中国信通院：数字原生典型案例集（2024-2025）

FORE前

WORD数字经济时代，一批天生具备“数字基因”的企业和组织应运而生，它们将数字思维、数字技术融入生产经营的各个环节，通过“数字原生”理念，促进企业文化、组织形态、技术能力、应用架构和经营模式的全面现代化重塑，实现核心价值提升与商业模式创新，培育发展新质生产力，已成为各行业企业推进数字化转型、实现高质量发展的全新参考范式。为落实国家“十四五”规划关于“加快数字化发展，建设数字中国”的总体要求，打造一批具有产业引领与推广应用效应的企业数字化转型应用示范案例，中国信通院自2022

年起，连续举办“鼎新杯”数字化转型应用征集活动，遴选了一批可推广可复制的先锋实践案例。其中，面向“数字原生”这一新兴领域，“鼎新杯”活动特设“数字原生赛道”，遴选展示了一批极具代表性的数字原生应用案例。本案例汇编中，精选了历年“鼎新杯”活动中10

个典型“数字原生”案例，这些案例涵盖了不同行业、不同规模企业的数智化转型实践，从战略规划到技术落地，从流程优化到架构创新，从数据驱动到AI

赋能，从模式再造到价值重塑，全方位展示了数字原生理念在企业各环节的应用成效与价值创新，旨在为更多企业的数智化转型道路提供借鉴与启发。目C录ONTENTS浙江移动打造AI+业务赋能底座推进大模型应用百花齐放应用单位：中国移动通信集团浙江有限公司实施单位：中国移动通信集团浙江有限公司101智能客服新纪元大模型驱动的客户服务范式转型应用单位：中国联合网络通信有限公司软件研究院实施单位：中国联合网络通信有限公司软件研究院6021003

中国电信行业解决方案自动化设计应用单位：中国电信集团有限公司实施单位：中国电信集团有限公司基于企业架构指导的极氪海外营销服数字化转型应用单位：浙江极氪智能科技有限公司实施单位：浙江极氪智能科技有限公司1304大模型引领银行知识服务新生态应用单位：中国银行股份有限公司软件中心实施单位：中国银行股份有限公司软件中心1605创新场景化AI知识服务引领学习办公数智化革新升级应用单位：中国工商银行广东省分行、中国邮政储蓄南京分行实施单位：咪咕数字传媒有限公司2106大语言模型精准研读科研文献高效辅助医药研发应用单位：齐鲁制药集团有限公司实施单位：浪潮企业云科技（山东）有限公司2507基于数智引擎的全球商用车营销革新探究与实践应用单位：北汽福田汽车股份有限公司实施单位：瓴羊智能科技有限公司2908“三流合一”为汽车行业数智转型提供范本应用单位：深圳腾势新能源汽车有限公司实施单位：阿里云计算有限公司、瓴羊智能科技有限公司3109盐城市亭湖区社情民意AIGC数据治理平台应用单位：盐城市亭湖区数据局实施单位：解放号网络科技有限公司33101数字原生典型案例集2024-2025浙江移动打造AI+业务赋能底座推进大模型应用百花齐放案例应用单位：中国移动通信集团浙江有限公司案例实施单位：中国移动通信集团浙江有限公司案例应用行业：通信行业一、案例背景及需求国家层面：国家开展“人工智能+”行动，加快推进我国人工智能产业高质量发展。国务院总理李强在2024年政府工作报告中提出，要深化大数据、人工智能等研发应用。开展“人工智能+”行动，打造具有国际竞争力的数字产业集群。基于国家开展“人工智能+”行动的政策要求，各行业AI+应用蓬勃发展。集团层面：中国移动创新主动把握“AI+”时代浪潮，开辟转型升级的新路径。近年来，中国移动以“信息服务科技创新公司”为愿景，推动“5G+”向“AI+”延伸拓展，以全方位、系统性、深层次融合创新，不断打造AI核心能力，深化AI赋能应用提高数智化经营水平。对内，推动运营管理模式智能化升级，对外，提供高水平的智能业务应用。浙江层面：浙江移动勇担AI赋深度应用探索任务。浙江移动全面落实国家，集团AI+建设总体工作要求，加强AI+注智赋能，深化AI+赋能应用，聚焦重点业务场景深度应用，加速改革重点突破，促进公司高质量可持续发展。浙江移动全面落实国家、集团AI+建设总体工作要求，加强AI+注智赋能，深化AI+赋能应用，聚焦重点业务场景深度应用。但在实践中发现，浙江省内原有AI+赋能应用创新效率仍有待提升，迫切需要解决七方面的问题：算力方面：算力资源存在“卡脖子”技术挑战；数据方面：高质量语料供给不足，模型性能提升缓慢；算法方面：基础大模型无法满足应用场景需求；应用开发方面：AI+应用开发门槛高，较传统IT开发涉及技术栈更多；机制方面：AI+应用缺乏需求、建设、运维等阶段的标准化流程机制，AI能力无的放矢；场景落地方面：大模型场景选择困难，难以精准定位，容易导致无效的建设成本投入；生态方面：生态应用不繁荣，一线个性化业务需求难以形成特色应用。2数字原生典型案例集2024-2025二、方案介绍2.1方案整体介绍浙江移动针对上述7方面痛点问题，加强AI+注智赋能，构建“142”AI+赋能方法论，打造数字化转型AI+赋能范式，实现高质量应用“百花齐放”的实践愿景。1个底座：针对算力、数据、算法以及应用开发四方面问题，打造1个AI+业务赋能底座，筑牢能力基础，实现资源多样化、数据智能化、模型私域化、研发一站化；4个机制：针对机制问题，构建4个流程机制，包括需求挖掘机制、知识运营机制、生态运营机制、运维保障机制，覆盖需求、建设、推广到运维全流程，畅通赋能路径；2种模式：针对场景落地问题以及生态问题，构建2种模式，面向业务部门，构建通用化“大AI+”应用，树立AI赋能标杆；面向地市一线，构建个性化“小AI+”应用，推动AI民主化，推进高质量应用百花齐放。2.2方案详情（1）打造AI+业务赋能底座，赋能AI+应用快速孵化资源多样化：构建异构算力纳管、资源池化管理、资源动态供给能力，率先实现异构算力混合部署、灵活调度、秒级切换，降低算力使用成本，满足上层应用对于多样化算力的需求。数据智能化：打造一批高质量数据集，满足公司AI大模型训练所需的高质量数据集需求；构建大模型数据供给管理能力，实现文本、图像、视频、音频四类多模态数据智能处理。模型私域化：构建模型集成增强、生成增强、适配增强能力，解决模型迭代频繁导致应用改造成本高、大模型私域场景问答准确率低的问题，提升模型问答质量。研发一站化：打造AI+应用一键集成能力、组装式开发能力并贯通智能应用快速上架流程，助力AI+应用的快速迭代。3数字原生典型案例集2024-2025（2）构建四个流程机制，畅通赋能路径需求挖掘机制：构建ITBP机制，弥合业务与IT的协同鸿沟，挖掘有价值需求；构建KOL运营机制，实现需求运营改进闭环。知识运营机制：构建知识运营机制，涵盖知识构建、知识存储、知识反馈三个关键环节，持续提升大模型应用问答准确率。生态运营机制：打造省市两级AI+应用协同运营机制，制定能力复用标准、应用上下架流程、优秀应用遴选推广机制及考核激励机制，推动共建共享的大模型应用生态建立。运维保障机制：建立针对大模型应用的故障调度处置流程，优化大模型应用双中心部署架构，构建大模型应用全链路观测能力，保障AI+应用运行稳定。4数字原生典型案例集2024-2025（3）构建大AI+小AI应用创新模式，推进高质量应用百花齐放构建通用化“大AI+”应用，树立AI赋能标杆：聚焦高频、高价值、共性需求，技术门槛高、业务需求量大的业务应用场景，构建通用化“大AI+”应用，树立AI赋能标杆。围绕“智慧经营、智慧服务、智慧管理、智慧建维”4大领域，省公司集中人力、算力等资源，聚焦集团战略牵引、有示范效应的关键场景，集中化构建通用AI+应用。构建个性化“小AI+”应用，推动AI民主化：针对个性化、长尾型需求、部分地市特色且必要的业务应用场景，构建个性化“小AI+”应用，推动AI民主化。各分公司结合自身业务场景，基于统一开发底座，自助构建个性化

