1.导读

在当今数字化时代，全球互联网用户已超过50亿人，中国的互联网用户数量更是达到10.5亿，这为企业提供了巨大的市场机遇和挑战。根据市场研究公司的最新报告，全球数字营销费用支出预计将在未来五年内进一步大幅增加，这表明数字化营销已成为企业获得竞争优势的关键战略。依托于京东科技的业务发展，结合业务场景真实遇到的痛点问题，本文将探讨下京东科技在数字化营销领域演进和最佳实践。通过阅读本篇文章，你将收获以下几点：

1. 理解京东科技在数字化营销领域的创新做法及其背后的技术支撑。
2. 学习如何通过技术手段解决数字化营销中遇到的挑战和痛点。
3. 获得灵感，思考如何在自己的业务中应用京东科技的数字化营销策略和最佳实践，以实现业务增长和品牌提升。

2.数字化营销概述

2.1 什么是数字化营销

数字化营销指的是利用数字技术和互联网平台来推广和营销产品或服务的过程。它利用互联网、移动设备、社交媒体等一系列数字渠道，以及数据分析和营销自动化工具，来实现品牌推广、用户获取和销售业绩增长等目标。数字化营销已经成为现代营销的重要组成部分，它可以帮助企业更好地与目标客户沟通，提升品牌知名度和影响力，增长业绩。

2.2 数字化营销有哪些优势

数字化营销相交与传统营销效率跟高，优势明显

1. 覆盖面广，数字化营销受众更广泛。它通过互联网和移动设备，可以触达全国乃至全球范围内的潜在客户，打破地域限制，实现更广泛的品牌推广和用户获取。
2. 精准定位，数字化营销目标用户更准确。它可以通过数据分析和用户行为追踪，对潜在客户进行精准定位和分析。这意味着可以更好地了解目标受众的需求和兴趣，更有针对性地进行推广和营销活动。
3. 成本低廉，数字化营销通常具有更低的成本，它通过在线投放可以更精确地控制预算和投放效果
4. 数据驱动决策，数字化营销通过数据收集和分析，可以快速对营销活动的效果进行评估和营销策略优化，提高营销效果和回报率

3.京东科技在数字化营销领域进展

京东科技在数字化营销领域发展可概括为4个重要历程，从解决“烟囱式”架构的局限出发，经过中台战略的转型，到全渠道整合的实施，最后发展为应用大数据和AI技术的智能化营销平台。这一系列演变不仅提高了内部的运营效率和协作能力，也极大地丰富了客户服务的深度和广度，展示了京东科技在数字化转型道路上持续创新的精神。

• 起初的IT架构 - “烟囱式”结构

早期的IT架构主要是基于垂直业务需求设计的，每个业务单元都拥有独立的系统，这在当时能够满足快速发展的业务需求。随着企业规模的扩大和业务的多样化，这种“烟囱式”结构的局限性逐渐暴露，主要体现在数据孤岛、资源重复和系统间互联互通的困难上。

• 中台战略 - 构建开放平台

为了突破“烟囱式”架构的限制，采取了中台战略，通过建立统一的数据、技术和业务中台，实现了资源的集中管理和共享。这一转变极大地提升了系统的互联互通能力，加强了内部协作效率，也为外部合作和服务提供了强大的支撑。

• 全渠道整合 - 网电微一体化营销

在中台战略的基础上，进一步整合线上线下及多渠道营销资源，实现营销活动的一体化布局。全渠道整合策略有效地优化了用户体验，提升了营销活动的覆盖面和参与度，加强了品牌与消费者的互动。

• 智能化营销平台

第4个阶段持续探索，利用大数据分析和人工智能技术，构建了智能化营销平台，能够更精准地分析消费者行为，预测市场趋势。通过智能化平台的应用，大幅提升了营销效率，同时为用户提供了更加个性化、精准的服务和体验。

在数字化营销领域，京东科技凭借其创新的技术解决方案和对市场需求的深刻理解，从运营视角出发设计营销运营方案7步走，包括“设目标—找流量—圈人群—定策略—做素材—去执行—看效果”，这一过程不仅涉及目标的明确设定和流量的获取，还包括了人群的精准定位、策略的科学制定、吸引人的素材创造、策略的有效执行以及效果的实时分析和调整，通过多年深耕沉淀以下5大核心能力。

1）圈人群：营销圈群能力

营销圈群能力主要依托于其强大的CDP（客户数据平台），通过精细化的标签和人群管理，实现了对用户需求的深度洞察和精准定位。其标签能力允许通过简单拖拽配置定义标签，自动化生产，极大地提升了营销的效率和准确性。而人群能力则通过离线和实时群体的高度细分，使得营销活动能够精准触达目标用户，有效提高业务转化率。

2）定策略：营销策略能力

在策略上，基于对目标群体的深入洞察，制定针对性的内容策略和传播策略，确保营销信息能够有效触达并引起目标用户的关注和兴趣。采用了可视化营销策略引擎和AB测试能力，使得营销策略的制定和优化更加科学和高效。策略引擎内置统一业务规则帮助营销人员根据市场反馈迅速调整策略，而AB测试能力则让策略的效果评估更加准确，确保营销资源的有效分配。

3）做素材：营销内容能力

内容是数字化营销的重要组成部分，京东科技在这一领域沉淀丰富的权益工具能力和素材生产能力，借助言犀大模型与业务数据深度结合，可创造高质量的营销素材，包括有力的文案、引人注目的图片和视频等。这些素材能够准确传达营销信息，同时具有足够的吸引力和感染力，以提高用户的参与度和互动性。

4）去执行：营销投放能力

通过多渠道的营销活动执行，包括短信、Push通知、外呼、专题活动等，精准地将营销信息传递给目标用户。能够根据营销内容和策略的不同，选择最合适的渠道和时机，实现高效精准的投放。这不仅提高了营销活动的覆盖率和参与度，也极大地提升了投放的ROI。

5）看效果：营销分析能力

任何营销活动的成功都离不开精准的数据分析和评估。京东科技的营销分析能力涵盖效果分析、用户洞察和留存分析等方面，通过实时数据监控和深度分析，帮助营销人员及时调整策略，优化营销效果。实时监控和分析营销活动的效果，包括用户的反馈、参与度、转化率等关键指标。根据分析结果，及时调整营销策略和执行计划，以不断优化营销活动的整体效果。

通过营销运营一系列的标准化操作，可以确保数字化营销活动在每一个关键步骤都能够达到最佳效果。从圈定目标人群开始，到策略的制定、素材的创造、营销的执行，再到效果的分析和优化，每一步都紧密相关，形成了一个连贯的优化循环。这不仅能够提升营销活动的效率和效果，也能够为企业带来更高的投资回报率。

