2017年入職，2019離職，2年社交產品后臺的工作，讓我對后臺產品有了很多思考與總結；匯總成這3萬字，分上中下三篇發布，此為中篇。希望能對大家有所幫助。

接上篇，繼續講第二部分：做事節奏。

7. 入庫流程模擬

當結果數字被驗證方案確定無問題，開始推進。

在推進前，先要畫流程模擬，來思考如何收集完整這些信息，以及都需要調用哪些服務來實現。

首先，需要注冊者提供需要入庫的博主唯一標識，而后進入抓取服務，將提供的博主基礎信息和內容信息下載至數據庫存儲，獲取完信息后通知注冊者，進行SKU編輯；同時AI接入進行模型評估，而后博主被分級、估價，用于被劃分不同組別的博主運營手中；最終評估完畢后打上對應標簽，注冊者提交審核，內部的博主運營接手進行審核，完成后資源被決定予以上架還是駁回的動作。

入庫完成上架后，后續的博主運營接手進行包裝、推至前端等工作，平臺有對應的包裝工具與CMS。

8. 收集ID

根據模擬流程圖，第一環節，就是收集ID。

主要有兩大角色參與：第一自然就是注冊者本身，第二是機器抓取。

注冊者本身，需要提供入庫的博主唯一標識，才有后續的評估、交易等一系列業務動作。

所以第一步是提供唯一標識，對于我們的業務，唯一標識就像微信的ID或者是微博的ID或者是抖音的ID之類的。

9. 抓取

當注冊者能夠很方便地上傳自己的帳號信息時，我們的機器將接手后續的工作。

首先，抓取組會插入高優先級的入庫抓取任務——他們會根據你提供的博主鏈接，去反查博主的基本信息（比如昵稱、頭像、簡介、粉絲數等），這些信息構成了數據庫里的唯一博主信息（也就是SKU里面的基本信息），所有的附加數據、業務數據、交易數據等都會根據這條ID做關聯。

然后，抓取會異步下載每個博主的前15篇內容，直接推送至AI的數據庫，并主動通知AI——這是最高優任務。

最后，抓取會在每日凌晨，異步下載這個博主的全部內容，存儲在OSS（數據很大，需要消耗資源），隔天早上AI會主動獲取新增后，用于分類更新等動作。

為什么要通過抓取而不是不通過商務洽談的形式拿到官方數據權限？

是因為社交廣告的增量太過于迅猛了，各家社交平臺自己也都在做廣告交易平臺，我們產品無異于社交平臺的競品，無可能談接入的工作；而且自家對于數據越來越保密，加密/封鎖/反扒的手段層出不窮，不僅只能通過被動渠道的數據獲取，而且成本還很高——這也是為什么上述說提升動銷率，博主分級是很重要的一個行為。

七、AI概述

當AI接手后，核心會輸出分類、內容質量分和營銷度分。

方式是會將前15篇內容進行特征分析，用于博主的分類工作，這是最高優先級的動作——因為注冊者還在等公眾號入庫成功的通知。

至于為什么要通過AI計算，因為AI是相對客觀的，之前一直是人工標注，但是人工的問題在于情感化嚴重，并且效率較低，雖然短期內準確率可能超過AI，但是中長期看無法和AI抗衡。并且人工標注所積累的信息和內容，沒法沉淀至平臺，都在每個人的腦子里裝著，所以大勢是AI分類取代人工。

在分類工作中，AI先用NLP提取文本特征，或圖像識別提取畫面特征，結合業務長期對模型的調整，提取分類特征，完成分類的工作。

這里不得不提一下AI分類在推進的過程中繞的一個彎：

在實際業務中發現：永遠無法將某個博主下面的全部內容鎖死在一個分類下，也無法將每篇內容鎖死在一個分類下。

我最初簡單的以為，每個博主的分類就是單純的取每篇文章的分類加和，將頻率最高的相關詞打上變為分類——但發現準確率非常不理想。

我馬上反應過來方法錯了。

向上匯報后，最終招了專業的AI、算法組，積累了些時間大力氣開發，才交給NLP去結合文章類型、版式、關鍵詞、上下句、原創標記，甚至后面再會把博主本身的昵稱、頭像一起綜合判斷了，博主本身信息的權重是號主本身的初衷，這個權重比后面內容的權重要高。

