基于多智能体营销策划方案效果评估反馈方法及系统与流程

本发明涉及营销策划，具体涉及基于多智能体营销策划方案效果评估反馈方法及系统。

背景技术：

1、在营销策划行业，现有工作模式普遍依赖人工完成数据收集与分析工作。具体表现为：策划人员需手动从多个数据平台下载原始数据，经人工整理后形成市场洞察报告、人群分析报告、竞品分析报告，再据此输出策划方案。项目执行结束后，复盘工作同样依赖人工汇总投放数据与实际效果，对比预期目标后撰写复盘报告。此外，舆情监测工作通常由人工定期检索并筛选相关信息。上述工作流均为人工驱动，各场景数据相互割裂，缺乏系统性的数字资产沉淀机制。

2、现有技术通常存在以下缺陷：

3、人工数据整合效率低：策划各阶段（市场洞察、人群分析、竞品分析）所需数据分散于多个外部平台，需人工逐一导出、清洗、汇总，流程繁琐且易引入人为误差，难以支撑高频、规模化的策划需求。

4、历史项目经验难以沉淀复用：项目复盘报告以非结构化文档形式存储，缺乏统一的数据模型与索引机制，导致历史案例中的策划策略、人群特征、投放效果等宝贵经验无法被后续项目检索与复用，形成知识孤岛。

5、ai辅助创意输出缺乏业务上下文：现有通用大语言模型在生成策划创意时，无法感知企业历史项目数据、客户品牌调性及行业积累的领域知识，导致输出内容通用性强、定制化不足，难以直接应用于实际业务场景。

6、多场景数据流转缺乏协同机制：策划、复盘、舆情三大场景之间数据流转依赖人工传递，缺乏结构化的上下文传递与知识回流机制，整体业务运转效率受限。

7、营销行业需要一定的专业基础，传统模式下受限于人，人员能力的不均衡、人员的流动性，都会造成输出标准的巨大差异，为营销行业中最核心的服务能力增加了巨大的服务难度；

8、能力和结果均沉淀在人身上，对于企业而言并未沉淀出可复用的方法论、过往服务数据资产信息也无从沉淀归纳，不利于企业实现长线服务。

技术实现思路

1、本发明的目的是提供基于多智能体营销策划方案效果评估反馈方法及系统，以解决现有技术中的上述不足之中的至少之一处。

2、为了实现上述目的，本发明提供如下技术方案：基于多智能体营销策划方案效果评估反馈方法，包括以下步骤：

3、s1、采集历史营销案例数据，提取实体及实体间关系，构建以实体为节点、以实体间关系为有向边的知识图谱；同时，基于历史营销案例数据构造三元组，对通用嵌入编码器进行训练微调，得到领域嵌入编码器；

4、s2、接收用户输入的任务参数，通过数据接入层调用多源数据并进行标准化处理生成业务数据对象；

5、s3、使用多个洞察智能体对所述业务数据对象进行并行分析，得到各维度的洞察结论及对应置信度，依据置信度将各洞察结论加权融合；

6、s4、根据所述任务参数动态构建提示词模板；

7、s5、基于所述任务参数构造检索键，使用所述领域嵌入编码器将检索键编码为查询向量，在预先构建的通义向量库中执行向量检索，同时在所述知识图谱中执行路径检索，将两路检索结果融合并精排，对精排后的候选案例执行上下文压缩，得到压缩后的上下文；

8、s6、将所述压缩后的上下文、所述加权融合后的洞察结论及所述提示词模板组装为增强提示词，输入大语言模型生成多个候选策划方案；

9、s7、将所述多个候选策划方案的生成过程映射到以所述知识图谱的有向边为轴构建的特征空间中，形成用于追溯各候选方案的生成路径；根据预训练的效果预测模型或知识图谱相似案例检索对各候选方案进行效果预测，得到各预设核心效果指标预测数据，经加权平均得到预测效果综合评分，按预测效果综合评分筛选并推荐给用户。

