拥抱Data+AI｜“全球第一”雅迪如何实现智能营销？DMS+PolarDB注入数据新活力

1.导语

本文为数据库「拥抱Data+AI」系列连载第3篇，该系列是阿里云瑶池数据库面向各行业Data+AI应用场景，基于真实客户案例&最佳实践，展示Data+AI行业解决方案的连载文章。

针对雅迪“云销通App”的需求与痛点，本文将介绍阿里云瑶池数据库DMS+PolarDB for AI提供的一站式Data+AI解决方案，助力销售人员高效用数，全面提升销售管理效率。

往期内容推荐：
《大咖说｜Data+AI：企业智能化转型的核心驱动力》
《如何破解电商7大挑战？DMS+AnalyticDB助力企业智能决策》
《玩家去哪儿了？解码Data+AI如何助力游戏日志智能分析》

2.雅迪公司介绍及业务介绍

雅迪电动车是国内电动车行业龙头，销售网络遍布全球100个国家和地区，连续7年全球销量第一，2023年销量达1650万辆。全球累计用户数量超过8000万，终端门店数量超过4万家。公司拥有1900+项专利，研发人员超过1000人，并在民营企业中排名第259位。雅迪在全球设有多个生产基地，包括江苏无锡、广东清远、浙江宁波、重庆、天津、安徽金寨、越南北江和印尼基地。

雅迪云销通App是雅迪科技集团专门为服务商打造的一站式生意解决方案，是支撑服务商业务管理、产品操盘、门店运营、导购赋能的工具。服务商可通过云销通管理销售达成、库存动销、店务检核、人员培训、财务记账等，同时在二网分销协同方面也具备二网五件套，能够提升工作效率、简化日常管理流程。

3.项目需求与痛点

由于云销通面向2000+经销商，是雅迪4w+门店销售人员最重要的营销辅助工具，实际使用过程中面临以下需求和挑战：

1. 雅迪云销通拥有超过50个域，但当前销售人员只能查看已有的报表数据，无法满足更精确的分析需求。销售人员需要实时的数据分析和洞察能力，且需求多样化，比如精确获取当前最新的销售动态和市场表现，以便根据实时信息快速制定销售策略，在抓住销售机会的同时合理控制资金使用。
2. 销售人员不具备写SQL的能力，更倾向于通过交互式问答的模式实时获取最新数据，因此需要将销售人员输入的自然语言提问转换成最终的结果展示，即满足高并发ChatBI需求。
3. 除了精确的数据分析需求，门店销售人员还存在一些通用的问答需求，比如门店开业的活动策划和文案推荐，电动车销售技巧推荐等，希望有一个比较统一的问答入口。换言之，雅迪销售人员需要一个实时的、并发程度高、数据准确率高、涵盖内容范围广并且支持自然语言交互的数据分析和问答系统。

4.阿里云Data+AI解决方案

在今年9月的云栖大会上，阿里云瑶池数据库重磅发布“DMS+X：统一、开放、多模的Data+AI数据管理服务”。该平台通过OneMeta和OneOps两大创新，简化了数据管理与AI开发，实现DMS+X一站式的Data+AI全生命周期管理。在DMS+X之上，阿里云将助力企业数据以最快的速度拥抱AI，落地业务，产生价值。

针对以上问题，阿里云瑶池数据库DMS+PolarDB for AI提供了一站式Data+AI解决方案。

PolarDB for AI是云原生数据库 PolarDB MySQL 版内置的分布式机器学习组件，其基于云原生的体系架构，通过SQL语句提供了一系列支持机器学习的MLOps功能，包括创建模型、训练模型、查看模型状态、查看模型列表、模型评估和模型推理等能力。同时，它内置了一系列机器学习和人工智能算法，包括分类算法、回归算法和聚类算法等。基于MLOps和内置的模型，PolarDB for AI为数据驱动的智能应用提供了高效、可靠、方便的数据智能能力，打破了数据库和应用业务之间的系统墙，提供了基于数据智能的一站式Data+AI服务。

4.1 NL2SQL助力营销数据精准查询

为了让不熟悉SQL语言的用户能方便地从数据库中取数分析，阿里云DMS+PolarDB for AI推出自研的基于大语言模型的NL2SQL解决方案。PolarDB for AI会帮助用户将输入的自然语言转换为SQL语句，DMS支持数据源实例低门槛接入和统一管理，并提供白屏化的NL2SQL调试和知识库管理页面，支撑用户快速上手调试效果。和传统NL2SQL的方法相比，基于大语言模型的NL2SQL在语言理解方面会更强大，生成的SQL语句能支持更多的函数，如日期加减等。

DMS+PolarDB for AI通过自然语言驱动数据查询，帮助雅迪销售人员快速高效使用营销数据。销售人员输入自然语言问题后，NL2SQL对雅迪批发销售、库存、采购、供应链、营销等数据进行精准查询，并支持数据、表格、图表、文字等多种形式进行回答。