在內測的時候，先從當時庫內的十幾萬資源下手，去運行模型，第一輪不行，人工標注（我和運營一起）；提交，去優化，再試運行，還不好，可能上次是針對性的調整了badcase，可上次的goodcase調完以后變成badcase了；再去調整，收集無數場景和反饋后，來來回回可能有2個月的時間，才初見成效。

另一個困難就是統一認知，也就是每個人對每件事的理解都不一樣：可能他認為這個結果挺好，另一個人就覺得不好。

針對這個問題，我們能做的一個是增大樣本量，一個是盡可能去做一個相對完善的反饋流程和機制。

因此我們對每個有需要反饋的地方反饋功能，這個反饋是相互的，也就是機器會告訴人，我為啥打了這個分類；而人在進行調整的時候也會看到機器的這個思考，后續在人工修改的時候，都會收集5大信息。場景，是tag的形式，用于判定不同的人在不同場景下判斷同一個東西會出分歧的差異。

錯誤的內容分類，是以tag形式，筆誤還是計算錯誤，還是理解錯誤之類的；錯誤的具體內容，截圖；以及預期的結果；每一個錯誤的反饋節點都要收集，最主要是在入庫、評估、機器分類這里。比如上述分類的案例，在反饋中，這就是A說可能是A分類，B說可能是B分類，那么A就要充分說明原因——是哪段話或者哪個畫面讓你覺得是A分類，詳盡描述反饋給分類模型，才能讓分類模型越來越聰明。

1. 分類

最終明確8大分類：母嬰、美妝、汽車、快消、游戲、知識教育、美食、vlog和無法確認的其它分類。每個分類的內容邏輯肯定都不一樣，加權到博主分類上的邏輯和閾值也都不一樣。

比方說機器識別到他有3篇內容是美妝，5篇是母嬰，7篇是游戲，這時候怎么辦？

——這種情況一般博主質量也不咋地。

根據長久的經驗看，同時發生這三種分類的，機器會再結合其它特征去計算真正的博主重點，比如原創標記、版式等。

但假設完全一致該怎么辦？

根據長久以來的人工經驗判斷，就有可能這個博主是美妝博主——不是最高也不是中間，反而是最低的，這就是大量人工訓練集的結果。

我們后續解讀可能是：出于美妝內容的創作成本比較高，不容易出題材，其它的類型比較簡單，博主可能會相對穿插；但是若把游戲換成汽車，可能這個人的分類就變成汽車了，全是不一樣的。

那么，有些博主身上看到的有些情況是單分類，有些的時候是三分類，差不多也是一樣的道理——沒準剛剛的博主就是母嬰+美妝分類呢。

目前準確率只在60%左右（這已經很厲害了，偏感知層面的技術，從來準確率都不是很高的，但是已經可以很大程度減少人工了）。

我們在輸出分類的時候，會在頁面上給審核同學看，為什么機器打上這個分類，如果機器十分確定，置信度高，會標綠；機器不確定，置信度一般，會標黃；機器懵了，置信度低，會標紅。綠色人工可以不干預，黃色會在提交的時候閃一下提示你看我一下，紅色必須干預去矯正我。

對于視頻分類的判斷，還會更復雜一些，我們主要去用ASR技術來去識別語音轉文字，然后再用NLP接手，有一些視頻還會日常帶字幕，也會用OCR技術來去識別字幕，用于內容質量打分的服務。

同時由于視頻的特殊性，我們的視頻博主的審核臺與文本類也是不一樣的，會將博主的視頻以時間軸形式展現，下方呈現一個一個機器識別出的tag，而最上方與博主信息在一起的部分，就是機器認定的博主的分類情況，博主運營也相對方便地修改機器標簽。

2. 內容質量分

內容質量分的核心是內容的連貫性，內容質量分主要服務于我們的業務線劃定。

我們只有2條業務線，標準化交易業務線，非標交易業務線。對標準化交易業務線的博主內容質量要求不高，基礎數據到達一定量級就可以；對非標博主的內容質量要求非常高，因為要幫助客戶制作原創創意軟文或軟廣了。