“小AI+”应用，实现地市在AI领域自主创新，满足个性化、长尾型AI需求。三、价值分析经济效益本项目经济效益达12730.8万元，其中通过拉动业务增长10128万元，业务办理增效338.8万元，服务增效472万，办公增效480万，研发增效256万元，挽回经济损失1056万。敏捷价值本成果完成行业首例一线人员AI+应用民主开发规模化实践，基于AI+业务赋能底座，实现AI+应用集成时间从3天缩短至3分钟，AI+应用平均开发交付时长从3周缩短至1周，AI+应用发布上架时长从小时级缩短到分钟级，支持地市非专业IT人员自主开发AI+应用，目前已累计上线100+地市个性化AI+应用。客户价值本成果形成较为成熟的标准体系和行业模板，沉淀多项通用技术能力和解决方案，已推广至内部7家省专公司使用，同时完成4家外部单位的落地试点，包括政务、教育、科技等多个行业。5数字原生典型案例集2024-2025创新价值本成果由浙江公司自有团队负责项目方案制定、核心业务流程和技术架构设计和项目实施管理。基于该模式，项目已沉淀5项计算机软件著作权，已提交15项发明专利，全国首批、运营商首家通过信通院三项大模型标准评估。质量价值结合自身多年SRE运维经验，打造AI+运维多智能体协作工具，实现运维的自动化与智能化全面升级，支撑业务全时段营销，上线次日故障比例下降95%。社会/生态效益本成果入选由中国通信企业协会和中国信息通信研究院联合主办的第三届“鼎新杯”数字化转型应用案例，并成为信通院“企业级人工智能推进计划”首批成员单位、数字原生推进方阵首批成员单位；同时获得人民网、中国工信新闻网等多家权威媒体的报道，为运营商AI赋能应用提供标杆案例参考。6数字原生典型案例集2024-2025智能客服新纪元大模型驱动的客户服务范式转型案例应用单位：中国联合网络通信有限公司软件研究院案例实施单位：中国联合网络通信有限公司软件研究院案例应用行业：通信行业一、案例背景及需求党的二十大作出“加快建设网络强国、数字中国”部署，提出要构建新一代人工智能产业增长引擎,2024年《政府工作报告》提出要加快发展新质生产力,深化大数据、人工智能等研发应用,“人工智能+”正蓬勃发展赋能各行各业，推动新质生产力快速形成,智能客服已成为最热场景，占比超25%。中国联通由数字化加速向数智化转型，面临着传统客服行业人工成本高、智能服务满意率低、安全合规要求高等诸多难题，大模型等AI技术在客服行业的应用已成为最优解！然而，受限于算力瓶颈，高性能芯片强依赖，高质量数据集缺乏，推理和部署成本高昂，可解释性、鲁棒性和安全性等技术挑战及模型应用中知识幻觉等问题，大模型难以在行业实践大规模应用落地，亟需攻破大模型核心技术能力，构建大规模多模态优质数据集，创新人工智能融合应用新产品，持续释放人工智能新价值，打造智能客服发展新优势！方案整体介绍依托中国联通数据、智能、业务三大中台，聚焦客服领域典型应用场景，打造元景客服大模型，实现数据驱动和人机协同的客服新智慧服务。通过数据工程体系，构建高质量数据集，攻克训练难点，构建客服域迁移体系；引入RAG与Agent等前沿原生技术缓解知识幻觉问题，提升客服系统的精准度与可靠性；深入研究模型压缩与高效推理框架，优化系统性能，提高响应速度。创新大模型应用范式以精准解决业务，推动客服大模型研发与广泛落地，为行业带来更高效智能的客服体验。方案逻辑架构、功能等1、数据工程：设计数据采集、清洗、标注与增强流程，构建高质量、多源融合的客服领域数据集，整合企业历史对话数据、知识文档与专业语料库，确保模型能够深入学习和掌握丰富的行业知识与对话技巧。2、模型训练：利用元景大模型的预训练成果，结合预训练-微调范式，在大规模无标注数据上获得强大的语言理解与生成能力，在客服领域数据集上进行精准微调，使模型能够迅速适应并满足特定场景下的任务要求。二、方案介绍数字原生典型案例集2024-20253、推理部署：采用高效的推理部署策略，模型压缩与优化技术降低计算成本，利用分布式计算框架与