例如，当销售人员想要了解某月零售额最高的车型时，只需输入类似“上月哪个车型的零售额最高”这样的自然语言问题，系统会自动将这个问题转化为SQL语言进行查询，迅速从海量数据中提取相关信息，并生成回答。这些回答不仅以数字表格的形式准确呈现销量数据，还能结合视觉化的图表展示趋势，使营销人员能够一目了然地洞察市场变化。

4.2 基于RAG的自由问答系统

检索增强生成（Retrieval-Augmented Generation, RAG）是一种结合信息检索和生成模型的方法，旨在提高自然语言生成任务的准确性和信息性。基于PolarDB for AI的RAG具有如下特点：

• 知识库即服务：用户仅需两步就可构建私域知识大脑。

  • 写入私域数据。
  • 输入问题，得到答案。

• 知识库全自动加工：数据存取、文本分割、向量转换、索引构建、增量处理等数据加工流程，由平台全自动完成。

  • 支持全量、增量数据持续导入，支持数据更新。
  • 系统自动完成查询问题向量转换、语义检索，并将问题和语义检索得到的topK关联内容，填入prompt，调用LLM得到答案，返回给用户。
• 算法模型：默认提供BERT、text2vec、COROM等开源SOTA模型；支持导入自研及客户的算法模型。
• 向量数据库：自研向量引擎，毫秒级低时延，支持向量检索、全文检索，多路召回。单实例支持千万级向量，可扩展分布式支持亿级向量。
• 多算力：CPU、GPU算力统一提供、统一管理，弹性扩缩。
• 企业级特性：支持传输加密、安全审计、权限管理、HA、灾备、在线弹性扩缩、监控告警等丰富的企业级功能，保障数据安全，保障系统高可用。版本在线更新，模型在线更新。

雅迪云销通App采用基于PolarDB for AI的RAG构建开放式问答系统。下面是一个基于PolarDB的RAG的基本流程：

1. 将雅迪知识库里的文档数据导入PolarDB后，执行PolarDB内置的AI SQL，数据会自动被切分和转化成向量。向量的结果会存储在PolarDB的向量引擎，文本的内容会存储在PolarDB的全文检索中。
2. 当用户提出问题后，问题一方面会被自动转化成向量，和文档进行向量匹配，另一方面也会在文档中进行分词检索。
3. PolarDB会将多路召回的结果返回，同时利用通义千问大模型对结果进行总结。

由于客户既要求能通过自然语言查询知识库，又希望用自然语言从数据库中获取数据，我们创造性地将二者结合起来，以满足客户的需求。

针对以上问答和问数结合的复杂LLM应用场景，DMS托管了开源大模型工具链Dify，并与瑶池数据库生态进行了打通，提供无缝集成的使用体验。未来，客户可以通过Dify编排能力，串联起从用户请求到意图识别模型再分发至多个应用执行链路的完整流程。通过判断是否需要问数能力进行问题分发，若为需要，则将问题路由至NL2SQL模型，生成SQL后查询库表获得数据结果，同时通过问答链路的中文本检索过程，获取回答内容，将数据结果与文本内容结合，生成最终答案并输出。

雅迪的云销通App集成了基于PolarDB for AI的RAG，提供自由问答功能，支持为开放式问题提供适用于雅迪员工的标准化策划和文案协助。例如，在新店开业宣传场景中，当用户输入“输出雅迪新店开业朋友圈转发文案”后，自由问答系统即刻生成带有文字、表情、标签的朋友圈标准文案，大大简化了营销人员的物料准备流程，提高工作效率。

5.总结与展望

阿里云DMS+PolarDB for AI推出自研的基于大语言模型的NL2SQL解决方案，以自然语言驱动数据查询，帮助雅迪销售人员快速把营销数据使用起来。通过阿里云瑶池数据库的Data+AI解决方案重构雅迪营销管理APP，客户的10万多名销售人员可以基于实时的数据分析和洞察，以数据、表格、图表、文字等多种形式获取信息，从而实现对雅迪的批发、销售、库存、采购、供应链和营销等数据的精准查询，查询准确率超过90%。

Data+AI为企业提供了新的增长途径，企业必须认识到Data+AI的重要性，并将其作为战略实施重点。通过将Data+AI融入核心业务，企业能够更好地挖掘数据价值，优化运营流程和决策机制，从而促进智能化转型，增强客户体验，显著提升市场竞争力。

未来，通过Data+AI驱动的交互式问答模式，用户能够获取最新数据，并基于实时数据快速制定销售策略，从而全面提升销售管理效率。经过Data+AI架构升级后的雅迪云销通App将具备更强大的功能，不仅可以为门店提供活动策划、文案推荐和电动车销售技巧等智能辅助，还可以针对开放式问题提供标准化的策划和文案协助，进一步加速订单成交，提高整体销售业绩，为雅迪开辟新的业务增长点。