對于微信文本，我們會將連續的低營銷度的內容，分類進行串行觀察，看是否能在同一點陣聚類；原創標記占比，非原創內容重合度占比；內容的排版是否相似，我們調用第三方的編輯器一起做這項工作；文章長度是否都在某一區間，這些都是用于判定內容質量的特征。

當連貫性大于某個閾值時，比如說0.8，我們就判定博主為高質量原創內容。

對于微博，單從內容判斷就很難了，我們需要判定博主的互動情況，結合內容查重；判斷互動的比例如何；和他互動者的博主都是誰，頭像、昵稱、時間軸是否有水號嫌疑；是否會員加V等信息來判斷博主質量。

對于視頻，仍然從內容質量度去切入。比方說剛剛說的OCR識別字幕，是否每個視頻都會帶字幕；是否聲紋是一致的（調用的百度識別服務）；是否出現的主體（人物和場景）都是一致的（百度服務）；橫屏豎屏、內容長短、視頻質量，綜合和微信差不多，串連起來判定博主的內容質量分，這就是為什么剛剛舉的例子，那個可能不是一個好博主的原因。

3. 營銷度分

最后AI會輸出這個博主的營銷度評分，我們主要來根據這個博主的營銷特征判斷它的商業化程度，供后續的估值模型影響博主價值和分級。

在業務中，供庫存模型進行計算該博主的庫存周期和庫存數量。

營銷特征主要包含：

文本里面提及了文字，像促銷、銷量、折扣、價格、寶寶們等；還有一些二跳里很明顯的像閱讀原文URL、二維碼、URL、淘口令等；深層一些的比方說小程序的標題名字是否帶營銷傾向，小程序跳轉后的主頁是否類電商，對圖片的細分判斷比如圖主體是什么，主要識別角標位置，是否帶品牌logo、價格、日期，或一些其他營銷類的用語，結合OCR技術；對視頻來講，主要是是否帶櫥窗，以及ASR轉化為文本后，NLP接手，這個過程和文字處理是一樣的。

以上都是我們大量數據分析之后的一些結論，不可能窮舉，全部的特征詞大概上千個。

其實這個過程是線性流程，但是AI是個黑盒，他是一起輸出，計算也是一起計算，我們矯正也是一起矯正，所以3組數據之間可以互利互惠。

目前所有數據也都可以為空。一般情況下不會出現為空，一旦為空會稍后重新計算，每個值會最多計算3次，如果最終還是為空，會寫入null，并發送短信通知對應的算法工程師，第二天予以排查。

打分情況會影響估值和間接影響登記，若為空則打分與等級也會響應為空，因為沒有基礎數據供加工計算，此時后續影響的博主分配邏輯也會有異常分支，會將這類博主只派發給一個特殊的組去處理；他們的經驗相對豐富，可以脫離機器和自己的主管，客觀補全對應的數據。

當AI計算完畢后，將信息更新至數據庫，并且公眾號會推送通知，通知注冊者進行人工填寫后續的能力內容，這時候人工需要填寫的就是剛剛所說的SKU里面的屬性信息，主要是銷售屬性的能力信息，也就是玩法，行業。頁面我就不詳細再說了，剩下的非銷售屬性中的條款，大部分預設條款可以下拉便利填寫，一些自定義輸入文字的，后續人工會審核。

總之，最終需要收集的結構化的信息就是，哪個博主可以做哪個行業的客戶，可以為這個客戶提供怎樣的內容形式，每一種內容形式編輯特殊條款，條款通用條款是不可修改的，這是平臺約束力體現，之后注冊者的工作就完成了，會提交進行審核。

與此同時，AI除寫入數據庫外，還會將結果推送至下一個服務——估價模型。

八、老數據處理策略

當上述完成以后，理論上入庫的初始環節也就結束了。

1.新注冊博主新填寫即可；老庫里的博主數據清洗也要進行；

2.歷史發生交易的博主，我們利用之前的訂單分類，直接賦予相關的能力SKU，結合訂單中的權益信息，直接寫入，寫入完成后通知博主進行檢查；

3.沒有發生過交易行為的博主，先進入下面的分級模型；

• 等級過低的博主直接放棄；
• 一般類型的博主通過短信等通知手段，召回博主進行填寫；連續3次召回不填寫的博主，也將被放棄。
• 每次的SKU修改是有鎖定期的，雙微30天內修改1次，抖音快手7天修改1次。