3.1 营销圈群能力

京东作为一家拥有海量注册用户的平台，面对如此多的注册用户，京东科技要找到符合业务要求的用户并非易事。CDP画像平台的标签和人群能力成为了京东科技精准营销的利器，帮助运营深入了解用户需求，并实现精准推送产品和个性化服务。其中标签是可以根据用户，标签名称去查询用户拥有的标签值，举个例子，比如性别标签，就可以直接查询一个用户的性别是男还是女。群体最基本的能力是查询用户是否在某一个群体里，结果可以是在或者不在，当用户命中某一个群体即在这个群体里，就可以做一些后续运营动作。

3.1.1标签能力

标签主要有 2大能力，在标签生产后就能为业务提供标签取值能力和标签圈群能力。

1. 标签生产能力：在数据同学加工数据的基础之上，通过简单的拖拽配置，定义一个标签生产逻辑，然后自动化加工生产这个标签。在标签生产完成后，一般会有 2 种方式来使用。其一是将标签明细数据推送到缓存中提供标签取值使用，另一种是将标签明细数据聚合成 bitmap，以供后续券群使用
2. 标签取值能力：用于查询用户的标签值。调用方可以通过接口传入用户的 userId 和标签名称列表，服务端根据传入的参数，在缓存中查询相应的标签值，并返回给调用方

3.1.2  群体能力

群体圈选是通过标签和规则找到符合条件的人，在标签数据之上可以实现圈群功能，圈群功能就是通过多种方式找到目标用户。人群构建后就能提供群体加工能力，群体命中能力，群体拆分能力，群体下载等能力

1. 离线群体能力
1. 群体加工能力：采用标签或者SQL 作为圈选群体的的基础条件，再对多个基础条件进行交集、并集和差集计算，以便快速筛选出目标群体。
2. 群体命中能力：人群命中判断服务用于判断一个用户的useId是否属于指定的人群包或者包列表。通过将用户的ID与事先创建的人群包进行匹配，可以确定用户是否属于该人群包，以便进行相应的营销活动和个性化服务。
3. 群体拆分能力：人群拆分是将一个大的人群包按照某种规则或算法划分成小的粒度人群包的过程。这可以基于特定的规则等进行分割，以便更精细地进行定向营销和个性化推荐。
4. 群体下载能力：人群下载是将人群包的数据导出和下载的功能。通过人群下载，可以将指定的人群包数据导出为文件，以便在其他系统或平台中使用，例如广告投放、数据分析等。
5. 群体扩量能力：将已有的目标人群扩展到更大的规模，以便更广泛地覆盖潜在用户并进行针对性的营销活动
2. 实时群体能力
1. 实时命中能力：在实时业务情况下，根据用户的标签，离线命中等能力，快速、准确地匹配业务规则和实时响应用户的请求。实时命中能力的关键在于处理和响应时间的优化。它要求系统能够高效地处理输入，并在极短的时间内生成结果。

3.1.3 挑战与解决方案

随着业务发展带来的用户数据快速增长，标签和人群能力面临着多重挑战。数据处理量的激增对计算准确性、时效性和稳定性提出了极大的要求。这意味着需要处理庞大的数据量，并确保计算结果的准确性，时效性和可靠性。

挑战

数据量大：目前平台拥有百亿+的用户ID、5000+的标签，单个人群包内的用户数量可达数十亿级，每天更新的人群也有2W多个。

存储成本高：大量的标签数据和群体数据存储需要大量存储介质，成本高昂。

计算复杂：标签圈选的条件复杂，底层依赖的数据量级较高，人群计算需要进行大量的交并差计算。

1. 数据治理

目标：解决三多问题（注册用户多，标签多，群体多），减少数据加工链路各个环节的数据计算量，从整体上减少计算量，缓解计算压力和存储压力。

数据治理是一种综合性的管理和控制数据的方法和过程。它旨在确保数据的质量、一致性、安全性和可用性，以支持数据驱动的决策和业务需求。下面减少计算用户量、减少标签、减少群体和减少存储的一些建议：

1. 减少计算量
• 定期清理：定期进行无效用户的清理，删除长期未活跃或无效的用户账户。根据一定的标准，如长时间未登录、未完成必要的操作或已注销的账户等，确定无效用户并进行清理。这样可以减少存储无用数据和计算无效用户的开销
2. 减少标签
• 定期评估标签：定期审查和评估已有的标签，删除不再使用或不必要的标签，避免冗余和混乱。
• 标签合并和优化：对于具有相似含义或重复功能的标签，进行合并和优化，以简化标签系统。
• 精简标签规范：制定明确的标签规范和管理流程，限制标签的创建和使用权限，确保标签的一致性和规范性。
3. 减少群体
• 精细化群体定义：优化群体划分的准则和算法，确保群体的精确性和有效性。
• 定期清理群体：定期审查和清理不再需要的或者没有被应用的群体，删除过期或废弃的群体，减少数据存储和管理的负担。
4. 减少存储
• 数据归档：对于不经常访问的数据，进行归档，以减少存储空间的占用。
• 定期清理：定期清理过期或不再需要的历史数据，确保存储空间的有效利用。
5. 存算分离

目标：实现数据的存储和计算分离，以更低廉的方式存储结果数据，提高计算成功率和效率。

为了保证最新数据计算的效率，通过优化底层存储结构和策略，实现数据的存储和计算分离。将计算结果存储在OSS中，过程数据存储在CK中，降低存储成本，并提升数据加工计算的效率

1. 最新版本存储：将最新版本的群体数据存储在计算存储（CK）中，以便快速访问和计算。CK是一个高性能的存储系统，能够提供快速的数据读取和计算能力，但是成本略高。
2. 多版本存储：将群体历史版本的文件存储在对象存储服务（OSS）中。OSS是京东一种可扩展的云存储服务，能够提供高可靠性和低成本的数据存储。
3. 按需加载：当 CK需要使用群体历史版本数据时，先从OSS中拉取相应的文件，加载到CK中再进行计算。这样可以保证在需要时能够快速获取历史数据，并进行计算分析。
4. 定时清理：定期清理CK和OSS中的历史版本数据，以确保存储空间的有效利用。可以根据业务需求和数据保留策略，设置合适的清理周期，删除不再需要的历史数据。

3.2 营销策略能力

 3.2.1 平台概述

我们深知流量的价值不仅仅在于其数量，更在于如何精准而有效地利用每一份流量。营销策略平台以数据驱动、多渠道整合及自动化为核心，通过精准的用户定位（找对人）、恰当的时机选择（对的时间、场景）、合适的触达方式以及贴切的内容传递，帮助业务实现流量的最大化价值转化。