GPU加速技术，实现模型高效并行处理，提升实时性与可扩展性。4、安全合规：为保证客服大模型在真实业务场景的无害化和符合法律法规，构建一套大模型安全合规机制保证生成内容的合规性和安全性。5、RAG与Agent技术：创新地结合两种技术，打造全新智能客服对话系统。RAG技术支撑模型在对话中实时检索并融入相关知识，Agent技术通过构建多轮对话代理，实现与用户之间的自然、流畅交互，解决大模型在实际应用中的幻觉问题，拓展客服大模型的边界能力。2.3方案详情打造数据工程体系，构建高质量数据集打造集数据的采集、处理、筛选、审核四大模块为核心的自动化数据工程。采集模块实现数据源对接、自动化采集，提供丰富的数据池；处理模块通过去除数据噪声，实现高效整合，提升数据质量；筛选模块去重、溯源、配比以实现最大化数据价值，确保模型训练效果，避免知识遗忘；审核模块数据质量检查、敏感数据检验，杜绝自我认知偏离和事实性错误，保障数据的安全性与一致性。数据工程为客服大模型训练提供了高质量的数据支撑，提升行业大模型实际效果。攻坚行业大模型训练难点，构建客服域迁移体系利用客服场景数据特性，设计构建一套覆盖涵盖CPT、SFT、DPO多阶段的能力迁移训练体系及优化策略。在CPT阶段，精研批处理、学习率及其调度器、训练数据优化策略。调整模型参数，实现高效学习达到理想Loss；设计梯度下降优化策略，自适应调整学习率，避免局部最优；数据策略上，初期高质量数据增宽知识广度，再注入精标客服知识提升知识深度。随着预训练深入，训练数据逐步增加客服数据占比，保持模型78数字原生典型案例集2024-2025通用能力的同时，升级客服知识能力。在SFT阶段，精标客服领域与通用SFT数据混合训练。采用全参微调和基于PEFT的LoRA、QLoRA多种方案，利用DeepSpeed的混合并行及Attention优化技术，实现120%的训练效率提升。采用直接偏好优化DPO技术来确保大模型生成对齐业务人员日常表达，降低对人工反馈的依赖，直接从偏好数据中学习，拉满训练增益。（3）引入RAG与Agent原生技术，缓解大模型知识幻觉问题领域大模型在面对动态信息和复杂查询情况下存在知识不全或过时，通过引入检索增强生成RAG和

Agent原生技术，驱动客服大模型知识问答形式变革，提供全面精准的知识生成方案。RAG通过四大核心模块大幅提升客服大模型的回答质量：知识结构化模块实现文档结构化，提升客服知识的纯度和实用性；BGE向量召回和BM25离散化技术的多路召回体系，显著增强系统对复杂文档的理解能力，实现95%的高召回率；利用一线搜索日志和高质量问答数据构建的客服行业精排模型，使回复更贴近用户需求；基于意图识别的Prompt提示模板管理模块，通过识别用户“所想”来根据高质量提示模板生成用户“所要”。RAG技术灵活接入专业知识库，Agent技术接入丰富功能接口，拓展知识深度和广度，拥有问答和任务解决双重能力，显著提升大模型的实用价值。图2

RAG架构图图3

RAG产品图图4

Agent架构图9数字原生典型案例集2024-2025研究模型压缩与推理框架，低算力部署增质提效通过参数静态剪枝，GPTQ、AWQ等INT4/INT8模型量化技术，打造轻量化客服大模型。显著降低部署成本，实现V100-16G算力卡上的高效推理。融合批量推理强大的VLLM框架和单条推理快速的FastLLM框架为一体的任务自适应推理接口，提升推理效率14倍，实现灵活强大的业务场景推理能力；低算力的推理部署以及自适应的推理方式极大扩增客服大模型在业务应用的并发量，为大面积业务推广提供推理基础。创新大模型应用范式，精准破解业务挑挑战提出“大模型+小模型”的应用范式，面对复杂的客服系统，采用Copilot式助手思维，大模型能力插件化集成到智慧客服系统，重构重点业务流程，简化操作、提升效率。高并发实时场景，运用蒸馏技术精炼大模型，适用于分类、判断场景；离线场景结合大+小模型，在生成、改写、判断等任务发挥最大效能。面对多变任务场景,针对分类、信息抽取等任务，使用Few-shot提示工程解决；而针对内容生成任务，使用大模型微调和提示工程，确保任务的高效准确。面对内容不可控和知识关联差的难题，结合RAG技术，精准召回文段并总结输出，显著提升知识回答的准确性性，增强答案的可解释性。三、价值分析社会价值：助力抗疫、防讯救灾中，彰显国企担当，获多省政府表彰，充分发挥集约化一体化运营优势，全国迅速响应支撑;实现全流程智能化服务，客户问题响应率、解决率、满意率分别提升74%、45%、56%，获工信部认可，社会服务口碑提升;通过国产化适配降低对国外技术依赖，减少外部风险，助力国家安全战略与企业稳定持续运营。