近日，QCon 全球软件开发大会正式召开。容联云大模型产品负责人唐兴才受邀出席，并分享营销服场景中，大模型的创新应用与实践。

唐兴才指出，在大模型浪潮的推动下，营销服场景正经历着前所未有的变革。面对激烈的市场竞争和消费者需求的多样化，企业亟待利用大模型技术在实际业务场景提升效率、降低成本，同时满足用户个性化服务的需求。

企业营销服面临的挑战

挑战1、

随着经济的不确定性增加，营销环境和市场恢复缓慢，消费者购买力受到影响，获客成本越来越高，ROI却越来越低，企业需要更加灵活地调整策略，以适应市场的变化，但目前市场上各家营销手段都趋于雷同，除了价格战很难做出差异化。

挑战2、

消费者对产品和服务的需求越来越个性化，这要求营销服链路中，不仅要关注产品的质量和服务的体验，还要能够提供符合消费者个性化需求的解决方案，可这对于大数据或者是精准营销来说，它的手段其实是越来越匮乏的，很难满足消费者个性化需求。

大模型技术带来的机遇

容联云综合考虑了营销服场景下的业务价值，以及如何利用大模型技术提升客户服务体验、精准营销，并结合了当下大模型技术的可行性，综合考虑后，找到了当下落地相较更快或者是产生价值更快的方向，就是对话机器人、智能客服机器人、客服坐席助手以及金融/产品知识问答领域，先落地偏工具化的产品，再结合容联云行业的knowhow以及实际业务场景，训练出具有行业属性的专业大模型助手。

大模型实践案例分享

1、金融客服助手：提升服务效率

在金融行业，客服团队承接贷前、贷中、贷后全链路业务，人少任务重，涉及的知识、规范内容信息量极大。知识的结构和内容要能够使用，需要花费极高的人力成本及拆解和维护，知识的维护和更新成本极高。客服人员如何快速准确地检索到相关知识，以提供高效的客户服务。以及，如何控制AI工程师的人员投入与成本可控。

容犀Copilot推出大模型客服助手，智能知识库能够极大提升知识检索效率，将客服人员复杂问题的检索时间从分钟级降低到秒级，显著提高客服效率和客户满意度。在运维侧，全过程从人力亲力亲为，改为大模型自动挖掘QA并秒级投入使用。真正帮助企业降本增效。

对于知识来说，只有流动起来才有价值。我们通过容犀Copilot，盘活整个企业的知识，打造智能问答能力，首先，快速拆解海量企业知识，生成实时更新的企业知识库，员工可以在任意地方询问Copilot大模型客服助手问题，即问即答，知识准确率达到89%。

2、银行话术助手：提高业务转化率

在银行营销业务中，优秀的营销话术能够有效提升业务转化率。原来，是靠主管听完大量录音后总结话术给到营销员，但这种方法费时费力，且不能穷尽和全面获得金牌策略。之后引入了AI算法提取话术，虽然解决了量的问题，但因为算法缺乏业务经验和对话术有效性的判断，质量受限。

容犀Copilot推出了银行话术助手，通过大模型话术挖掘技术，快速从海量通话数据中提取金牌话术，且设置话术提取目标，可根据转化效果，挖掘海量的高质量金牌话术，帮助坐席快速掌握并运用灵活的话术策略，从而显著提升业务转化率。

3、集团员工助手：缩短问题解决时间

对于拥有多个子公司的大型集团企业，员工在日常工作中会遇到各种行政人力咨询问题。但是目前机器人/知识库支持的问答量和服务范围都局限，无法满足员工实际的行政人力咨询需求。已有的知识更新维护也强依赖人工，需要安排训练师维护知识条目。

容犀Copilot推出集团员工助手，通过大模型结合RAG技术，员工助手能够准确理解员工意图，快速检索答案，大大缩短问题解决时间，提升员工工作效率。

4、制造业智能工单：提升判障准确率

在制造业，客户报修的故障描述不统一，给售后服务带来挑战。客户希望构建一套售后知识平台，通过大模型知识库的知识检索能力赋能到他们售后语音客服及APP在线客服场景。目前客户侧有着10万+产品使用手册及说明书，但文档结构不规则。这些复杂的结构无法直接通过系统提取知识，需要依赖人工加工后才能提取，但数十万量级的资料无法通过人工处理，希望通过大模型能力把这类文档知识利用起来。

容犀Copilot大模型智能工单，能够准确理解工单中的故障描述，提取设备故障信息，提升判障准确率，减少人工处理成本。

未来展望

尽管大模型技术带来了巨大的潜力，但同时也面临着算力成本高、ROI难以计算、现有业务流程难以改变等挑战。未来，我们期待通过国产化GPU一体机、小参数量模型、大小模型相结合等策略，降低成本，提高效率。同时，增加人才储备，以业务目标为导向，逐步实现应用层能力升级，引导业务流程的优化和创新。

在这个智能化革新的时代，大模型技术无疑为营销服务行业带来了新的生机。让我们共同期待，在不久的将来，容联云推出的大模型应用能够更好地服务于企业，推动整个行业向更高效、更智能的方向发展。

文章纠错