1）找到对的人

借助CDP画像平台提供的圈群能力，根据用户基本信息、社交信息、地理位置、历史行为，个人喜好等特征，对平台存量用户进行分层、分群，找到营销目标人群。

2）对的时间、场景

营销策略平台提供了灵活的策略触发机制，包括时间触发、事件触发。其中时间触发提供了灵活的时间周期设置机制，可以按照日、周、月和年等周期按照一定频次和时间触发策略执行。事件触发指的根据用户发生的特定事件触发策略执行，如用户浏览、加购、下单、支付等事件，目前平台支持事件达600多个，涵盖多个业务。

3）合适的触达方式

为了提高用户覆盖率，以及增强用户体验，营销策略平台提供了多种触达方式可供选择，包括短信、PUSH、电销、APP、公众号、小程序、企业微信等，可以针对不同用户选择不同的触达方式。

4）合适的内容

包括红包、权益、文章、视频、营销活动等多种内容形式，为用户提供有效、精确的营销内容。

3.2.1平台能力

• 1）可视化流程画布，灵活定制策略逻辑。

平台提供的可视化画布，能够以图形化的方式展现营销策略，整个策略结构类似一棵决策树，能够构建复杂的营销策略，使复杂的流程和业务逻辑变得直观易懂，同时提高了策略的可扩展性并降低了维护的难度。

2）组件库丰富。

平台提供了丰富的组件库，如开始、结束、PUSH、短信、等待等，用户在定义营销策略中直接引用这些组件，方便用户搭建策略。同时研发可以基于标准化的协议快速开发组件并发布，以满足不同的业务场景。

3）基于离线和实时人群、标准，精准识别用户

平台基于营销系统中的圈群能力，以对系统用户进行分层分群，从而精准识别用户。目前平台提供了大量的离线、实时标签，通过这些标签，运营可以根据需求，以灵活的筛选条件，快速筛选出符合要求的用户群体，从面提高精细化运营的效率。

4）灵活的触发机制

平台同时提供了定时和事件两种策略触发机制，能够以各种灵活的机制触发策略执行。且支持大量业务事件，用户在发生相关事件后，策略可及时触达用户，提高触达时效性。

5）实时+离线效果反馈，帮助快速迭代优化策略

平台提供了策略实时执行数据的反馈，以及T+1的离线报表。实时数据让运营能够监控策略的执行情况，一旦发现问题，可及时优化调整，确保了策略的实时有效。离线数据报表能够提供更全面、深入的数据分析，可做为运营对策略效果估计和长期规划的依据，对后续策略持续迭代优化起着关键作用，数据驱动决策，让决策更具针对性和科学性。

3.2.3 挑战与解决方案

随着业务的不断发展，业务规模不断增大，流量不断增加，整个营销策略平台也面临着诸多的挑战。

1）吞吐量， 面对大量营销策略和业务消息，如何提系统吞吐量。

2）扩展性，随着业务发展，支持上面业务场景越来越多，如何快速扩展支撑上层业务。

3）稳定性，在保证吞吐量的同时，如何保证系统自身的稳定性，以及减少对下游系统的冲击，保证下游的稳定性。

4）资源回收，营销策略平台是一个重缓存资源的系统，缓存资源频繁使用与释放，如何保证资源的有效回收，避免泄露。

面对上面的挑战，下面介绍我们是如何解决这些问题的，首先介绍一下营销策略平台的整体架构，如下图所示。

图中所示主要核心应用或模块的介绍如下：

任务管理服务，用于对营销策略进行管理，上面维护着运营或量化发布的所有营销策略。

公共基础服务，包括事件管理、变量管理，控件订阅等服务，是策略编排过程中，用到的基础数据服务。

控件集市，控件集市包含各业务营销策略中使用到的所有组件，由研发统一在控件集市中进行开发、发布，各业务可以根据自身业务特点订阅相应控件，就可以在策略中引用这些控件，进行策略编排。

调度服务，用于对平台一些定时任务进行管理和执行，如人群数据的下载，系统资源的清理等。

前置过滤，用于对系统入口流量进行过滤，降低进入系统内部的流量。

流引擎，用于营销策略的执行，是一个实现了bpmn规范的流程执行引擎。

控件容器，控件集市中发布的所有控件，都会被加载到控件容器，由流引擎进行调用，执行控件的业务逻辑。

上面整体架构可以从两个方向上来看，从上至下表示的是策略从编排到发布的过程，运营或量化编排的营销策略，以DSL的形式保存到系统，然后经由转化器将DSL转化为bpmn文件，并发布到流引擎进行执行。从左至右表示的是策略执行的过程，上游业务系统产生的业务消息（或下载的人群），进入营销策略平台，触发营销策略的执行，策略执行过程中会调用下游业务系统的服务，完成策略的执行。

1） 吞吐量

随着业务发展，系统每日吞吐十几亿消息，包括人群下载和业务事件等消息，涉及数亿用户。但是有一部分消息是无效的，如策略未订阅的事件，以及超过策略频控限制数量的冗余消息等，为了提高系统吞吐量，我们通过平台的前置过滤系统，根据策略对消息的订阅和限制规则，对入口流量进行过滤和裁剪，将消息变少，变小。从而从源头上降低流量，降低后续各系统处理消息数量，从而从整体上提高系统吞吐量。

2） 稳定性

整个平台的流量并不是平稳的，而是有明显的波峰波谷，流量高峰期TPS可达十几万，对平台本身以及下游业务系统产生的冲击是很大的，所以平台本身做了很多稳定性方面的建设，我们结合自身业务特点，自研了高性能的流程执行引擎，引擎中通过实现限流，熔断、异步、排队等机制，来控制对下游系统的访问，提升整个平台的稳定性。

同时为了保证上层各业务的稳定性，我们对上层所有业务的营销策略进行了物理隔离，不同业务的营销策略发布到不同的执行引擎集群，避免不同业务之间可能产生的影响。业务消息会根据策略对消息的订阅关系自动路由分发到不同的集群，触发策略执行。

3）资源的使用与回收

由于业务特点，策略执行过程中，会使用到大量缓存资源，比如涉及策略流程的事件等待，系统频控量控等信息，都用会到大量缓存资源，而且这些缓存的过期时间以及生命周期都较为复杂，所以回收时机的计算也特别复杂，不能回收太早，也不能回收太晚，要保障在数据无效时，能够及时有效的回收，避免资源泄露。针对这种情况，我们采用了二层机制，第一层要在数据失效的第一时间主动释放，第二层是兜底的扫描任务，针对长时间没有能够回收的资源进行扫描、回收。