经济价值：依托行业领先的运营体系和平台优势，积极参与行业赋能与市场竞争，已输出至部队、政府、中组部、烟草等多个关键领域重点项目，取得良好经济效益。行业价值：项目通过激活客服行业业务数据的潜在价值，实现了降本增效，推动了客服行业的数字化转型。通过攻克大模型能力迁移关键技术，打造了客服大模型，为行业技术创新提供了有力支撑。业务价值：以客服大模型驱动AI多模态应用体系，积极推进研发成果内外部赋能，以产品+能力的方式全面应用于31省，革新业务触点的交互模式与策略，构建了一套集“产品优化、运营精细化、服务品质提升”于一体的全流程、全方位、一体化的创新解决方案，实现从单一服务向综合价值创造的跨越，助力企业降本增效。客户价值：项目通过智能服务提升了客户服务的精准度和水平，实现了服务感知和话务分流水平的全面提升。智能服务占比显著提升，减少了重复来电，优化了话术，提高了服务满意率。管理价值：项目通过客服大模型赋能运营管理，提升了运营管理效率。在知识采编、知识生成、智能考题等方面实现了效率和准确率的提升，同时在服务监督方面，通过数字化工具提升了服务监督质量，节省了大量的工作量。10数字原生典型案例集2024-2025中国电信行业解决方案自动化设计案例应用单位：中国电信集团有限公司案例实施单位：中国电信集团有限公司案例应用行业：通信行业一、案例背景及需求中国电信积累了丰富的行业数据资源，其中涵盖众多优秀的解决方案、实际案例等数据。然而，这些数据存在类型繁杂、解析困难的问题，导致难以将其转化为可有效利用的知识。在人工智能技术持续发展的当下，迫切需要借助大模型技术来释放这些数据的价值，从而能帮助一线员工精准地挖掘出商机线索需求，提高信息搜索的精确程度，加快方案撰写的速度与质量，进而带动整体工作效能获得提升，为企业数字化转型的加速实现提供有力支持。二、方案介绍方案整体介绍为了解决上述痛点问题，解决方案自动化设计平台整合了电信知识库平台的产品、方案和案例数据，并通过多格式文档自动解析、多任务大模型微调、多粒度多路召回排序、RAFT等技术实现智能问答、智能搜索、方案撰写等功能。通过智能问答，来强化商机线索的需求萃取；通过智能搜索，使素材查找效率提升30%以上，平台搜索准确率提高到90%；通过方案撰写，，撰写方案效率提升60%以上，降低人工参与度50%以上，全面提升一线人员的综合能力和业务效率。方案逻辑架构、功能等解决方案自动化设计平台的业务架构的底层是产数底座，产数底座之上基于通用能力构建的工具链，然后通过行业间共性进行能力赋能，实现行业数据解析、行业模型搭建、行业类别支撑，最后，基于行业共性层之上是应用拓展，实现智能推荐、智能搜索、知识问答和产品解决方案撰写等关键核心功能。知识问能力是基于大型知识库以及行业大模型，实现意图精准识别、知识内容的整合与提炼，提供精准的问题解答服务。智能搜索能力是利用先进的搜索算法以及RAG检索增强，精准洞察用户需求，提供高效、准确的搜索结果。方案撰写能力是提供智能化的产品解决方案撰写服务，包括分钟级/自动化方案撰写、方案模板匹配、内容在线编辑、方案管理等功能，高效生成专业、精准的产品解决方案。智能推荐能力是结合历史优秀解决方案与原子能力平台的能力清单数据，根据商机信息与项目情况，11数字原生典型案例集2024-2025通过平台智能推荐相关产品，辅助产品经理快速定位与商机相关产品，实现内容精准推荐，更高效的决策。具体参见下图：2.3方案详情本项目基于大模型技术和电信知识库平台、原子能力平台、商机管理系统的数据为基础实现的。下面针对核心技术实现分别进行介绍。经济效益行业解决方案自动化生成平台能力推广至今，已陆续接入浙江、福建、河北、新疆、甘肃、青海、河南、湖南、江西等15个省份，降低人工成本1572万元，其中浙江、福建等公司作为首批平台试点单位，覆盖一线产数人员1.3万余人，取得了显著的应用成效。敏捷价值解决方案自动化设计建立后，实现了知识的高效转化和赋能，助力企业快速应对市场变化，提升业务响应速度。赋能后平台搜索效率提升30%，搜索准确率提升至90%以上，撰写方案的效率提升了60%，有效帮助企业降本增效，全面提升了一线人员的综合能力和业务效率。社会/生态效益该案例通过整合和优化大量数据资源，显著提升了信息处理的智能化水平，是中国电信数字化转型的标杆案例，对企业数字化转型具有示范效应，有助于推动企业乃至行业数字转型。同时，该项目增强了跨行业研究的能力。它能够整合来自不同行业的知识，形成庞大的知识库，有助于消除行业间的壁垒，促进知识的共享和交流。12数字原生典型案例集2024-2025如上图，知识问 是基于

