在数字化转型的浪潮中，AI 技术的应用逐渐成为企业提升竞争力的关键。阿里云 PolarDB 技术专家王沛在深圳 Data+AI Workshop 分享中，分享了 PolarDB for AI 在不同行业的应用案例，展示了其在用户流失预测、智能问答和广告领域预测中等相关领域的强大功能和显著效果，为企业AI应用提供了宝贵经验。
一、游戏行业：用户流失预测与付费预测
（一）业务背景
游戏行业作为数据驱动运营的典型领域，众多头部游戏公司通过深度数据分析不断优化用户体验与提升运营效率。然而，在市场竞争日益激烈的大环境下，精准预测用户行为，尤其是付费用户的行为，已然成为游戏公司聚焦的核心问题。某头部游戏公司期望借助 AI 技术能进一步提升运营效率，提出了用户付费预测、流失预测和付费下降预测三个核心需求。
（二） 面临的挑战
1、AI模型效果差：客户目前使用的传统机器学习模型效果欠佳，且缺乏有效的优化策略。
2、缺乏高效稳定的 AI算法平台：客户尚未配备 GPU 支持，缺少模型训练管理和推理服务平台，导致模型无法持续迭代优化和稳定运行。
3、开发效率低：游戏行业对多种模型存在需求，但算法和数据人员相对有限，开发效率难以满足业务的发展需求。
（三） 解决方案
PolarDB for AI 通过以下步骤成功解决了客户的问题：
- 数据准备：对原始行为数据进行格式转换和预处理，生成特征化数据，并将其存储在 PolarDB 中。
- 模型训练与评估：利用 PolarDB 的 AI 节点，创建并评估多种模型，最终选择效果最佳的模型上线。
- 模型推理与应用：对选定模型进行推理，预测用户行为，并将预测结果应用于付费预测、流失预测和商品推荐等业务场景，为运营决策提供有力支持。
（四）14测14模型测试
任务类型 |
通过用户 14 天的行为数据，预测其未来 14 天是否会流失。 |
数据规模 |
使用三个月的数据，约 7 万条记录，其中流失用户约 3500 人。 |
采样策略 |
采用滑动窗口策略，扩充数据规模，提高模型训练效果。 |
模型效果 |
Fscore达到 70% 以上，显著优于传统机器学习模型（40% 左右）。 |
模型分析 |
用户打怪升级后参与社区活动，升满级后因失去兴趣开始卖装备，最终导致流失；用户在抽卡过程中未获得理想装备，进而失去兴趣而流失。 |
（五）业务运营
针对即将流失的用户，提供新的活动或装备，重新激发用户兴趣；而对于在抽卡过程中未获得理想装备的用户，给予关怀和补偿，优化用户体验，从而有效降低用户流失率，提升用户留存率和付费转化率，为游戏公司的长期稳定发展提供有力保障。
二、 制造业：一站式智能问答
（一） 业务背景
雅迪作为一家传统制造业公司，其 “云销通”APP承担着采购、销售、库存和促销活动等核心业务的管理。然而，随着业务的不断拓展和市场竞争的加剧，传统报表系统逐渐暴露出诸多问题，难以满足销售人员对实时数据分析的需求，存在报表覆盖不精准、非技术人员难以提取知识、缺少问答系统查询等问题。
（二）解决方案
PolarDB for AI为雅迪提供一站式智能问答解决方案：
- 数据存储与索引：将结构化数据（如销售记录、库存信息）和非结构化数据（如文档、图片）存储在 PolarDB 中，并构建向量索引，为后续的智能问答和数据分析提供坚实基础。
- 问题解析与推理：用户通过自然语言提问，系统利用 PolarDB 的向量检索能力和大语言模型的推理能力，将问题转化为 SQL 查询，从数据库中提取数据，并生成可视化报告。从而快速响应复杂查询需求，为用户提供更精准的信息支持。
- 文档检索与总结：系统支持检索相关文档，结合文档内容生成总结性报告，提升决策效率和质量。
（三） 技术实现
1、向量检索与推理：利用PolarDB的向量检索和大语言模型推理能力，直接从数据库中提取数据并生成报告，提升数据检索效率。
2、自定义问题支持：系统支持用户添加自定义问题，根据用户数据进行推理，满足多样化业务需求。
3、隐私保护：模型部署在数据库内部，数据处理和推理过程均在数据库内完成，确保数据隐私和安全。
（四）业务效果