4）扩展性

营销策略平台服务于多个业务场景，如2B、2C等业务，每个业务对于平台有一些定制化的诉求，如组件范围，执行逻辑、事件类型、用户类型等，为了应对这种不同，我们将执行引擎与业务逻辑抽离，执行引擎层不关注上层业务逻辑，只负责执行通用的bpmn流程，同时提供控件集市，用于为不同业务场景开发和定制业务组件，上层的策略通过转化器，转化为底层的bpmn流程，这样将上层变化的业务与底层稳定的基础逻辑进行了分离，抽离了变化，提高了整个平台的扩展性，提高了研发效率。

通过控件集市，研发可以以低代码的方式开发满足不同业务场景的控件，不同的业务场景可以订阅不同的控件范围，用来编排营销策略。

3.3 营销内容能力

营销内容是指整个营销过程中用来表达和传递营销信息的载体，用于吸引用户进行点击、查看、领取及使用以达成营销目的的重要手段。在营销人货场的体系中属于“货”的范畴，营销内容包括各类权益工具、图文素材、活动玩法等。在数字化营销的驱动下，支持更加丰富的权益种类、高效的图片及视频内容生成、通用和定制化活动玩法的快速搭建成为最基本的能力要求，基于京东体系的复杂业务场景，经过几年的不断努力，逐步沉淀出一套较为强大的营销内容生产和管理能力。

3.3.1权益工具能力

随着618、双11大型购物狂欢节的持续，权益促销已经建立起比较强的用户心智，各大平台优惠券随处可见，权益工具成为最为有力的拉新、促活和转化工具。

京东科技涵盖支付、消金、财富、保险等各种金融业务场景，京东科技的营销权益的主要目的是利用零售巨大的交易场景，刺激消费者使用银行卡，白条，小金库等金融支付工具，提升金融各支付工具在零售的使用占比，间接的提升零售的GMV；同时针对有借贷、理财、保险需求的金融用户，提供各类权益，如免息券、财运券、激活券等提升用户使用频率，促成交易达成；对外合作场景中，支持各类京东场外的权益发放，如微信立减金、腾讯视频会员权益、瑞幸咖啡权益等，达成外部引流的目标。

营销权益平台承接了京东科技各个业务线的营销职能，支撑京东科技各个业务通过营销手段拉新促活及提升交易规模的目标。平台的目的是打造通用营销能力，服务于京东科技各个业务线，成为京东科技在营销领域的第一生产力。

1. 有哪些权益

支持包括京东体系内部权益及京东体系外的权益共80+；

1. 平台架构

京东科技营销权益平台是集预算管控、权益创建、曝光、领取（发放）、核销结算、监控预警及营销数据看板于一体的、安全的、稳定的一站式营销权益平台。

营销权益平台的核心能力如下：

• 预算和费用管理：首先是对预算的申请和费用的管理，从权益的预算池管理、预算申请、费用分摊、预算追加及费用账目核销等，保障权益的整个链路费用的准确性及时性；
• 权益供应管理：京东科技权益平台的供应包括京东体系内部权益及京东体系外的权益，目前已经支持配置化快速接入新的权益；
• 权益活动体系：营销权益活动是营销运营配置的体现，将营销权益通过一系列规则和策略匹配到合适的人及合适的场景（渠道、商家），是权益通配化和个性化的关键所在，权益活动是营销权益在各个场地投放的窗口和标准。首先，通过投放渠道及根据渠道指定的投放规则，将营销权益（"货"）投放到目前已经对接的各个场景中；其次，营销权益平台对接了数仓人群、各个业务线实时人群及零售营销人群，并通过人群策略，将营销活动在不同的场景中推送给营销目标人群，可以实现各个业务人群在不同场景的互相转化；
• 权益曝光：科技营销权益平台长期深耕京东体系，建立了一系列串联科技权益及零售和金融场地的通用化的工具，依托京东零售及金融APP各种场景的关键链路，提供了营销权益的大流量曝光阵地；权益曝光是整个平台中流量和压力最大的服务，每次大促中，各活动会场，商详、结算页、收银台等黄金流程核心场景流量都会同时打过来，是备战重保项；
• 权益领取（发放）：权益领取（发放）由于用户侧活动形式的不同可以分为指定领取和抽奖发放两种方式，比如最常见的大促活动会场投放的各种指定权益通常是指定抢购，而在春晚场景中则属于抽奖发放，营销权益平台的发奖能力经过持续优化实践，成功通过了各个大促和春晚等活动的考验；
• 权益核销：依托京东APP结算页收银台链路支付完成和金融业务链路提交实现权益的最终核销，达成权益营销的目标。

1. 挑战与解决方案

挑战

1）三高性能要求：营销权益平台作为营销的核心工具，在每次大促中都起着关键作用，需要同时满足高并发、高性能、高可用要求，并且随着活动数量、权益数量和场景触点越来越多，系统压力不断增加，对系统技术能力提出了更高的要求；

2）平台安全：作为一个平台级的营销权益系统，对外面向无数C端消费者和商家，对内面向京东科技各个业务线运营和产品人员，是一个与用户体验和资金深度结合的场景，同时保障资金安全和用户体验不受损失，是营销权益平台一直严格守护的生命线。

解决方案

1）系统稳定性保障

随着业务的不断发展，在备战应对每年多次大促及跨年、春晚专项的过程中，我们不断迭代优化，采取了一系列措施来保障平台能力，实现了平稳支撑，下面主要介绍其中几种：

• 关键链路独立保障：针对商详等关键链路，采用独立应用部署、定制化功能实现进行保证，减少RPC调用，所有耗时处理全部本地化完成；
• 核心应用、缓存同机房调用：减少跨机房调用带来的网络消耗，最大限度提升性能；
• 多机房、主从备部署：核心P0链路最大限度容灾部署，大促前进行灾备和降级演练；
• 重本地内存、缓存：根据不同链路需求，采用“本地内存+数据库”或“本地内存+缓存+数据库”的方式进行支撑；
• 缓存数据异构：比如人群数据，由“人群-pin包”异构为“pin-人群包”，更符合用户访问时的权益曝光规则校验；
• 缓存深度分片：比如针对春晚场景，由于权益数量有限，大流量情况下容易出现缓存热点问题，因此对库存缓存按用户pin进行再次分片，根据流量进行分片数量预估，保证单分片可用；