RAG、RAFT

等技术打造强大的问 系统，解决大模型幻觉问题。同时创新了一整套多层级细粒度召回系统，更好的适应问

场景。如上图，方案撰写是结合项目需求对标准模版进行仿写大纲，通过召回系统找到与本项目相关的历史方案内容，对具体章节进行扩写。同时支持对生成内容进行润色、重写、扩充、精简二次加工。三、价值分析13数字原生典型案例集2024-2025基于企业架构指导的

极氪海外营销服数字化转型案例应用单位：浙江极氪智能科技有限公司案例实施单位：浙江极氪智能科技有限公司案例应用行业：汽车工业一、案例背景及需求随着国内新能源汽车行业价格战愈演愈烈，汽车出海已经成为各新能源车企的重要战略方向，极氪在

2023年将产品推向了全球，这就要求数字化产品能够支撑全球的营销服业务，并要做到各地区的营销服合规性要求。二、方案介绍方案整体介绍为实现数字化产品对全球营销服业务的支撑，提升数字化产品复用性，极氪制定了如下数字化建设策略——

“流程变革牵引、产品化运作、架构规划支撑”。在“流程变革牵引”层面：推动流程变革液态组织的成立，从公司推动业务流程的变革。实现价值流、业务能力、业务流程的梳理和建设；在“产品化运作”层面，从产品规划、产品组织、产品经理能力三个方面进行提升：在“架构规划支撑”层面，通过建立极氪EA++的企业架构体系，实现架构支撑整体数字化建设。方案逻辑架构、功能等极氪数字化变革整体框架，以业务战略为牵引，以支撑业务提质增效为愿景，以数字化组织和人才、流程制度为基础，并通过变革管理、架构治理的支撑，从而实现数字化的诊断、规划、建设和运维运营的闭环管理。而在细化到规划和建设层面，极氪又以企业架构为核心，实现业务架构、数据架构、应用架构和技术架构的规划与建设。14数字原生典型案例集2024-20252.3方案详情在企业架构落地层面，极氪打造的基于企业架构的海外营销服数字化规划和建设主要涉及到业务架构、应用架构和数据架构规划和架构治理（技术架构将从数字化整体角度进行规划）。海外营销服业务架构：极氪海外营销服业务架构的整体思路是IPMS（集成产品营销服），其核心关注六个部分，包括：GTM，负责产品上市到退市的全生命周期管理；管理品牌和营销（负责营销管理和品牌管理）；管理销售（主要是负责线索到订单的部分）；管理订单到交付（主要是负责订单生成后的履约和交付）；管理售后服务（主要是负责服务问题提出到解决的闭环）；管理网络及门店（主要负责销售和服务网络和门店管理）海外营销服应用架构：海外营销服应用架构框架如下图所示，分为触点层、场景应用层和后台及公共组件层。其中：触点层分为官网、车端APP、商城、经销商DMS和极氪员工MSS。对于DMS和MSS触点层应用，建立统一的UX标准，实现统一工作台的建设；场景应用层又分为四个部分：营销业务部分、销售业务部分、服务业务部分以及营销服中台能力层；后台及公共组件分为两个部分：公共业务组件，主要是消息中心等通用业务能力组件。海外营销服数据架构结合了数据治理一起推进，从而保证实现体系化的数据管理。本轮数据管理侧重在数据模型建设、数据入湖管理、主数据管理，数据标准和数据指标管理，以及数据资产管理平台。15数字原生典型案例集2024-2025在架构治理层面，极氪企业架构治理主要包含7个部分：架构原则、方法、流程；架构治理团队、架构资产管理；以及支撑架构建设和治理的元模型、模板和工具。三、价值分析3.1经济效益以营销数字化产品为例，在经济效益方面体现在两点：通过极氪官网和极氪APP提升用户体验和产品口碑，增加用户粘性和品牌忠诚度，激励用户产生老带新或二次复购；从而支撑市场占有率的提高。官网的试乘试驾预约和服务预约，可以提升客户试乘试驾的处理效率，可以提升业务人员处理维修预约单据的效率。从而降低业务处理工时，取得经济效益。3.2客户价值通过应用本案例，将极氪APP崩溃率降低到小于1%，提升了客户在车辆使用时的用户体验；同时通过服务备件的管理，提升了备件订货准确率和备件一次性满足率，降低了客户售后服务等待时间，提升了客户售后服务的维修体验。3.3创新价值通过应用本案例，海外营销服数字化产品的建设，形成了16项发明专利、17项外观专利。数字原生典型案例集2024-2025大模型引领银行知识服务新生态案例应用单位：中国银行股份有限公司软件中心案例实施单位：中国银行股份有限公司软件中心案例应用行业：金融行业一、案例背景及需求大模型技术是当前人工智能领域的焦点，其通过吸纳大量文本数据的训练，具备了对自然语言的理解和生成能力，为解决多领域问题提供了关键支持，在处理各种语言学习任务上独具优势。企业级知识库作为中国银行客服的有力助手，辅助客服人员执行线上客户服务、业务运营，涵盖了回应客户需求、应各类业务咨询、处理投诉建议、采集与分发知识信息、以及进行服务质量分析场景，虽已发挥了一定作用，但面对客户对服务覆盖广度、咨询精确度及响应速度的更高期待，突显出不容忽视的局限性，存在知识可用性较差、知识维护成本高、知识管理相对分散的问题。方案整体介绍为应对银行客户服务中信息碎片化、响应不一致、手动操作繁琐等痛点，本项目将中国银行已有的大模型技术与知识库进行深度融合，构建新一代的智能知识库系统。通过将自然语言处理技术应用于知识库管理，打造一个可以动态学习、自适应进化的知识库体系，实现对银行内外部知识的整合利用。智能化接口作为客户和系统之间的自然语言翻译器，不仅能够精准回客户咨询，还可通过多轮对话管理提供连贯的服务体验，并与中国银行其他技术结合，自动化处理业务流程，提高业务处理效率和客户满意度。新一代知识库与大模型的结合，使得银行能够实现全面智能的客户服务管理系统，提供统一、准确且高效的客户应方案。通过多层次、语义关联的知识图谱构建，将知识库与大模型接口的智能解析能力有机结合，支持复杂业务查询、自动化文档处理及个性化服务推荐，推动银行客服向智能化、现代化转型，提升服务质量和运营效率，为银行数字化转型提供坚实的技术支撑。方案逻辑架构、功能等本方案打造的新一代的智能知识库系统，主要分为两个模块：

“智能知识交互引擎模块”：利用自然语言处理和中文embedding模型，对多格式（如Word、Excel、PDF）和多模态数据（非结构化文本、表格、图片等）进行智能清洗和特征提取，生成高维知识向量库。当用户提出问题时，大模型通过向量检索技术高效访问知识向量库，执行基于上下文的语义匹配和动态知识融合，以生成精确且上下文相关的回。这种基于语义嵌入的搜索能力实现了对银行内部丰富数据资源的智能解析和16二、方案介绍17图3-1智能知识交互引擎架构图智能知识库构建：集成多模态数据处理和中文embedding模型的智能知识问系统，支持对银行内部多种格式（如Word、Excel、PPT、PDF）和多模态（非结构化文本、图片）知识数据进行高效的清洗、特征提取和向量化。利用向量检索技术，实现对用户问题的智能语义匹配和精准的知识解，适用于复杂业务咨询和常见问题的解，确保高准确度和上下文相关性。智能知识库构建流程如图3-2所示。数字原生典型案例集2024-2025交互优化，显著提升知识管理和问题解决的自动化水平。“金融知识智慧检索模块”：通过集成大模型技术，对用户提问进行高级意图识别，然后综合利用知识向量库和银行内部的结构化知识库进行混合检索。该模块依托大模型的深度学习能力和多模态融合技术，执行知识图谱构建和语义推理，实现对非结构化知识向量库和结构化知识库数据的并行查询与语义整合。最终，系统结合语义聚合算法，融合来自双重知识源的检索结果，生成综合性、高准确度的案并反馈给用户。利用智能混合检索机制有效增强银行客服系统对复杂金融知识的解析与响应能力，推动客户服务向深度智能化和高效自动化发展。方案详情智能知识交互引擎智能知识交互引擎通过将大模型与知识库的深度融合，旨在实现知识智能交互。其主要包含智能知识库构建与大模型优化智能交互两个子模块，通过融合机器学习模型的多样化的数据清洗能力与大语言模型强大的任务型知识检索能力，为用户提供精准的知识解，实现业务响应效率与自动化水平的显著提升。整体方案如图