1、实时高效数据支持：瑶池数据库的 Data+AI 解决方案为雅迪营销管理 APP 云销通提供实时数据分析和高性能存取能力，支持 10 万多名销售人员基于最新数据进行快速决策，确保数据的实时更新和快速响应。
2、精准灵活数据查询：实现对雅迪多维度业务数据的精准查询，准确率超 90%。支持数据表格、图表、文字等多种形式的信息获取，满足不同用户需求，提升数据查询灵活性。
3、降低运维成本：通过自动化和智能化的数据管理功能，瑶池数据库的 Data+AI 解决方案显著降低了雅迪的运维成本，提升了数据一致性和系统稳定性，进一步优化了整体的运营效率。
三、 广告领域：点击率预测
（一）业务背景
在数字广告市场蓬勃发展的当下，广告投放的精准度与效率成为广告主和广告厂商关注的焦点。某 DSP（需求方平台）广告厂商致力于为广告主提供高效的广告投放服务，以最大化广告效果和投资回报率为目标。该厂商主要采用 CPM（每千次展示成本）和 CPC（每次点击成本）两种投放模式，通过精准预测用户点击广告的概率，优化广告投放策略，提高广告的点击率和转化率。但广告投放业务面临高QPS需求、低RT要求和精准预测用户点击概率等挑战。
（二）解决方案
PolarDB for AI 为该广告厂商提供了以下解决方案：
- 数据准备：对广告曝光数据和点击数据进行加工处理，形成训练数据和测试数据，为模型训练提供高质量的数据基础。
- 模型训练与评估：在 PolarDB 中进行模型训练，支持多种模型选择，根据业务需求和数据特点，选择最优模型进行部署。
- 模型部署与推理：将训练好的模型部署为在线服务，用户请求时进行实时推理，快速返回预测结果，确保广告投放的实时性和精准性。
（三）技术实现与优势
PolarDB for AI 在技术实现上具备以下优势：
- 响应时间短：无需SQL解析，直接通过 HTTP 请求进行推理，响应时间极短，满足广告投放对低延迟的要求。
- 支持节点扩展：根据业务需求动态扩展 AI 节点，灵活应对不同业务场景下的流量高峰，确保业务流畅运行。
- 支持用户自定义模型：允许用户将已有模型部署到 PolarDB 中，满足不同用户的个性化需求，提升系统的灵活性和适用性。
（四）业务效果
通过 PolarDB for AI 的解决方案，该 DSP 广告厂商实现了广告投放的高效优化：
- 提升投放精准度：精准预测用户点击概率，优化广告投放策略，显著提高广告点击率和转化率，为广告主带来更高的投资回报率。
- 保障系统稳定性：在高流量时段，系统依然能够稳定运行，实时响应用户请求，确保广告投放的流畅性，进而提升用户体验。
- 增强业务灵活性：支持用户自定义模型，能够快速适应市场变化和业务需求调整，为广告厂商在激烈的市场竞争中提供有力支持。
四、总结
最后，我们再来总结下PolarDB for AI三大核心优势：
1、一站式AI，高性价比：PolarDB for AI 实现存储与AI推理的一体化，支持丰富的AI模型，并可作为Data+AI平台的坚实基座，为用户提供了无缝的智能数据处理和分析体验。
2、隐私性强：通过确保数据不出库，所有AI模型和数据均安全地存放于客户数据库中，PolarDB for AI 强化了数据隐私保护，让企业能够自信地推进AI项目，无需担心数据泄露风险。
3、开发简单：开发者可以完全通过SQL语句执行机器学习任务，简化了开发流程，方便模型的集成和部署，极大地降低了技术门槛，使得数据智能应用的开发更加高效和便捷。
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，打破了数据库和业务应用之间的系统墙，提供了基于数据库数据智能的一站式服务。
五、未来展望
PolarDB for AI在游戏、制造业和广告领域的应用案例展示了其强大的功能和显著的业务价值。展望未来，阿里云 PolarDB 技术专家王沛表示，随着 AI 技术的不断发展，PolarDB for AI 将持续优化和扩展其功能，以更好地满足企业不断变化的需求。他强调，PolarDB for AI 将进一步提升其在多模数据处理、实时分析和智能推理方面的能力，助力企业在数字化转型中迈向更高效、更智能的未来。