• 流量合并：通常随着系统不断迭代建设中会由于业务场景、量的增加导致原有方案不再适合的情况，比如随着权益种类、数量的增加，由原来的几千增加到几十万，每次用户访问权益曝光时的活动量级大幅增加，由于每个权益活动都需要过规则校验，因此按照原有方案每个活动都单独进行规则校验的话，规则中心访问量会几十倍增加，因此对原有方案进行优化，由活动维度改为规则维度调用，相同规则一次曝光校验中只需调用一次，整体调用量至于总规则量相关，减少了权益活动增加带来的影响；
• 权益活动预排序：随着权益活动大幅增加，为了减少实时交易时需要过滤处理的权益活动量级，在权益活动上线时即对权益活动按照几个常用维度进行预评排序处理，减少实时交易时的活动量级；

2）平台安全管控

基于营销权益平台的特点，我们建立了"营销权益控管防平台"，聚焦营销活动全生命周期，根据事前、事中、事后，分别搭建和完善“控、管、防”全链路监测，快速止损、降低客诉，从而有效提升用户营销体验、保障运营操作安全、及时发现外部依赖风险及实时监控系统质量：

• 事前（控）-制度安全保证

运营制度保证：营销权益运营平台，日均几百人进行营销活动创建及营销运营操作；营销权益运营作为一个有专业门槛的平台，需要运营人员对营销通用概念及操作规范提前了解，严格审核并定期复核营销运营平台运营人员的权限，并与集团离职管理系统对接，及时处理离职/异动人员权限，并建立完善的活动审批机制多人复核，并建立运营人员对营销活动运营的敬畏之心；

外部监控机制保证：设定日常及大促人工巡检及系统自动巡检相结合的方式，自上及时方案接口调用方系统性能，自下监控系统依赖放接口性能，并建立研发值班及专项沟通群等方式，及时响应。

• 事中（管）-操作安全保证

运营操作安全管控：首先是根据不同的优惠力度及费用额度，定制不同的审批流程，针对高额补贴添加财务及风控审批，从审批流程上控制活动上线风险；其次，运营创建活动的过程中，可以自助配置活动到期提醒、库存费用不足提醒及大额神券发放安全配置等，并提供预上线白名单验证过程作为活动上线的必经流程，进一步保证运营操作安全。

系统操作管控：建立和完善系统安全能力，建设Token认证组件、营销权益防重系统、用户资格控制系统及发奖渠道控制组件，进一步夯实用系统化的解决方案风控管控能力；建立活动责任人机制，非负责人活动加密和权限控制，防止活动泄露。

用户体验管控：用户体验包含运营操作体验及C端用户体验，运营操作体验上建立运营体验提升专项，持续降低运营操作和学习成本；C端用户体验上，进一步上探，协同各场景进行体验优化。

• 事后（防）-活动运行安全保证

系统监控：建立活动运行期系统监控能力，从频控和量控上进行权益发放控制，设置库存及预算阶段性预警机制，并提供各场景活动曝光看板，及时发现曝光异常的活动，提前暴露活动运行期风险。

专项监控：设置监控专项机制，针对重大活动上线、主要业务及重要节点（如大促）进行专项监控，大促期间重点监控鉴权核销数据，并进行异常数据报警预判风险。

风险提醒：建立预算及库存可视化监控能力，并支持一键人工报警，同时建立系统阶梯报警机制，并不断升级报警方式，确保报警触达到活动负责人。

3.3.2 活动搭建能力

营销活动是公司进行 用户拉新、交易转化、召回激活、裂变引流的重要手段，营销活动大致分为两大类,一类为简单活动、一类为复杂活动，简单活动模式固定，通过简单的配置就能完成，这种活动我们通常定义为可复用活动，即通用性活动：比如签到、领劵、大转盘等；复杂活动由于业务逻辑比较复杂且模式不固定，所以可复用性比较低，即定制化活动，比如裂变类、信用红包、膨胀金活动等。

传统的开发模式中，各业务侧活动研发每天都在承接着各种各样的活动需求，由于资源有限，业务研发只能通过高代码方式优先开发高优先级或者是高质量的活动，这样那些低优先级或者低质量的活动的发展就会受到限制，一开始可以借调人力进行支持，但也不是长久之计，因为资源永远是有限的；另外，针对一些通用性活动，也无法进行沉淀复用，造成资源浪费。

1. 一站式活动平台

通过分析活动传统的开发模式之后,并将相似能力和功能进行抽象和沉淀,让不同的业务团队都入驻到一个平台去开发活动,避免企业出现烟囱林立的现象,使彼此联系,打破信息孤岛,同时实现降本增效,提升内部生产力。

我们慢慢抽象活动业务的共性,耦合活动后台服务,再融合低代码平台打造了一站式活动平台。

系统架构

我们面向不同用户开放不同的平台能力，面向业务用户开放SAAS可视化零代码模式帮助用户快速搭建活动,面向研发工程师开放底层PAAS低代码模式让业务自由开发和定制活动,让业务的发展不再受限于平台的规范。既满足了高价值业务需求的支撑,又平衡了定制化业务的诉求。

活动共建模式创新

一个活动由页面、组件和素材组成,页面一般为H5页面,组件又有UI样式、事件、业务逻辑组成，如图所示，可以看出楼层组件和业务逻辑是一个互动类活动的重要组成部分,我们可以把组件和业务逻辑的开发交给业务团队，再结合活动平台提供的能力一起来完成共建，这种模式可以走出现有活动开发遇到的困境,达到快速拉齐活动开发能力的目的。

• 基础能力建设：平台提供一些基础能力,比如页面管理、组件管理、模板管理、配置管理等。每个活动开发完之后都会走测试、发布上线等环节,所以还需要发布和审批管理、用户权限管理等,如果需要验证活动页面转化效果还需要用到A/B测试的能力以及数据看板等能力,我们将这些基础能力进行整合,让业务只关注活动本身,基本上可以满足大多数的活动需求；
• 活动模板市场：随着活动的增多，平台会积累大量优秀的活动模板,这些模板不仅服务于创建的业务方,还要赋能于其他业务方。让每个业务的创造力在这个平台上流动起来,更好的为平台用户提供服务；
• 流程标准化：活动在创建过程中也会涉及多系统的操作,比如费用、权益、活动搭建（可视化、通天塔、98k、自研）、互动玩法搭建（如任务、抽奖、裂变等）、CMS、鹰眼、奇点、银河画像（数资）、数据分析（数资）等,会造成多系统操作成本高,创建活动周期长,流程冗余,配置人效低的问题。解决此类问题我们可以基于活动场景的标准化流程集成费用、权益、活动搭建、素材投放、任务触达等能力帮助运营实现一站式的活动搭建与投放；

打造研发人员的开发环境

运营和产品是活动平台的主要用户,他们根据需求在平台上选择模板或者自主创建H5页面和使用现有的楼层组件。一个活动落地页的核心组成部分就是组件和事件绑定的一些业务逻辑,这些组件和业务逻辑主要是研发同学提供,所以业务团队的研发同学也是平台的主要用户。所以需要为研发同学设计一款在线的开箱即用的开发平台,为研发同学带来一站式的开发体验,提升开发效率。