1. 估價模型

估價模型這是非常重要的一個模型。估價是用于分級的，估價模型是一個通用服務，就是根據AI輸出的分類、內容質量分、營銷度打分，和基礎數據（比如粉絲數、內容平均數據、內容發布頻次等），用已有的訂單的同類博主的訂單價做聚類分析。

估價是十分難控制在一個單點的，我們最終不斷調整、不斷細化的點就在于不同的三個維度下，控制左右區間的大小，盡可能擬合最終的訂單結果，不斷調整。

最初的時候，準確率確實不太高，只有三成左右；慢慢隨著時間推移，標注矯正的數據越來越多，目前的博主估價模型的準確率已經能到八成了。準確率的判斷是由運營改價比例的指標間接得來，中間也會有許多其它因素，比如暴增粉絲、斷更、封號等，計算方法中會減去。

報價模型輸出的報價，就是商品信息中不可確定信息中價格的部分，非常重要，提供完整的商品信息，計算保證金以及客戶前置化參考決策用。

對報價模型，最簡單的理解就是：基于估價的基礎上，融入了客戶的消費行為模型。

比方說有個客戶，一直投放的資源單價都比較高，客戶在頁面上選擇博主的時候，頁面上顯示的報價范圍可能就要比別人貴，因為我們知道貴點你承受得起，這個是要結合下單率來去優化的。當下單后，當博主回復價格以后，我們會進行二次報價，在客戶的承受范圍內——這其實已經是采銷分離了。

不單單是客戶本身的維度，還要融合當時的這個博主的庫存情況（庫存模型的部分我最后介紹，這里我提一下，也就是調用庫存模型獲得庫存信息，庫存越小，越貴；庫存越多，越便宜）。

報價的作用除了展示給客戶看以外，在下單的時候還會根據計算的報價結果，收取一定比例的保證金，這個保證金一定是小于最終的訂單價的，并且是可折用的。如果這途中客戶取消訂單，或者撤單客戶原因，這個都是不退的。

2. 分級模型

估價完畢后會觸發下一個模型：開始將博主分檔定級，后續關聯的就是資源運營責任組的接手劃分。

這與組織結構有關，也就是某些組去接手某個分類的某個業務線的博主，或者是某個業務線的博主不分分類全歸他。

根據AI輸入的分類、營銷度、內容質量以及抓取提供的基礎數據，和估價模型輸出的價格，就可以分級和劃分業務線。

目前一共有5個大等級：ABCDE，對應著不同的運營策略——A最好，E最差。

通俗易懂的分級就是越貴的，營銷度適中的，分類區間下基礎數據越好的，博主等級自然越高。內容質量決定業務線，高質量的原創類業務博主，每一條如何定級，都有運營很細的規則，我們的后臺支持運營去配置每個字段到達的條件歸類為哪檔。

當分檔定級結束后，進行博主劃分，會打上博主運營的ID，基本只要不離職，這個博主在公司的除訂單外的全部行為都由他來管了。

綜合打分越高的資源可能會集中在打分越高的博主運營的手里（我們的博主運營也是有打分的），高分博主運營的權限更大，因為要更好的維系他們，可能會給一些特殊返點上的政策優惠；或者是服務質量變高，比方說一對一運營，比方說7*24小時運營。

人員分級

博主運營的分級制度是比較簡單的，沒有像業務上那么復雜。大體由在職時間、執行率、創收GMV、響應速度、抽檢合格率、定期考試評分、職級這幾個因素構成。

博主運營的等級分為SABC，看業務能力評定。所以S博主匹配AB資源，A博主匹配BC資源，B博主匹配CD資源，C博主匹配DE資源，這樣也是按能力去劃分，變相激勵業務的工作積極性。