10、进一步的，所述方法还包括对所述知识图谱进行更新，包括以下步骤：

11、在候选策划方案实际执行后采集各核心效果指标实际数据，计算各核心效果指标预测数据与对应核心效果指标实际数据的偏差，生成误差矩阵；

12、将新案例的实体及关系写入知识图谱，并将该案例的误差矩阵作为节点元属性存储；

13、对于误差绝对值小于第一预设阈值的维度，提升该维度对应关系路径的置信度；对于误差绝对值大于第二预设阈值的维度，降低该维度对应关系路径的置信度，使边权重的调整精确到维度级别；

14、若新案例与已有历史案例的策略特征相似度超过预设阈值，且两者误差矩阵在对应维度上呈现同向偏差且偏差差异超过预设偏差差异阈值，则下调该历史案例在该维度上的置信度；

15、若新案例与已有历史案例策略相似但误差矩阵呈现反向偏差，则触发生成环境条件约束关系并写入知识图谱，作为额外检索条件；

16、将误差绝对值均小于第三预设阈值的案例作为正样本、存在任意维度误差绝对值大于第四预设阈值的案例作为难负样本，收集生成领域嵌入编码器的增量微调训练集；

17、当增量微调训练集中累积增量样本达到预设规模时，使用增量微调训练集对领域嵌入编码器进行增量微调。

18、进一步的，所述s3包括以下步骤：

19、通过调度器识别多个洞察智能体之间无数据依赖关系后，将所述多个洞察智能体标记为并行节点同步触发，各洞察智能体读取对应的业务数据对象，所述多个洞察智能体至少包括市场洞察智能体、人群分析智能体和竞品分析智能体；

20、对每个洞察智能体输出的数据完整度、数据源质量评级和多次采样模型输出的一致性三项指标进行加权计算，得到对应洞察智能体的洞察分析结论向量及置信度评分；

21、加权融合时，以各洞察智能体的置信度评分为权重，对洞察分析结论向量进行加权融合，依据置信度评分的权重比例对洞察分析结论向量在后续提示词组装中占据的比重进行分配，并在检测到某一洞察智能体的置信度评分低于预设最低评分阈值时，将对应洞察分析结论向量标记为低可信输入，在加权融合时对该洞察分析结论向量的权重执行降权处理或触发对应业务数据对象的补充数据请求。

22、进一步的，所述s4包括以下步骤：

23、根据从任务参数中获取的行业类目从预设提示词模板库中匹配对应的行业专属基础框架；

24、根据从任务参数中获取的品牌调性标签向对应的行业专属基础框架中注入差异化的预设创意风格约束和预设禁用词规则，形成带有策略侧重槽位的提示词基底；

25、根据从任务参数中获取的任务类型动态填充所述提示词基底的策略侧重槽位，得到策略侧重模块作为完整的提示词结构体。

26、进一步的，所述s5中所述向量检索、路径检索及将两路检索结果融合并精排，包括以下步骤：

27、向量检索：将历史营销案例数据清洗为结构化的案例样本，并提取对应案例样本元数据，使用所述领域嵌入编码器将案例样本编码为历史案例向量，将历史案例向量与对应案例样本元数据关联后收集，生成通义向量库；使用领域嵌入编码器将检索键编码为查询向量，在通义向量库中执行余弦相似度计算，召回相似度最高的前n个候选案例，n为预设正整数；

28、路径检索：以任务参数中的品牌调性标签和行业类目为起始节点，在所述知识图谱中按预设路径范式执行多跳路径查询，并按效果评级筛选，保留评级为预设第一评级阈值及以上的案例；

29、将两路检索结果融合并精排：两路检索结果通过倒数排名融合算法进行合并，融合得分公式为：

30、

31、其中，r为检索方法集合，为文档d在第r种检索方法中的排名序号，k为平滑常数；

32、融合后使用交叉编码器重排序模型进行精细评分，取评分最高的前k个案例作为精排结果，并通过相关性阈值过滤剔除低分项，其中，k为预设正整数。

33、进一步的，所述上下文压缩，包括以下步骤：

34、采用longllmlingua压缩框架，以小型语言模型作为代理模型计算精排后的候选案例文本中每个标记的条件困惑度；

35、根据所述条件困惑度从低到高对标记进行裁剪，保留困惑度高于预设阈值的标记；压缩过程中采用从粗到细的渐进策略，先按预设压缩比的倍数进行粗粒度裁剪，再在标记层面进行精细裁剪以达到目标压缩比；