• 活动组件开发环境：组件是落地页核心组成部分,组件开发可以参考设计稿直转楼层（D2C）的生产模式，无需编码能力开箱即用。对于存量组件需要支持二次开发的能力以及提供一键转换工具,支持多类型的存量工程一键转换。编码的开发和维护需要具备完善的迭代记录以及如何打造开发社区方便平台用户交流、表达诉求。
• 玩法开发环境：组件是活动的核心,那么玩法就是整个活动的齿轮,组件和玩法的相互配合,才使活动有了生命力。一般玩法是由多个业务逻辑组成,大部分的业务逻辑实现都是通过高代码实现,我们的业务研发同学每天都在重复开发这些业务逻辑代码,大量的if..else 语句和分支。如果要改变其中的一些逻辑和条件,就要走开发、测试、上线流程。这些低价值的工作并不能体现我们业务研发的价值,如何让业务研发从这些重复工作抽身出来,去做更有价值的事情,图形化的业务流程编排是一个解决方案,可以为研发同学提供BPMN流程编排的开发模式。对于存量高定制的通过高代码开发的逻辑可以提供一个接口服务,把接口注册到平台,沉淀一个业务逻辑。通过流程编排的方式不仅提高了研发效率,缩短了交付时间,而且通过接口注册的方式也能对业务逻辑进行整合。
• 开发人员文档：统一了开发环境,可能会改变业务研发的开发习惯,所以一个友好并完善的开发人员文档是必不可少的。从组件代码初始化、本地开发和调试、接口MOCK、业务逻辑开发、逻辑编排等能力进行文档的编写,最好能附上视频的讲解,还要建立答疑机制和答疑群,方便支持研发同学在开发中遇到的问题。

1. 低代码搭建

一个典型的营销活动包含活动页面（一般为H5页面）、前端组件、玩法（一套API/MQ集合）、业务逻辑（对应一个BPMN文件或者BFF服务或者外部的一个接口）及Schema配置（运营配置表单）等几个部分。通过采用可视化搭建、BPMN服务编排等低代码能力，可以快速实现一个营销活动的搭建。

• 活动页面可视化搭建

将可复用的组件通过拖拽的方式放到画布上,生成最终的页面。可视化搭建极大的解放了前端研发对重复活动的开发投入,让技术同学能能够更多的从可复用和可配置的方向去思考活动的实现；

• 业务逻辑服务编排

通过接口注册模式，将高代码开发的业务逻辑接口注册到平台中，然后借助服务编排,把相关活动能力拆成可复用可编排的逻辑单元, 后续有变化和改动,可以尽量少的改动代码, 通过拖拽的方式快速满足业务诉求；

1）BPMN服务编排模式

2）BFF服务编排模式

1. 图片即时编辑（嵌入素材制作能力，结合AIGC）
• 实现图片局部元素点选修改

活动搭建过程中，banner图片楼层可以选择来自神工平台的模板图片，然后通过素材制作平台设计稿渲染能力，渲染banner图片楼层，实现图片楼层局部元素点选，实现【点选】之后，再结合AIGC生成工具，快速替换内容。

点选效果：

• 结合AIGC，扩展图片内容丰富度，提升内容生产效率

当用户点选文字/图片，弹出AI编辑器，用户可以输入提示词，点击【生成】按钮，调用AIGC接口，进行AI生成。在这个过程中，通过将素材制作平台模板具备的图层信息提供给算法团队，辅助局部AIGC生成。

3.3.3 任务玩法能力

任务玩法能力是指能够有效地将运营任务传递给京东用户的能力。当用户完成某项任务时，满足奖品发放条件，会给用户发放任务奖励。它通过多样化的任务玩法和投放场景，吸引用户参与和行动。任务平台的投放能力在拉新和促活方面起着至关重要的作用，每天处理的任务量、完成的任务量和领取的奖励量的数据规模百万级别。任务投放平台在拉新和促活方面的巨大潜力和影响力，大量的用户参与任务并领取奖励，不仅可以帮助京东金融扩大用户基础，还能增加用户活跃度和忠诚度。

1. 基础任务玩法

任务中心提供多种任务玩法的场景化配置，目前支持基础任务、跳转任务、浏览任务、交易任务、外部任务等各种基础性任务，目前任务支持人群、防重、库存等多维度的策略。任务中心为运营提供强大配置功能的同时，还从场景化、在线验证、预上线度验证等方案解决运营配置错误等问题。

2. 高阶任务玩法

1. 裂变任务

裂变任务玩法，是以京东金融/京东APP或微信生态场作为承接客户的载体，进行获客引流。通过相关权益进行吸引用户，让发起人通过海报、京口令等发起分享，再邀请若干好友完成设置的指定任务（购买基金、股票开户，下单，入金等）或动作（助力，关注，进群等），受邀人完成任务可获得奖励，受邀人任务完成后发起人获得裂变奖励。

2. 时间轴任务：

引导用户按阶段性去完成各阶段场景需求的业务

如：阶段1 小金库开通 → 阶段2 小金库支付 → 阶段3 存入小金库X元 → 阶段4 小金库持仓X元N天；在每个阶段任务完成后，均可以领取对应的奖励

3.3.4 素材制作能力

日常运营过程中，运营需在「金融APP资源位」上「投放海量素材」。而素材的来源一般是由运营提出素材需求，设计生产素材，传统的生产模式既低效又缺乏沉淀。

神工资源制作平台是一种更智能更高效的素材生产平台。平台内沉淀「规范化的设计模版和素材」，运营可以使用这些设计模版和素材，制作生成「视觉风格统一规范的图片素材」，用于金融APP资源位投放。

平台核心能力如下：

1. 在线生成规范化的资源位素材

1.资源位设计模版尺寸样式标准化规范化，并通过平台在线维护管理。

2.平台内设有素材管理，由设计师上传维护，保障APP内资源位素材视觉风格统一。

3.用户通过创建设计任务，使用平台模版和素材，在线生成图片素材并支持下载，将资源制作周期缩短至3分钟。

1. 设计稿一键生成模版

1.设计师可以在平台内上传sketch文件，实时解析渲染生成设计模版，提升模版沉淀效率并节约人力资源。

2.设计模版中元素支持拖拽，快速编辑和操作更多复杂属性，支持了更多场景素材的物料制作，可以覆盖APP日常运营资源位80%以上。

3.打通「百舸素材管理和投放系统平台」，简化原有资源制作投放工作流程。

3.4 营销投放能力

营销投放能力是指在实施营销策略时，通过选择适当的渠道、目标受众和时机，以及有效地管理和优化投放资源，将营销内容和活动传达给目标受众的能力。具体而言，它包括流量管理与投放能力、任务投放能力，短信，PUSH，微信投放能力等。简便的线上投放操作，像管理投资组合一样进行线上简单操作。