3. 認知模型

首先會根據我說的邏輯進行分組，不是每個運營都能看到全部的資源的。

其次，每個等級的資源還會根據認知模型，詳細劃分為紅燈、黃燈、綠燈和特殊的星標資源。

認知模型是結合了交互數據、基礎數據、AI數據、估值數據、等級數據后精細劃分的，主要用于分組后判斷處理優先級使用。

綠燈資源簡稱為非異常資源：從上述的數據來看，他是比較正常的，可以令人放心的，可以交付給機器進行處理的資源。

這里主要增加了交互數據，也就是頁面級的數據，我們主要看的是交互數據里面的報錯位置、數量、填寫間隔時間，以及填寫內容綜合去判斷博主是否是正常的。比如填寫的時候，每字填寫時間大約為2秒，結合博主本身的基礎數據、分類數據等，去判定去判斷他應該填寫的能力和權益等信息。若符合模型的曲線，我們將把它劃分為綠燈資源；若有一些異常，比如能力和機器分類不相符，我們將劃分為黃燈資源，有可能是我們機器分類不準確造成的；剩下的異常情況我們都會畫分為紅燈資源。

星標資源的意思是：無論他填寫是否正常（認知模型評估是否正常，是否符合機器曲線的預期），當某個博主基礎數據過高時，超過同分類（比方說10%），我們一律把這類資源變為星標資源，會劃到特殊的分組去跟進，人工重點進行關照處理，因為很有可能他就是核心售賣的資源。

而黃燈資源，人工會介入查看黃燈的原因。

紅燈資源一般不是數據出了問題，而是基礎數據量級過小，不值當入庫維護的，優先級放低；當然也會有數據錯誤的情況，我們都放在一起了，會有詳細的錯誤提示運營進行針對性的篩查和修正。紅燈資源一般是等綠燈和黃燈都處理完畢后，進行處理，也會有排序規則，比如基礎數據量級不錯的，嚴重超出認知模型的在前面，運營優先跟進，有可能是我們模型錯了，基礎量級過小的是最弱處理或者不處理，因為就算處理了，也不會有客戶挑選達成交易的，投入產出比不劃算。

不同資源的后續處理也是不一樣的：隨著紅黃綠，人工接入從重到輕，比如最理想的綠燈資源，我們可能接入后，系統會觸發機器語音電話，回撥至號主，詢問幾個問題，證明博主是他本身的——比方說papi醬是你的嗎，他目前有多少粉絲，他從什么時候開始發布內容的，最近一篇內容的標題是什么等問題；如果是號主，一定會回答出來。

若無問題，則會進入下一項機器審核環節，若有任何問題，綠燈資源將會降級為黃燈資源，人工會介入。

審核環節，綠燈沒啥審的。如果不是新注冊的主博主，是之前注冊的主博主補貨，那么這個資源就已經完成了入庫過程，會直接上架，等待被挑選、交易；如果是新注冊的主博主，會推送一封郵件至填寫的注冊郵箱中，并短信通知，主人填寫供應商信息，這個信息所有的結算、管理，都是以此維度進行的。

九、供應商信息

供應商信息主要包含兩類：一個是基本信息，一個是財務信息。

基本信息就是名字、聯系人、電話、地址、營業執照和供應商等級，除去等級，其它信息是供應商填寫的。

等級是系統根據他名下的資源等級和他貢獻的GMV，每個季度評定一次，新注冊的就只有資源等級。

財務信息包含幾類：

• 類型：個人還是機構，對應的稅率是不一樣的；
• 打款信息：打款博主、戶名、銀行；
• 基本合同條款：主要包含服務年限和返點框架，年限從1年至永久都可以選擇，返點框架可以根據時間維度選擇邏輯規則，時間維度包含月、季度、年，邏輯規則包含區間內采購數額，區間內采購次數，區間內利潤數額，設置對應的返點比例，比如每月采購10次，即返點10%，或每年采購至少50次，返點25%。

這類信息是有默認的，怕一些號主不知道什么意思，默認是系統根據運營錄入的邏輯進行默認，比如某些量級的粉絲，某分類的博主幾個的時候，這個供應商對應怎樣等級，給予多少年的服務年限，以及返點的邏輯。

當號主填寫完這信息后，即可提交返回系統進行驗證，我們此時會調用企查查的驗證服務去驗證企業資質，若無問題，會推送至人工，進行終審；終審通過后，會直接郵件下發電子合同至郵箱，通知號主確認。

