如何搭建業務治理中臺?
治理中臺的搭建可以有效地幫助維護平臺秩序,那么,怎樣搭建好業務治理中臺?這篇文章里,作者就對治理中臺的搭建與規則進行了一些概括與總結,一起來看看吧,或許會對你有所啟發。
一、概述
平臺治理的根本目的不是為了處罰,而是為了維護平臺的秩序。平臺治理的規則體系是一個平臺內部的法規體系,需要有自己的“刑法”和“民法”。“刑法”用于那些惡意破壞平臺秩序的用戶行為,“民法”用于對經濟糾紛的責任判定。治理的核心策略不應該僅僅圍繞在處罰,也要考慮如何預防和規范。
同時,平臺治理系統作為平臺糾紛的判罰者,擁有極大的權力。如果其權力不受限制地被濫用,治理平臺自身反而會成為平臺秩序最大的破壞者。
拼多多的“僅退款”炸店事件就是一個非常好的反面教材。治理平臺需要系統化治理,做到對治理對象標準化、特征數據規范化、治理流程平臺化,通過分層分級治理,實現差異化的治理方案。治理平臺的規則不僅需要能接受社會與公眾的監督,也需要通過用戶、商家以及數據進行效果驗證反饋,并據此做出相對應的優化和調整。
1. 治理對象標準化分類
- 交易相關的治理對象:商品、商戶、用戶、交易、交易相關其他角色。
- 內容相關的治理對象:內容創作者、內容、用戶。
2. 治理的力量和方式開放
- 平臺內的治理力量:商家、用戶、平臺。
- 平臺外的治理力量:政府、媒體、輿情、行業協會等。
- 治理的方式:自動治理和人工治理。
3. 治理流程需要閉環
- 準入流程及策略:創作者準入、內容準入、商戶準入、商品準入、營銷推廣準入、活動準入等。
- 事件處理及策略需要閉環,包括:建立治理特征數據平臺=》支持各場景下觸發治理=》基于特征平臺數據進行仲裁判斷=》基于判斷結果進行干預策略=》被治理對象的整改與恢復。
4. 特征數據平臺
實現內容、創作者、商品、商戶、用戶、交易訂單等相關的完善的特征數據平臺(詳見下文)。
5. 分層分級治理
- 分層分級對象:內容、創作者、商品、商戶、用戶、交易等。
- 價值的分層分級(GMV、熱度、價值)。
- 風險的分層分級(緊急程度、危害程度、影響范圍)。
6. 治理判斷的橫向分析與縱向分析
- 治理對象(內容、商品、商戶、用戶、交易等)特征數據區分為當前特征數據和歷史數據特征。
- 單個治理對象的當前特征數據與歷史特征數據的縱向對比。
- 單個治理對象歷史特征數據和同類對象的歷史特征數據的橫向對比。
- 單個治理對象當前特征數據和同類對象的當前特征數據的橫向對比。
7. 治理策略反饋
- 數據驗證
- 用戶反饋
二、治理的特征數據平臺
1. 商品特征數據
平臺需定義標準化的商品類目,建立標準化的商品特征數據,比如:
商品類目、商品價格、商品庫存、區域、商品信息質量、商品熱度、商品屬性、商品品牌、商品風險、關聯交易特征數據、關聯商戶特征數據等信息。
2. 商戶特征數據
平臺需定義標準化的商戶分類,建立標準化的商戶特征數據,比如:
商戶分類、商戶經營范圍、線下經營情況、區域、商戶熱度、商戶風險、商戶經營商品的、2.5交易特征數據、2.1商品特征數據等。
3. 用戶特征數據
瀏覽偏好、行為偏好、正逆向的交易偏好(2.5交易特征數據)、區域、售后行為、交易爭議行為、個人價值、個人影響力(影響范圍、影響程度)、個人風險、交易頻率、其他用戶特征。
4. 其他交易關聯角色特征數據
物流、推廣者、營銷數據、活動數據。
5. 交易特征數據
基于交易中的商品類目,建立標準化的交易特征數據,比如:
交易商品類目、正向訂單數據、逆向訂單數據、同類訂單交易頻率、訂單履約數據、交易溝通信息、交易爭議、售后信息數據(如評論評分)、關聯2.1商品特征數據、關聯2.2商戶特征數據、關聯2.3用戶特征數據、關聯2.4其他交易關聯方特征數據等。
6. 內容特征數據
基于內容類目,建立標準化內容特征數據,比如:
內容類目、內容標簽、內容標題、內容介紹、內容素材類型(圖片、音視頻、文本)、發布地點(IP+定位)、發布設備、關聯2.7創作者特征數據等。
7. 創作者特征數據
基于創作者類目,建立標準化創作者特征數據,比如
創作者類目、昵稱、營銷導流行為、創作內容偏好、發布地點(IP+定位)、目標人群、營銷偏好、創作者風險、創作者影響力、關聯2.6內容特征數據等。
三、治理的觸發場景
1. 事前準入
- 商戶入駐準入
- 商品準入(上架、庫存增量)
- 交易額度限制準入
- 營銷賬號入駐準入
- 創作者入駐準入
- 內容上架準入
- 活動準入
- 供應商準入
- 其他準入
2. 事后判斷處理
- 輿論事件
- 政策性事件
- 正逆向交易事件
- 投訴事件(商戶投訴、用戶投訴)
- 流量(商戶流量、商品流量、內容流量)熱度觸發事件
- 其他場景
四、治理的判斷方邏輯
1. 自動化判斷
1)自動判罰依賴的AI能力
- 圖像識別
- ASR語音識別
- NLP
- 算法
- 規則處理系統
- 自動判罰依賴的AI能力
2)強邏輯規則
- 主要應用于算力不足,數據量較?。ㄐ绿卣鞯倪`規數據),由于政府政策產生的臨時治理策略,這些場景下歷史數據較小且緊急性高,需要依賴于強規則快速調整。
- 優點:不依賴于大量數據和算力資源,強邏輯規則通過配置,可以使治理策略生效的響應效率更快。
- 缺點:完全基于規則進行抽象,會使過程丟掉很多細節信息,丟失的信息對結果的誤差判斷影響也很大。
3)算法規則
- 通過算法區分違規可能性及違規嚴重程度。
- 基于特定事件,可以得出以下違規特征的置信度。根據平臺治理的運營策略,設定判斷置信度的區間與是否違規規則的邏輯關系,最終做出判斷。
- 優點:無需非常復雜的規則配置,能基于更全面的用戶數據做分析判斷。
- 缺點:依賴大量數據和算力資源。
2. 人工判斷
- 平臺人工判斷(平臺客服介入審核判斷)。
- 平臺用戶自治判斷(可參考王者榮耀的鷹眼護衛隊和美團的小美評審團)。
五、治理的干預策略
1. 內容類干預
1)內容干預
- 內容限制上架
- 內容限流降權(推薦策略調整、限制分發)
- 內容下架
- 內容整改
- 限制參與活動
- 其他
2)創作者干預
- 賬號限制上架作品
- 賬號限流降權
- 賬號封禁
- 賬號整改
- 限制參與活動
- 其他
3)用戶干預
- 限制瀏覽
- 限制評論
- 賬號封禁
- 賬號整改
- 其他
2. 交易類干預
1)商品干預
- 限制上架
- 商品限流降權(推薦策略調整、限制分發)
- 商品下架
- 商品整改
- 限制參與活動
- 其他
2)商戶干預
- 限制入駐
- 商戶限流降權
- 商戶整改
- 商戶封禁
- 限制參與活動
- 其他
3)用戶干預策略
- 用戶警告
- 限制交易評價
- 限制交易
- 用戶封禁
- 賬號整改
- 其他策略
4)交易干預策略
- 僅退款(全退或部分退)
- 退貨退款
- 換貨
- 取消訂單
- 其他
5)其他相關方干預策略(例如營銷賬號)
- 賬號限流
- 賬號整改
- 賬號封禁
- 其他策略
六、治理對象的恢復
- 指定時間后恢復
- 培訓考試后恢復
- 人工干預后恢復(申訴)
- 永久封禁不可恢復
七、治理策略的效果追蹤與復盤
- 數據效果驗證治理策略
- 策略優化方案
- 特征演變(由于治理策略調整,導致的其他演化出來的待治理問題)
- 策略更新調整
- AB測試驗證
八、總結
以上只是個人粗淺的對于治理中臺的一些概括與總結,存在概念與理解的偏差的話,還請各位指證討論。
本文由@愛吐槽的徐教授 原創發布于人人都是產品經理。未經許可,禁止轉載。
題圖來自unsplash,基于 CC0 協議。
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
- 目前還沒評論,等你發揮!