3.4.1 流量投放能力

有了营销物料之后，还需要关心物料可以投放到哪，我们所拥有的渠道、触点有哪些，每个触点的流量大小如何，如何有效的向有限的位置投放更高效的物料，获得更好的营销效果。

百舸CMS是一个流量运营平台，支持运营对资源位和素材进行规则及策略配置，并可以通过流量引擎将素材以千人千面的方式投放到APP/PUSH等场景。最终通过数据效果分析形成闭环，助力业务增长。致力于通过数智化持续优化流量精准推荐、降低素材生产成本，最终实现流量价值最大化。

1. 位置管理能力

服务于流量供给方，包括了位置的定义、数据结构的定义和策略的定义。数据结构方面，可以根据位置的特征自定义数据结构。策略方面提供了多种灵活的策略选择，包括分流配置，比如走平台策略、推荐策略还是量化策略，亦或是以上几种策略的ab实验，并最终根据位置和访问用户的特性决胜出最优策略。对于强运营的场景，我们也支持将素材按照指定条件进行分发。

1. 流量运营能力

服务于流量的需求方，主要是将各业务线的产品或者活动投放到既定的位置。能力上涵盖了素材库，用来积累常用素材、以及素材的AIGC生成，包括文案和图片，解决了海量素材低成本生产的问题。除此之外，数据方面积累了素材投放的用户效果数据，支持流量的需求方查看素材数据波动及归因分析。素材本身也支持按需自定义组合配置；另外素材的规则配置，包括了定向人群、频控量控、疲劳机制、优先级排序等能力。

多素材自动化择优，在形成多素材组后，我们支持在素材组中进行择优配置，利用推荐算法和量化的能力，实现了千人千素材的智能化投放。

1. 流量与位置匹配能力

流量引擎综合了上述两个中心的配置结果，在流量进入流量引擎时，会经过层层分流，从资源位到流量池，在流量池决策最终运行的策略，将海量素材按照决策的策略、以及上文提到的多素材自动化择优，最终下发最适合用户偏好的素材组合。

1. 运营配置功能介绍

1. 投放服务数据流向图

3.4.2 营销触达能力

京东科技在触达能力方面已经沉淀了短信触达能力，PUSH 触达能力和微信触达能力。通过这些触达能力能够快速的将营销信息、产品推广、服务通知等内容触达给用户，提高业务用户满意度和忠诚度，从而实现业务价值

1. 通道能力
1. 短信通道能力：通过短信投放能力能够将短信消息准确、及时地投送到目标受众的能力。
2. PUSH通道能力：通过移动应用推送通知的方式将信息传递给用户的能力。可以向京东金融APP用户发送定制化的推送通知，包括新产品推广、个性化优惠、活动提醒等。
3. 微信公众号通道能力：通过移动应用推送通知的方式将信息传递给用户的能力。可以向微信公众号用户发送定制化的推送通知，包括新产品推广、个性化优惠、活动提醒等
2. 频控能力

根据应用，通道，业务，模版，人群，用户等多个方向对触达进行频率控制，以免打扰用户

1. 模版能力

管理营销文案，通知文案，订阅文案，活动文案以及各文案模版

1. 挑战

在触达能力建设的过程中，面临着许多挑战，比如触达次数太多就会骚扰用户，触达太少，就可能影响业务发展。如何平衡业务发展和用户的体验是一个非常大的挑战。

1. 方案

提供有价值的内容

确保触达信息是有价值的、有吸引力的，并与目标用户的兴趣和需求相关。通过提供有益的内容，可以增加用户参与度和忠诚度，从而支持业务发展。

设定合理的频控规则

根据目标用户群体的特征、行为和偏好，制定适当的频控规则。例如，限制相同营销信息的发送频率、限制不同类型营销信息的总体发送频率等。这些规则应该根据用户接受能力和行为习惯进行调整，以避免触达过于频繁。

统一管控

多渠道多批次统一管控触达频率，控制用户在每天，每周甚至每月的总得触达次数，避免过多的触达使用厌烦

• 统一频控消息发送模型

定期评估和优化频控策略

定期评估频控策略的效果和影响，并根据实际情况进行优化和调整。根据用户的反馈和行为数据，调整频控规则和策略，以平衡业务发展和用户体验的需求。

3.5 营销分析能力

营销效果和分析作为整个营销全生命周期的最后一环，也有一个不断演进的过程，随着京东科技内营销的手段和玩法不断升级，数据量和业务复杂度也不短增加，数据分析从传统的spark jar数据处理，到离线数仓指标库建设，再到集成采集、存储、处理和分析于一体的洞察分析平台。京东科技数据平台已经沉淀了丰富的业务分析模型，支持开箱即用，支持百亿级流量、业务指标、人群画像、标签、AB实验等全方位多维度下钻分析。

在平台演进的过程中也遇到了一些挑战，针对这些挑战相信我们通过不断探索和总结，最终形成了具有京东科技特色的并适用于大多数金融领域的解决方案。由于篇幅有限，后续我们会专门开设一个专题从数据质量、数据安全、数据存储、数据计算、技术挑战等多个方面进行分享。

这里先剧透一下我们遇到的挑战，

数据质量上：数据采集过程中存在的错误和异常数据如何处理？数据一致性如何保证？

数据安全上：未经授权的访问和数据泄漏需要通过数据安全措施来保护数据的完整性和机密性，在用户体验和安全中如何平衡？

技术挑战上：超大规模的数据写入如何短时间内完成？海量数据、复杂的分析需求如何提升查询性能？ClickHouse作为业界流量的olap分析数据库我们在使用过程中面临的问题？

以上挑战的解决方案敬请期待。

3.6 大模型在数字化营销领域的应用与探索

随着市场的竞争加剧和消费者行为的不断变化，企业正面临着越来越多的挑战，如何在快速变化的环境中保持竞争力，提高营销效率和效果，成为企业亟需解决的问题。近年来，随着人工智能技术，尤其是大语言模型（LLM）的飞速发展，其在数字化营销领域的应用将逐渐展现出巨大的潜力和价值。