當確認完成后，商業契約即建立，合同也是第三方提供的電子簽章服務工具，具有法律效應，一式兩份，公司和供應商分別留存；資源會在合同確認后，自動上架。

——這就是綠燈資源的入庫上架流程，至此完成。

一般運營都在審核平臺進行工作，審核中心的核心功能就是審核資源的基本信息、博主信息、企業信息和合規性，有問題的電話、郵件、短信核查，修改，上架，沒問題的自動上架。主要的功能也就是信息的核查和修改。

核查會列出詳細的報錯理由，供運營針對性的解決建議。我搭建的時候不是很復雜，最復雜的部分還是權限，但是我只要劃分好角色，每個角色能干啥。

十、入庫詳細流程圖

博主信息架構的基本構成也就是上述所說（當然還差一點評論的部分沒有講到：商品必須包含交易后的評價才叫完整的商品；但評價過于業務強相關，我在介紹訂單項目的時候再一起介紹）：

至此，一個博主的入庫上架售賣的處理，才算結束。

最終應用層面，客戶進到頁面，可以看到這個博主有什么服務能力（SKU），能幫我做什么事，我能獲得怎樣的權益，需要我提供什么，你制作需要多久，而預估的報價是多少錢，我能否承受，價格飆高的原因是什么，沒檔期還是本身就貴還是怎樣。

在重構前的業務形態下，遇到的所有問題，幾乎全部都能解決了，在看到的時候，就能決策是否還需要動用低效人工，這也是重構的價值。

十一、采購預警

采購平臺在后運行期間，其中非常重要的一個功能就是采購預警。

采供預警非常重要的一個核心模型是供需模型，會每小時為維度提供當前庫內的供需曲線，分行業、分價格、分平臺的，供采購者決策判斷該去主動補庫存哪些資源。

供需模型的主要構成是硬性因素和軟性因素，也就是結合了電商采購里的定期補貨模型和定量補貨模型：

• 硬性因素就是定期補貨模型，主要是能做這個分類的博主數和這個博主的可調用庫存；
• 軟性因素就是定量補貨模型，是在于時間、周期性因素的存在。

先說軟性因素比較容易理解——就是像周末、雙十一、雙十二等周期性，可預測的重大節日的時候，會有大量客戶下單，可以預見的是供小于需，無論哪個分類都是，這就影響了軟性因素。

硬性因素的博主數是比較容易理解的，就是標記了我能做這個行業的，提供服務的博主數（可調用庫存模型我下面也會再說一下）；可調用的除一下總服務博主數，也就知道了當前供給迫切程度，再結合可預見的預估因素，綜合判定，給予采購者建議。

比方說微信美妝博主供給預警，需要盡早入庫美妝博主?？赡苁墙裉熨u得比較好，也可能系統在為雙十一提前做預警。采購看到了就會提前布置任務，去市面上搜索，或者提前鎖定關系比較好的供應商的檔期，簽訂小框合同之類的手段。

十二、庫存模型

庫存是商品信息中另一個不可確定信息，非常重要。

剛剛介紹報價模型那里有提過的（我們和電商不一樣，沒有實體的貨物需要交付，所以這里的庫存和電商的庫存管理不一樣，庫存就不用完全鎖死），我們只需要提示就好。

在介紹下單流程的時候，我會介紹一下偽減庫存的邏輯，畢竟交易權最終還在博主手上，也就不用做超賣、調度層、倉庫層、增減凍結狀態消耗解凍之類的了，所以我們只有個庫存模型。

首先這個庫存是針對某個博主的庫存，拋開其它的維度，可能比較好理解，也就是我要選這個博主做廣告，可發現這博主這月檔期滿了，沒可以售賣的位置了，庫存0。

那么，我們這里指的庫存是什么？

指的就是單位周期內，博主接受的最大商業化的內容數量。也就是：單位時間內商業內容數量越多，廣告越多，會越損傷粉絲粘性。

所有的博主都會控制自己單位周期內的商業化內容數量，這也是為什么最初的時候AI要將營銷內容進行標記——我們將以博主為維度進行判斷，某個博主在單位周期內的商業化內容數是多少，比如30天不超過6條。這就意味著：我們實際上變相掌握了針對某個博主的庫存情況，如果在某個客戶下單的時候，和上月同時段去對比，監測營銷內容數量；如果已經超出了，我們認為這月他生意還不錯，本著不傷粉的原則，應該不太容易接單了。所以我們這邊的策略，要么阻攔客戶進行下單，要么報價模型加高溢價給到客戶；如果客戶執意下單，也會促進博主去接單。