3-1所示。18数字原生典型案例集2024-2025图3-3大模型优化智能交互流程图2.3.2金融知识智慧检索金融知识智慧检索模块通过深度学习模型和大模型的结合，实现高级意图识别和任务型知识检索，运用多维度数据整合与语义推理实现自动化业务流程处理和任务分配，如业务办理、流程指导等，显著提高业务响应效率与自动化水平。其整体流程如图3-4所示：图3-2智能知识库构建流程图大模型优化智能交互：运用大模型的深度学习与自然语言处理能力，优化智能交互流程，通过高级语义理解和动态内容生成技术，提升智能客服系统的输出质量。该功能实现知识库与大模型之间的智能语义融合，持续改进知识回的准确性、全面性和交互体验，为客户提供实时、个性化的服务解决方案。大模型优化智能交互流程如图3-3所示。数字原生典型案例集2024-2025图3-4金融知识智慧检索流程图用户意图解析子模块采用中文自然语言处理模型对用户输入的自然语言问题进行解析，识别客户问题类型和主要意图，再结合命名实体识别技术标注文本中的重要实体（如人名、地名、金额），从而确定任务需求中的主体人与任务（如账户查询、贷款办理等）。混合知识检索子模块综合利用了知识向量库和行内完备的结构化知识库，采用多源数据融合算法对来自知识向量库和结构化知识库的检索结果进行语义聚合，再使用知识整合工具整合检索结果，最后将结果转换为易于用户理解的案，并建立用户交互反馈机制，收集用户对案的满意度评价和意见，持续优化检索算法和回质量。三、价值分析3.1经济效益降低知识管理人工成本：传统知识库需要人工进行知识的整理、维护。知识库平台目前共上百万条知识，对知识录入和维护时需手动设置标签、关键词、引用知识，每条知识需5-10分钟进行手工调整。通过大模型的分类、总结能力，可以从文档中进行智能化抽取，自动完成知识标注和知识维护，还可以通过RAG技术，可以更加容易地整合最新信息和数据。这一过程预计降低30%的知识维护时间，既减少了对人工维护的依赖，也可以降低人工维护的成本。提升知识应用效率：利用大模型，开发人员可以从会话、文档等非结构化内容数据中提取信息，并将其转化为结构化的主题、实践、关键词等原子标签。从而支撑上层应用场景，提升知识库应用构建效率。此外，用户也可以将文档上传至知识库，通过大模型进行自动解析，赋能业务人员使用知识助手对文档内容实现问式提取，显著提升业务人员对文本知识的应用效率。3.2敏捷价值提升人工咨询应答的速度：基于大模型多轮对话能力和意图理解能力，结合客户的基本情况、诉求等，大模型给出具体知识解 建议及知识来源原文或原文名称，同时结合文本机器人训练累积的标准应 话术，由大模型生成相应的沟通建议及沟通话术，由座席进行选择回

，可以大幅度提高应

速度与准确度。提高工单分析响应效率：通过对全量录音、文本数据进行分析，按照“客户来电主要诉求、诉求类型、1920数字原生典型案例集2024-2025客户服务方案、是否解决诉求、客户是否满意”等维度，自动生成小结，按日形成表格用于质量分析与统计，提高了分析效率。3.3客户价值坐席辅助更加精准高效：基于客服已有知识库，利用大模型提供个性化的、灵活的知识服务的辅助。通过大模型逻辑判断、意图识别、对话生成能力，在知识搜索、多轮对话，提升了现有文本对话过程中的交互数据分析挖掘、客户意图识别、复杂业务场景上下文理解以及知识解精准的能力。员工培训更加个性化：当前客服培训针对性不强、效率低，本方案通过大模型按照岗位类型、阶段类型、业务类型做区别，生成智能模拟真实客户进线陪练机器人场景，进行1对1专属陪练，提升员工业务能力，加快话术/知识点学习效率，使员工可快速熟练业务。在完成对话后，通过大模型评测员工回情况，筛选评判员工遇到的疑难问题、业务盲区，沟通短板等问题，并依据不同员工情况开展具有针对性的业务培训策略建议。3.4创新价值模型的持续学习：大模型具有持续学习和自我优化的能力，在知识库的使用过程中，不断优化和积累语料，知识库的性能和准确性将不断的提升，减少了模型更迭的次数。知识发现与创新：大模型技术有助于从现有知识库中发现新的联系和模式，促进创新。模型的可移植性：通过外挂知识库，即可为模型提供额外的、更多的信息，便可以为不同领域、不同系统提供专业的知识问，不必为每一个特定的任务重新训练整个大模型，既降低了创新的门槛，也降低了创新的成本。3.5质量价值知识覆盖范围更广：大模型知识库支持更丰富的模态，包括文本、图片、语音、视频等多模态信息，能够处理更复杂的数据类型。知识检索的准确性更高：大模型技术的应用，通过理解和处理更复杂的查询，不仅提升了知识检索的效率和准确性，还能够实现智能问、个性化推荐等功能，提供了更加精准和深入的知识服务。3.6社会/生态效益大模型是人工智能发展的重要方向，它增强了AI的通用性，为金融行业带来了发展的新机遇。本案例中大模型源于客服领域的知识，服务于业务领域，从大规模知识和海量数据中融合学习，效率更高、效果更好，具备领先的理解、逻辑推理能力，辅助客服人员进行问、工单总结、知识维护。同时在交互的过程中所产生的新数据，又不断驱动大模型技术升级，从而形成了技术、应用、数据的闭环正循环，极大提升生产力，促进生态繁荣。AI能力的提升和新的交互方式，激发了新的应用方式，改变旧的工作流程，为传统客服的变革带来了新的驱动力，同时也带来了新的业务和新的商业机会。21数字原生典型案例集2024-2025创新场景化AI知识服务

引领学习办公数智化革新升级案例应用单位：中国工商银行广东省分行、中国邮政储蓄南京分行案例实施单位：咪咕数字传媒有限公司案例应用行业：金融行业一、案例背景及需求市场层面，全球知识服务市场规模化快速增长，在学习、办公、培训等各领域深入应用，但传统知识服务模式存在信息获取慢、内容更新不及时、内容安全性不足、服务形式单一等问题，急需一个更加高效、精准、安全、个性化的知识服务模式。政策层面，科技部等六部门印发《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》，指导各地方和主体加快人工智能场景应用，推动经济高质量发展。行业层面，教育领域，随着在线远程教育的兴起，急需高质量、高效率的知识服务，来打造差异化竞争力。在政务和企业培训领域，也需要通过高效精准的知识服务来提升工作效率和办事质量。二、方案介绍方案整体介绍业务场景下，咪咕数媒积攒了如下的优势内容优势：海量自有内容：180万册咪咕媒资聚合库，237万图书基础数据；共建内容：300+合作出版社、500+电子书合作伙伴、2000家合作伙伴共建数据，包括大学、图书馆等。产业优势：连续八年承办中国数字阅读大会，两年全民阅读大会唯一企业承办方；连续5年组织由中宣部、农业农村部（国家乡村振兴局）联合主办的新时代乡村阅读季“我爱阅读100天”读书打卡活动。行业优势：国内数字阅读行业的领军者；践行国企责任，制定多重安全审核机制；联合清华实验室，构建基于中国特色语义理解的安全审核模型。技术优势：成熟的研发团队，特别是AI相关技术能力；移动“九天”1+N大模型发布；移动云强大的算力支撑；九天基础语言大模型—基于九天大规模语料库训练，具备自然语言生成、问对话、信息提取等能力。方案逻辑架构、功能等项目架构层面：依托咪咕数媒海量自有内容优势，在九天大模型的基础上打造了一个专有模型，面对政企市场提供“识“荐”“学”“测”“专””五大技能场景，力求成为一个“专业的阅读顾问”，“智能伴学助手”，“权威的知识专家”。22数字原生典型案例集2024-20252.3方案详情技术架构：在收集到用户的数据后，经过数据清洗、数据标注等钱。再依托九天大模型的能力底座，通过算法优化、