痛点与挑战：

1）业务系统与LLM结合成本高：LLM是语言模型，如何快速的将大语言模型与各个营销系统进行深度结合，让大语言模型认识我们的程序。

2）营销策略生成的复杂性：传统的营销策略生成过程往往依赖于专业人士的经验和直觉，这不仅效率低下，而且难以实现高度个性化和动态优化。

3）数据分析与洞察的困难：在大数据时代，企业需要从海量数据中提取有价值的信息，但由于缺乏高效的分析工具和技能，这一过程变得异常困难，影响决策的质量。

4）营销文案生成的挑战：创作吸引人的营销文案需要大量的创意和专业知识，对于需要快速迭代和大规模个性化生产的企业来说，这是一个巨大的挑战。

下面介绍一下针对痛点与问题，我们的解决方案

3.6.1降低业务研发开发与LLM集成成本

为了将业务能力与大模型结合，我们首先对业务能力进行抽象，将其抽象为三层结构：应用（Application），领域（Domain）和能力（Skill）。

每个应用都会关联一个应用Agent，用于统一处理该应用的请求，并进行路由分发，应用下的每个领域可以有单的领域Agent用于处理该领域下的请求，或者多个领域共享一个Agent。

同时，为了让原有应用迅速对接大模型，我们提供了开放平台，降低各应用对接大模型的成本，提高对接效率，整体架构如下图：

模型层提供了大模型和领域小模型，大模型向上提供自然语言理解、推理、内容生成等能力，是整个平台的基础，领域小模型解决特定领域问题，如权益方案的生成，营销生成的生成等，这些问题的解决需要一定的领域数据与领域知识，单独使用大模型是无法解决的，所以需要大模型与小模型结合。

平台层帮助业务应用快速接入并使用大模型，包括主框架、Agent以及控制台，主框架是整个系统的骨架，负责对整个系统进行串联和协调，包括项目管理、会话管理、业务场景流程的管理、全局上下文管理等，同时对业务请求进行分发、路由与执行。Agent负责对用户问题进行意图识别、能力的召回、澄清、参数填充以及调用等，负责与用户多轮会话的相关处理逻辑。控制台是各业务系统对接开放平台的工具，可以定义应用、领域、能力等相关内容，将业务能力对接到开放平台中。

应用层是在平台上运行的各业务应用，是领域、能力、以及配置信息和运行时上下文的集合。

通过开放平台，各业务可迅速对接并使用大模型，通过对话和GUI结合的方式进行交互，针对用于提出的问题触发相关能力的执行，并具备一定的自动编排能力，对用户提出的问题进行分析、推理，并根据注册的能力，对现有能力进行自动编排和执行，以解决用户提出的问题。

3.6.2简化营销策略搭建&生成

以往搭建营销策略是一个费时费力的工作，运营需要根据需求自己在画布上拖动组件、连线、配置属性等，而且如何搭建好的营销策略是完全依赖个人经验的，如何帮助运营简化策略的搭建工作，提高效率，同时能够借助以往优秀有效的策略的经验，提升业务效果，也是我们一直思考的问题。

通过大模型，我们构建了策略搭建的专有Agent，通过其具备的自然语音理解能力和通用的营销策略知识，再结合我们业务沉淀的历史优秀策略、领域知识以及历史经验，让大模型结合上面的内容，为我们自动化的搭建策略。

通过专用的策略Agent，我们将专家策略和历史效果优秀的策略沉淀为模板，并将平台上策略生成的规则、组件的元数定义信息、业务规则等内容，做为Agent的长期记忆，将策略搭建过程中的各个步骤，抽象为工具，如策略主干流程生成，控件信息提取生成，策略推荐，流程检查等做为工具，让Agent通过CoT模式根据用户对策略的描述信息去自己思考、推理、规划和决策，结合领域know-how，生成营销策略DSL。在理解的情况下，用户针对生成的策略进行微调就可以满足大部分需求，从而降低运营策略的难度，提升效率和效果。

3.6.3提升数据分析与洞察力

LLM的发展为数据分析和洞察带来了新的机遇和挑战，同时也让“人人都是分析师”成为可能。让没有SQL能力、没有专业分析知识的产品、运营、管理层等能够自主查询数据、分析数据和决策，从而降低分析门槛和提高分析效率。

分析洞察平台的目标是：“人人可用”、“高效”、“专业”，从“怎么分析”、“怎么使用”、“怎么优化”的角度，帮助运营同学更好地进行决策。

数据基座融合了统一指标平台、数据算法模型、分析思路以及领域知识四要素，汇聚了量化分析师的专业知识和积累的丰富实践经验，这些宝贵的Know-How转化为了一套用户友好的自助式分析工具，确保了数据的准确性和分析的深度。

在模型层面，引入了一系列LLMs相关的技术，例如：NL2SQL（自然语言生成SQL）、Data2Text（数据生成文本）、NL2Dashboard（自然语言生成仪表板）、DocQA（文档问答）、Code Interpreter（代码解释器）等。此外，还集成了多个专门针对搜索和推荐任务的领域小模型。所有这些模型均通过LLM Agent来智能调度。

用户通过自然语言对话的方式实现与平台的交互，Agent帮助用户梳理分析思路和推荐合适的分析工具，让用户可以自助完成从“数据提取到各项分析到生成分析报告”的整套分析链路。

3.6.3自动化营销文案创作

在营销活动的搭建中，素材创作一直是一个痛点，如何提高素材生产的效率与质量，提高业务转化效果一直是大家不断追求的目标，而大模型的出现，对这些问题的解决提供了一些新思路。大模型的文本生成与图片生成能力，可以在一定程度上解决素材创作生产难的问题。

我们利用大模型的内容生成能力，将素材的要求、业务背景、描述信息等输入大模型，帮助我们快速生成投放素材。同时针对生成的素材通过AB实验，不断观察效果，以进行优化迭代，帮助业务提升转化效果。

以上是京东科技在大模型领域的初步探索与实践成果。在数字化营销的舞台上，大语言模型（LLM）的应用正逐渐展现其巨大的潜力和价值。随着大模型不断地升级和完善，这项技术将为企业开辟了新的解决路径，带来革新的可能。我们持续深入探索并充分利用LLM技术，探索更多的应用可能性，为企业创造更大的价值，同时也为消费者带来更加丰富多彩的数字体验。

4. 结束语

通过不断的技术探索与创新，依托于京东科技数据资产的持续完备，京东科技营销能力更加自动化、数字化和智能化，数据驱动带来的效果也更加明显，数字化营销体系日臻成熟，为京东科技各项业务的发展提供了强有力的支撑，进一步验证了我们一直坚持的技术为本、技术驱动业务的正确性；伴随着大模型的快速发展，技术变革的速度已经远超人们的想象，新一轮的技术革命已经到来，京东科技也在新技术的探索使用方面已经积累了初步经验，但还只是冰山一角，未来将继续深耕。