2022年中国知识图谱行业研究报告(7)

三、商品精准导购，以新零售网络购物为例
预期目标：通过对客户多维度信息的挖掘，快速筛选出潜在商品需求。
核心原理：基于用户信息库与商品信息库，构建商品决策知识图谱，在导购的具体场景中推送符合用户偏好的商品。
核心价值点：对于用户而言，快速触达所需的商品种类，提高决策效率；对于商户而言，辅助商品导购，实现商品的个性化推荐与精准营销，增加商品收益。
对应应用：淘宝、京东、网易严选、唯品会等。
四、内容个性化推荐，以餐饮消费推荐为例
预期目标：寻找用户最可能消费的商户，为用户推荐该商户。
核心原理：将用户的消费记录、家乡、历史口味偏好等信息构建成知识图谱网络，计算出不同维度下的推荐分值，分值最高的路径即为推送结果。
核心价值点：对于用户而言，能够为用户提供个性化、多维度的内容推荐，激起用户兴趣，减少对商户评价内容的依赖，缩短用户的筛选时间 ；对于商户而言，能够帮助商户吸引客流，增加业务收入。
对应应用：美团、大众点评等。

• 金融
场景应用分析一：信贷风控业务痛点
信用与欺诈风险加剧，风控手段急需优化升级
信贷，是一种仅以个人信用作为放贷依据的金融业务，具备风险性。传统信贷面临人力依赖性强、数据碎片化、对借款人信息分析不到位等业务痛点，解决方案正是数字化建设。随着金融与科技的融合发展，金融市场正在加速开放，信贷需求也在不断延展，整个金融信贷产业正逐步向无接触信贷转变。基于无接触信贷所展现出的大流量、信息不对称、高可触达特点，信贷业务痛点在原有痛点基础上有所增加：下沉客户质量泥沙俱下，加大了金融业的信贷风险；团伙作案犯罪手段日渐专业化、隐蔽化，欺诈风险提升。引入知识图谱可提升金融风控防范手段，针对痛点2、痛点4、痛点5“对症下药”。
Before：传统信贷业务痛点
1.依赖风控人员经验与人工审批，放款效率低、管理成本高
贷前、贷中、贷后的工作更依赖风控人员经验，需雇佣较多员工，人力成本高；审批方式以人工审批为主，一般需要2-3周以上方能放款，审批时间长、效率低下、手续与流程繁琐。