RAG技术训练出自有的一个大模型。具体在业务场景上，以”荐”和”学”举例，可以参考上图。给用户提供了一个找书、讲书、讲知识，推荐书的业务场景。更可以结合文生图、文生视频技术多维度给用户提供解决方案。23数字原生典型案例集2024-2025三、价值分析经济效益中国工商银行广东省分行、中国邮政储蓄南京分行等多家公司接入使用，23年收入近1500万元。上海智慧图书馆三化解决方案成功揭榜，应杭州市宣等上级单位邀请，亮相第三届全民阅读大会（昆明）、（深圳）国际文博会、（福州）数字中国峰会等。预计24年累计服务企业25家，助力学培支撑收入3000万。敏捷价值提高学习效率：通过AI分析学习者的学习速度、偏好和理解能力，提供个性化的学习体验。助力提高员工专业技能和知识水平，促进个人发展，同时也为社会培养更多高素质的人才。提高办公效率及生产力：AI助手能准确识别并理解用户的语音指令，通过知识库快速找到场景应用案，显著提高办公效率，提高企业的整体生产力，为社会提供更多的产品和服务。客户价值个性化学习体验：根据用户画像定制个性化的教学方案，极大提升学习效果和用户体验；学习效果评估：基于数据跟踪用户的学习进度，评估学习效果，并提供即时反馈和问题解，促进学习效率。精准化办公辅助：根据用户需求自动生成结构完整、逻辑清晰的专业知识，提高工作效率。24数字原生典型案例集2024-20253.6社会/生态效益极大地丰富了学习办公场景的内涵与外延，促进了产业链上下游的紧密合作与协同发展：上游催生了新的技术服务商和解决方案提供商，下游实现了内容的个性化定制与高效产出，进一步拉动了培训市场、教育资源服务等相关产业的发展。这种上下游联动的效应，使得整个产业链更加完整、高效，形成了良性的循环发展态势。创新价值加快创新速度：加速了知识获取学习，使得企业能够更快地获取洞察力，快速响应市场变化，加速创新过程。降低创新成本：减少了人力成本和时间成本，通过智能化提高了工作效率，降低了创新活动的总体成本。提升竞争门槛：通过快速创新和高效学习，促进企业推出新产品和服务，提升其市场竞争力。质量价值场景化AI知识服务项目能够为企业提高员工培训和办公质量，优化企业治理。AI协助完成培训事务、内部知识库问，形成企业员工行为数据库等，可以释放企业人力，并为企业提供智能决策支持，提高决策质量和速度。25数字原生典型案例集2024-2025大语言模型精准研读科研文献高效辅助医药研发案例应用单位：齐鲁制药集团有限公司案例实施单位：浪潮企业云科技（山东）有限公司案例应用行业：医药行业一、案例背景及需求目前，以生成式人工智能、大语言模型等为主的新型人工智能技术日益成熟，在国家出台各类政策大力扶持下，新型人工智能协助各行各业激发新的生产方式变革，切实推进了社会经济发展与科技进步。在医药科研领域，国家也出台了一系列扶持政策，加大科技创新，加强科研能力。人工智能与医药研发的交叉，具象化了本案例的实际医药科研需求，切实帮助了制药企业在前期关键的医药研发阶段提升研发效率，降低研发成本，将研发时间大大压缩，产出成果加倍。在医药研发的前期阶段，科研团队需要从专业的医学论文平台、医药专利平台及时跟踪与所研发新药紧密相关的相关文献资料，再从中基于经验与专业知识筛选出有效专利、论文，然后从海量的文献中使用专业知识提取出关键的“适应症”、“靶点”信息，进行一系列的前期药物研发市场与学术界前沿跟踪。然而，在此科研过程中，由于技术与信息化的不成熟，出现了一系列问题。一是在药物研发前期科研流程中，需要专业科研团队追踪最新医药行业的海量专利、科研论文文档，使用纯人工经验的肉眼+电子表格等传统低效方式，从科研文档中提取“靶点”、“适应症”等关键药物信息，输出固定格式表格及报告。二是无法实现长期跟踪更新靶点的最新状态。长期使用人工记账的方式不利于科研数据的记录、跟踪、更新、对比等实际科研需求，亟需找到一个信息化系统解决此类问题。二、方案介绍2.1方案整体介绍为解决在医药前期研发阶段遇到的上述实际问题，该制药企业引入大语言模型技术及配套信息化技术，借助大语言模型的语义理解与实体识别技术，代替人工重复性工作，自动从海量科研文献中提取专利靶点及适应症等关键信息，并跟踪适应症所在领域及同行业最新科研进展，为创新药研发与市场开拓提供决策依据，大幅提升研发效率。平台搭建共分为以下4个步骤：通用大模型搭建、高质量数据集准备、专项大模型训练、易用智能体搭建。共有4大核心功能：1.专利靶点及适应症标注；2.专利靶点提取；3.医药专业知识问；4.靶点标注结果导出。形成3大知识库：医药靶点库、医药适应症库、医药综合知识库26数字原生典型案例集2024-2025方案逻辑架构、功能等组织架构在组织架构上，该制药企业充分发挥原有医药研发部门与信息化建设部门、浪潮云研发团队的通力合作力量，共同朝一个目标，最终实现了医药科研助手的落地应用。2.2.2技术架构该项目整体采用微服务架构，并构建通用能力服务，如格式转换、通用文本识别、版面分析、图像裁剪等通用能力，辅助论文、专利的数据清洗、关键信息提取等核心功能；在大语言模型基座方面，基于浪潮云海若HaiRuo-60B-MOE模型构建医药科研行业专属模型，基于浪潮云海若HaiRuo-13B以及BERT等小模型构建医药综合知识问、合同评审等模型能力。27数字原生典型案例集2024-2025方案详情该医药科研助手共实现四大核心功能。模拟医药研发与专利调研的必要科研路径，从最初的获取专利、到最终从专利中提取关键靶点信息、建立知识库、生成各类报告报表。专利靶点及适应症标注2.3.2专利靶点及适应症等数据提取2.3.3医药专业知识问答医药专业知识问基于知识库能力实现，知识库允许用户从头开始创建一个新的知识库，分为私有知识库和共享知识库，授权的用户可以编辑知识库的内容，如进行更新、添加信息；用户不仅可以共享知识库，还可以将所有权转移给其他用户。28数字原生典型案例集2024-2025敏捷价值在医药科研助手的助力下，提取靶点和适应症的人员成本由原来的10人减少为2人，专利分析效率由原来的300篇/周提升为3000篇/周，大大加速了药物研发进程，为新药的研发提供更为准确和全面的科学依据，从而缩短新药上市的时间周期；靶点识别准确率提高至95%，适应症识别准确率提高至85%。客户价值通过优化药物研发流程，可以显著减少新药开发的成本。这其中包含人力成本、运营成本与研发成本等，进而帮助用户将节约下来的成本，转化为更低的药品定价或更高的利润空间，提高市场竞争力，并获得更高的利润收益。三、价值分析29数字原生典型案例集2024-2025基于数智引擎的全球商用车营销革新探究与实践案例应用单位：北汽福田汽车股份有限公司案例实施单位：瓴羊智能科技有限公司案例应用行业：汽车工业一、企业介绍北汽福田汽车股份有限公司成立于1996年8月28日，由北京市国资委控股。1998年在上海证券交易所上市，是中国品种较为丰富、规模较大的商用车企业。目前，北汽福田构建了车辆与移动装备、零部件、数字科技和商业生态四大业务体系，可为用户提供线上线下一体化的“人·车·路·货”高效互联和全场景服务。北汽福田产品和服务覆盖全球多个国家和地区，连续多年位居中国商用车行业销量前列，连续多年海外出口销量领先。未来，北汽福田将大力践行“双碳”战略，致力于实现碳达峰和碳中和目标。随着大数据和AI技术成为全球经济发展的重要推动力量，北汽福田所处的商用车行业近年来面临着重大变革。北汽福田在商用车领域国内营收可观，保客用户量众多。然而，随着全球经济增速放缓，国内新增市场需求减少，商用车行业面临诸多挑战。同时，随着各行各业收入结构发生变化，不同用途的商用车市场呈现出差异化发展态势。面对市场饱和，从增量市场到存量市场的转变成为北汽福田必须面对的现实问题，促使其更加注重用户保有环节的精细化运营，维护和留存现有客户成为提升营销的重点。业务运营层：提升用户全生命周期管理，细化潜客营销和保客运营等场景，提升客户满意度和品牌粘性。数据资产层：数据整合与治理，搭建“人-车-路-货”数据标签体系，关联数据资产。系统架构层：构建数据基础支撑平台、精准营销应用平台，支撑自动化营销触达。二、案例背景30数字原生典型案例集2024-2025·引入独特算法，能更高效、准确地处理复杂数据，且通过自适应学习机制不断优化性能。·结合Quick