而對于收集真實可信、確定性的博主檔期是不可能的行為，已經說過我司對于博主來講也只是接單渠道之一，博主是不可能把自己的檔期管理交付任何一個交易平臺的。一個良性健康的博主可能會有多種接單渠道，比如我司類同的平臺和競品，官方渠道，自己的官方商務渠道，線下社群渠道等。多渠道完整構成博主自己的檔期管理。

十三、資源巡檢

資源巡檢，就是定期將上架的資源，巡回檢查，一般每個巡檢周期是T+7。用于重新將資源結合訂單數據+交互數據后再估值，而后再后分級。

結合訂單是因為已經上架，就不是新資源了，就可能會發生交易行為，所以訂單金額、數量這個業務數據，是非常重要的。我們重新去恒定資源的維護必要性，若資源沒有被交易的價值，博主競爭力過弱，我們會人工檢查，在審核中心有一條工單出現，看博主是否已經停更；或者內容出現嚴重偏差情況，而后決策是否停止維護，這個巡檢的服務目前是算法組在維護迭代的。

十四、賦能工具

采購端還會有一些獨立的賦能工具存在，最重要的是有2個：一個是爆款博主監控，一個是競品監控。

核心來講，目的是解決第一個大問題中，提供高質量的博主，提升動銷率。

先說第一個：

爆款監控就是在市場上找那些沒有被入庫的博主，哪些出現了爆款，比如微博的熱門話題發起者、熱搜、微信的10萬+、抖音的百萬贊視頻，運營會將這些特征總結后輸入機器，會每天從市場上找到符合這些條件的未入庫博主。

注意：這里提交給采購工單是已經建表，AI計算，估值計算，分級計算之后的結果，將會按照之前的規則優先去推送綠燈、黃燈資源，紅燈最弱。

而這和之前的唯一區別就在于：之前是主動注冊，登錄信息是完整的；這是被動注冊，沒有登錄信息，所以只能通過線下加微信或者QQ或者郵件聯系到博主本人；有些博主的簡介是包含商務聯系方式的，所以只能脫離系統。

不過我們約束博主運營，在完成工單的處理時候，所有信息必須回歸到平臺，溝通記錄、截圖等要回傳，存檔供后續可能的調用。對于答應合作的博主，只要提供手機號，運營輸入后下發驗證碼，成功校驗，即可完成逆向注冊流程，會直接接入資質填寫節點，按照正常流程審核、上架處理，完成補貨的需求。

還有一個就是競品平臺監控，我們的目標競品平臺不多，不到10家，像自媒寶、遜莽、傳播易、微自媒等。所以一個非常重要的考量指標就出現了，交叉資源和獨家資源。

這個賦能工具的核心輸出就是對方平臺的獨家資源，也就是對方有我們沒有的，我們會將這些資源的信息根據上一個爆款內容監控的流程，給予采購單的推送，及時縮小與競品平臺的差距。

當然還有一個順手做的功能——競品平臺的比價。因為我們最終的交易仍然要回歸到價格優勢上面，我們會利用競品平臺和我們自己的價格進行對比，從而去優化系統的估價模型，總要比競品平臺稍低一些，去先爭取客戶的預算下單；然后引導博主以較低的價格接單，如果博主不愿接受相對較低的價格接單，我們也會利用我們的優勢，就是采購能力商簽優勢，利用后續的商務手段利用返點優勢壓低報價，盡量最大化搶回價格優勢，爭取訂單。

最后小廣告：目前還在找坑，有需求的老板隨時騷擾，中后臺方向/供給側/中臺訂單，謝謝觀看。

相關閱讀

兩年后臺工作，我把這些講給你聽（上）

#專欄作家#

吳邢一夫，人人都是產品經理專欄作家。5年產品經理工作經驗，需求、用戶、數據有深入研究。

本文獨家發布于人人都是產品經理。未經本站許可，禁止轉載。謝謝合作

題圖來自 Unsplash，基于 CC0 協議