组织的功能和数据权限控制，并且封装了多种图算法、机器学习框架、深度学习框架以及大模型，提供多技术融合的知识计算引擎，实现了图计算引擎、实时规则引擎、实时图推荐引擎等。支持分布式工作流的调度与监控。

④知识服务能力

提供一站式、全链路的图谱服务能力，包括下发文件、通用API图服务接口、定制图场景web服务等图谱服务提供方式，并支持服务发布、订阅、调用控制与统计能力，同时支持图场景的可视化配置，降低使用门槛，提升研发效率，实现资产服务的快速构建，灵活赋能各场景。

⑤知识应用能力

支持创建不同营销场景图谱、接入或定制营销类知识图谱应用，提供服务共享的在线协作方式；支持多租户资源管理、用户管理和角色管理，保障不同业务的营销场景资源隔离，降低运维成本与用户体验等。

四、项目过程管理

五、运营情况

项目上线以来营销图谱集市已上线对公客户实体15个，关联关系32个，对私客户实体14个，关联关系29个，已支撑营销类场景12个。营销人员通过知识图谱可视化工具快速查看客户的不同维度的关联关系信息，只需几分钟即可了解客户全貌，极大的提高了营销效率。在客户洞察方面，打造“金桥联客”服务，在2024年全年助力行外目标企业转化为行内企业数量共计2482户，新增存款余额总计约12.5亿。并通过营销与风控防控联动，已客户社交圈网络为目标，打造“客户-产品-客户”的精准化协同营销体系，提升客户服务水平。

六、项目成效

1.打通各业务系统数据，构建全行级客户视图，支持可视化展示

通过整合行内各业务系统数据与外部数据，构建全行级客户视图，打破数据孤岛，实现了数据的统一管理和高效利用。这一创新举措显著提升了营销效率，减少了因数据分散导致的重复工作和资源浪费。营销人员通过知识图谱可视化工具，能够在几分钟内了解客户的全貌，相比传统方式节省了数天的时间，极大地提高了工作效率，同时也降低了人力成本。

2.多模型引入，提升客户客户洞察能力，精准营销

通过分析客户的关联关系特征与客户画像特征挖掘客户的社交圈、潜在客户与核心客户、以及上下游关系与经济依存度等维度，实现了精准的客户洞察。其中打造的“金桥联客”服务，2024年全年实现行外目标企业转化为行内企业数量达到2482户，新增存款余额总计约12.5亿元。

3.多维度分析，挖掘客户社交圈，实现高效的产品推荐

通过客户不同的关联关系，使用社区划分图算法挖掘客户社交圈，并通过关联关系特征以及客户画像，挖掘社交圈中核心客户。以统计分析或聚类分析的手段，挖掘社交圈中客户的购买产品偏好，作为向社交圈成员中推荐的目标，并且分析与核心客户关系紧密的社交圈中客户，以核心客户的产品偏好作为推荐目标，一方面提升客户服务水平，另一方面提升营销的转化率。

4.风险防控与营销联动，降低营销风险，提升营销效能

通过构建客户关联关系图谱，从多维度更全面、更准确、更易解释的实现对洗钱团伙、个贷欺诈团伙以及电信诈骗名单的预测，并将预测的潜在风险客户引入至在营销活动中，避免了对高风险客户的过度营销，优化了营销资源的分配，降低了银行的潜在风险，保障了营销活动的合规性和稳健性，进一步提升了银行的经济效益。

七、经验总结

项目建设中通过建立统一的数据标准和数据治理框架，确保了数据的质量和一致性，为全行级客户视图的搭建以及模型构建提供了可靠的数据支持。在业务专家的指导下，根据不同的业务场景和需求，选定不同的客户关联关系或构建挖掘关联关系，并通过融合多种技术手段，实现客户的洞察、产品推荐以及风险预测等模型，实现精准营销和产品推荐，同时提升营销效能。在今后的工作中会结合营销的效果和业务场景持续挖掘客户关联关系特征，并引入外部数据，如社保信息、征信等，不断的优化模型，从而提升风险的预测能力、提升营销任务的转化率、提升客户满意度。