Audience大数据和AI技术，构建高度集成的智能营销平台，实现不同设备和系统的无缝连接，数据和功能全面互通，使跨系统操作和业务赋能更简便高效。·全渠道全触点客户识别，专注于数据融合与One-ID的构建，实现微信账号、手机号、CMG数据、私域触点、问卷调研ID等全触点ID归一。·搭建了“人-车-路-货”福田标签体系，包含众多人的标签和车的标签。·保客增换购和售后促返厂场景下，线索转化率及返厂率均有所提升。·商用车行业内首次将新型算法应用于大规模商用环境，打破技术壁垒。三、价值分析决策效率提升实时：实时数据监控与分析洞察：发现市场和运营中的问题与机会，提供客观的数据支持生产效率提升线索管理与跟踪：销线索的全流程在线管理显著提升了跟踪及时性和转化率，线索30分钟跟进率从58%提升至78.9%，线索转化率提升1.6%，展示了数字化系统在提升生产效率方面的重要性。3.2市场影响力提升全流程在线管理：通过实现营销服务域分销+直销线索到订单的完全在线管理，福田汽车能够快速响应市场需求，缩短了客户从线索到订单的转化时间。精准营销与个性化服务：通过大数据和AI技术的应用，企业能够精准识别客户需求和市场变化，快速调整营销策略，提高市场响应速度。积极推动上下游生态系统建设：通过与多家合作伙伴协同创新，扩大技术和市场影响力。31数字原生典型案例集2024-2025“三流合一”为汽车行业数智转型提供范本案例应用单位：深圳腾势新能源汽车有限公司案例实施单位：阿里云计算有限公司、瓴羊智能科技有限公司案例应用行业：汽车工业一、案例背景及需求腾势作为比亚迪旗下的高端新能源汽车品牌，自成立以来便承载着向高端市场进军的战略使命。为了应对市场竞争和用户需求多样化的挑战，腾势在2023年进行了全面的需求分析，识别出多个业务痛点，并携手数据服务商瓴羊着手构建系统化的解决方案，以改善数据管理、提升业务流程的自动化与智能化水平、增强用户互动体验，并加强技术支持。二、方案介绍2.1方案整体介绍公司在2023年初启动了数据治理项目，开发了行为采集模块系统平台，用于收集来自不同渠道的用户行为数据，包括线上互动和线下销售点活动等。通过建立企业级的数据治理平台和数据仓库，腾势确保了数据的一致性、准确性和安全性，解决了以往数据分散的问题。到2023年底，腾势完成了多系统业务数据集成，实现了对用户生命周期的全面覆盖（One

Model），为后续优化奠定了坚实基础。借助这些改进，腾势能够更精准地了解用户的偏好和行为模式，从而制定更加有效的营销策略和服务方案。32数字原生典型案例集2024-2025在此基础上，腾势进一步将智能技术融入日常业务流程，以提高效率和服务质量。公司引入了瓴羊的客户数据平台（CDP）QuickAudience，该平台融合了先进的数据分析算法和自动化营销工具，使得腾势可以根据用户的实时行为进行个性化的营销活动。并通过用户洞察可以根据历史数据和当前市场趋势来指导营销策略的制定。同时，腾势实现了对业务数据的实时监控和多维度动态分析，管理层可以迅速了解市场变化，并做出及时调整。此外，通过整合多渠道的用户数据，腾势分析整体用户行为趋势，以构建概括性的用户需求模型。以便理解不同客户群体的通用需求和偏好模式，从而优化产品和服务体验，提供更贴合用户期望的服务选项，进而提升用户的满意度和信任度。为了持续提升用户体验，腾势携手瓴羊通过AI智能算法高效选定高潜力人群，并通过智能时机