36、压缩后的上下文长度为目标原始长度的四分之一至三分之一，且经语义一致性校验确保不产生语义断裂。

37、进一步的，所述s7中特征空间通过以下步骤构建：

38、以知识图谱中的有向边集合作为特征空间的坐标轴，每条有向边对应一个特征维度，通过预设映射函数将每条有向边的属性映射为一个取值范围在0到1之间的标量作为对应有向边上的坐标值；

39、在大语言模型生成候选策划方案的每一解码步骤中，将模型输出的关键决策点与所述知识图谱中对应的有向边建立映射关系，记录该步骤在特征空间中对应的有向边及坐标值；

40、将同一候选方案的所有坐标值按生成顺序连接，形成该方案的生成路径；

41、输出策划方案时，同时输出所述生成路径图，所述生成路径图上每个坐标值关联对应的历史案例标识和效果评级。

42、进一步的，所述s7中的效果预测模型通过以下步骤预训练：

43、从历史营销案例数据中提取方案的结构化特征，所述结构化特征包括策略类型、预算规模和渠道组合，将所述结构化特征编码为第一特征向量；

44、通过图嵌入方法生成历史案例在所述知识图谱中对应节点的图嵌入表示，作为第二特征向量；

45、将所述第一特征向量与所述第二特征向量拼接后为模型输入，以历史营销案例的各核心效果指标实际数据构成的向量为监督标签，对lightgbm或xgboost模型进行多输出回归训练，得到效果预测模型，用于基于输入的候选策划方案输出各核心效果指标预测数据，将各核心效果指标预测数据通过加权求和得到预测效果综合评分。

46、基于多智能体营销策划方案效果评估反馈系统，包括：

47、数据接入层，通过派查平台开放接口调用多源数据，经字段映射、异常过滤与语义标注后输出标准化业务数据对象；

48、资产沉淀层，包含关系型数据库、缓存数据库、向量数据库和图数据库，所述图数据库存储由实体及有向边构成的知识图谱；

49、模型层，部署有大语言模型和嵌入编码器；

50、agent层，包含市场洞察智能体、人群分析智能体、竞品分析智能体和策划生成智能体，基于有向无环图编排各智能体执行顺序，其中市场洞察智能体、人群分析智能体和竞品分析智能体在无数据依赖时并行执行，策划生成智能体在前三者输出就绪后激活；

51、应用层，接收用户输入的策划任务参数，呈现候选策划方案及复盘报告；

52、复盘系统，采集实际执行效果数据，经人工确认后将复盘结论回流至所述向量数据库和所述知识图谱。

53、与现有技术相比，本发明提供的基于多智能体营销策划方案效果评估反馈方法及系统，在知识图谱中以有向边为轴构建特征空间，将llm生成策划方案的每一步决策映射为特征空间中的坐标点并连接形成生成路径，使方案的各组成部分均可追溯至具体的历史案例及知识图谱关系，为策划人员的审核与调整提供了透明的决策依据，有效解决了llm生成过程的黑盒问题，提升了用户对生成结果的信任度。

54、通过在rag检索后引入上下文压缩步骤，通过代理模型计算提示词中每个标记的重要性评分，优先裁剪携带信息量低的标记，并结合粗到细的渐进压缩策略，在保留关键信息的前提下将上下文长度压缩至原始长度的四分之一至三分之一，有效缓解了长上下文导致的信息过载与位置偏差问题，降低了推理延迟。

55、通过将方案实际执行效果与预测效果逐维度比较生成误差矩阵，并基于误差矩阵自动更新知识图谱中有向边的权重及效果评级，使知识图谱能够根据真实执行反馈持续优化其检索优先级，形成闭环更新，有效防止过时经验对后续策划的持续误导，实现知识资产的持续增值。