MongoDB 和 AI 赋能行业应用：电信和媒体

欢迎阅读“MongoDB 和 AI 赋能行业应用”系列的第二篇。

本系列重点介绍 AI 应用于不同行业的关键用例，涵盖制造业和汽车行业、金融服务、零售、电信和媒体、保险以及医疗保健行业。

电信行业的经营环境以利润空间狭小为特点，尤其是在差异化极小的商品化通信和连接服务领域。由于语音、数据和互联网接入等服务大体同质化，电信公司需要差异化和多样化的收入流来创造价值，并在市场中脱颖而出。

随着数字原生企业以灵活创新的方式颠覆传统商业模式，老牌公司不仅要相互竞争，还要与新公司竞争，以提供更好的客户体验，适应不断变化的消费者需求。

如今人们越来越期待更加高级的交互方式，电信运营商为了保持蓬勃发展，必须优先考虑其运营支持系统（OSS）和业务支持系统（BSS）的成本效率，提高客户服务标准，并增强整体客户体验，以确保市场份额并获得竞争优势。不仅是电信运营商，媒体出版商也必须通过自动化来简化运营，同时加强与读者的互动，使读者愿意为个性化的相关内容付费。

服务保障

电信运营商需要以最佳质量和性能水平提供网络服务，以满足客户期望和服务水平协议。服务保证的主要方面包括性能监控、服务质量（QoS）管理和预测分析，以预测潜在的服务降级或网络故障。随着电信网络的复杂性不断增加，客户对高质量、始终在线服务的期望也越来越高，这就为服务保证设定了新的标准，要求企业大力投资能够自动优化这些流程并保持竞争优势的解决方案。

人工智能（AI）通过几个关键能力彻底改变了服务保障：

●机器学习（ML）可以作为预测性维护的有力基础，分析模式并预测网络故障，从而实现先发制人的维护，大幅减少停机时间；

●AI 技术可以通过复杂的网络系统进行筛选，准确找出问题的根本原因，提高故障排除工作的效率；

●AI 技术还可以通过网络优化、分析日志数据以识别改进机会，提高效率，从而降低运营成本。

MongoDB 基于 JSON 的文档模型是支撑智能应用的理想数据基础。它使开发人员能够存储来自各种系统的日志数据，而无需耗费大量时间进行前期数据规范化工作。它还能灵活处理各种不同的数据结构，即使这些数据结构会随时间而变化。

通过使用适当的 ML 模型对数据进行向量化，可以反映健康的系统状态，并识别包含异常系统行为的日志信息。通过 MongoDB 的 Vector Search 能力，可以有效地进行所需的 K-近邻算法 （KNN）搜索，并将其作为 MongoDB 开发人员数据平台的一项完整服务。最后，通过使用 LLM，有关错误的信息（包括根本原因分析）可以用自然语言表达，从而使负责维护的工作人员更容易理解和解决问题。

欺诈检测和预防

如今，电信运营商正在利用一系列先进的技术来检测和预防欺诈，并不断根据威胁者的动态特征进行调整。检测欺诈的常规活动包括跟踪异常呼叫趋势和数据使用情况，以及防范 SIM 卡交换事件（一种经常用于身份盗用的方法）。为防止欺诈，可以在不同层面采取各种策略，包括在 SIM 卡交换过程中对新客户进行严格验证、对风险较高的交易进行严格验证、根据每个客户特有的风险状况采取应对措施等。

ML 为电信公司提供了解决方案：

●通过在呼叫详情记录等历史数据上训练 ML 模型来增强其欺诈检测和预防的能力；

●模型可以评估每个客户的个人风险状况，根据其特定的使用模式定制检测和预防策略；

●模型还可以随着时间的推移进行调整，从新数据和新出现的欺诈策略中学习，从而实现自动的实时检测和欺诈预防，减少人工检查，加快响应速度。

为了进行准确的欺诈检测，需要考虑许多数据维度，而反应时间是防止最糟糕情况发生的关键因素。因此，解决方案还必须支持快速、亚秒级的决策。通过使用适当的 ML 模型向量化数据，可以定义正常的业务状态，并反过来识别偏离正常状态的行为，例如可疑的用户活动。除了 Vector Search，MongoDB Query API还支持流处理，简化了来自各种来源的数据摄取并实时检测欺诈。

内容挖掘

从流媒体服务到在线出版物等，当今的媒体机构都需要提供高度个性化的内容。观众希望根据自己的兴趣获得智能推荐内容。

使用人工智能可以显著增强下一篇最佳阅读文章或流媒体节目的推荐效果。内容个性化最强大的实现方式是跟踪用户的行为，例如搜索了哪些内容、内容浏览了多长时间以及搜索属于哪些类别。根据这些参数，可以给用户推荐相似的内容，或者采取另一种策略，显示门户网站中未显示区域的内容，以便用户发现新的媒体类型，并发掘自己的喜好。

为了在对的时间向对的人提供最合适的内容，自动化系统需要维护大量的信息，从而为合理的建议奠定基础。有了 MongoDB 及其文档模型，所有必要的数据点都可以轻松灵活地存储在用户配置文件、内容和媒体中。最终，经过内容向量化，可以使用 MongoDB 的 Vector Search 构建一个更强大的内容推荐系统，它允许进行内容相似性搜索，不再局限关键词匹配或标签匹配。

其他用例

● 差异化定价：通过进行 A/B 测试并使用 ML 算法分析数据，深入了解客户为内容或服务的消费意愿。这种方法有助于采用动态定价模式，而不是拘泥于标准价格表，从而提高收入并增加付费客户群。

●内容摘要和重组：为撰稿人量身设计一款智能助手，能够为内容摘要提供自动建议、识别合适的搜索引擎优化（SEO）关键词、针对不同的受众调整文章内容。

●搜索生成体验（SGE）：提供更动态、个性化和结合语境的搜索结果，让信息检索更高效、更实用，还可以进一步对检索信息进行总结和解释。

总结

总之，在商品化服务和颠覆性市场力量的冲击下，电信行业面临着多样化和收入差异化的挑战。为了保持蓬勃发展，电信运营商必须优先考虑成本效益、提升客户服务和增强体验。利用人工智能，MongoDB 可提供服务保证、欺诈检测和内容挖掘等解决方案，使企业能够驾驭复杂的数字环境、进行创新并提供增值服务。从预测性维护到个性化内容推荐，MongoDB 是电信和媒体公司可以信任的帮手，可在快速发展的市场中提高效率、敏捷性和竞争力。

以上是本篇的全部内容，在本系列的下一篇文章中，我们将讨论 MongoDB + AI 在零售行业的应用。

阿里云 MongoDB

敬请期待阿里云 MongoDB 的检索和向量新特性。

---