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”?！靶谭ā庇糜谀切阂馄茐钠脚_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

1. 平臺人工判斷（平臺客服介入審核判斷）。
2. 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。