两年后台产品经理工作我把这些讲给你听中

　　2017年入职，2019离职，2年社交产品后台的工作，让我对后台产品有了很多思考与总结；汇总成这3万字，分上中下三篇发布，此为中篇。希望能对大家有所帮助。
　　接上篇，继续讲第二部分：做事节奏。
　　7. 入库流程模拟
　　当结果数字被验证方案确定无问题，开始推进。
　　在推进前，先要画流程模拟，来思考如何收集完整这些信息，以及都需要调用哪些服务来实现。
　　首先，需要注册者提供需要入库的博主唯一标识，而后进入抓取服务，将提供的博主基础信息和内容信息下载至数据库存储，获取完信息后通知注册者，进行SKU编辑；同时AI接入进行模型评估，而后博主被分级、估价，用于被划分不同组别的博主运营手中；最终评估完毕后打上对应标签，注册者提交审核，内部的博主运营接手进行审核，完成后资源被决定予以上架还是驳回的动作。
　　入库完成上架后，后续的博主运营接手进行包装、推至前端等工作，平台有对应的包装工具与CMS。
　　8. 收集ID
　　根据模拟流程图，第一环节，就是收集ID。
　　主要有两大角色参与：第一自然就是注册者本身，第二是机器抓取。
　　注册者本身，需要提供入库的博主唯一标识，才有后续的评估、交易等一系列业务动作。
　　所以第一步是提供唯一标识，对于我们的业务，唯一标识就像微信的ID或者是微博的ID或者是抖音的ID之类的。
　　9. 抓取
　　当注册者能够很方便地上传自己的帐号信息时，我们的机器将接手后续的工作。
　　首先，抓取组会插入高优先级的入库抓取任务——他们会根据你提供的博主链接，去反查博主的基本信息（比如昵称、头像、简介、粉丝数等），这些信息构成了数据库里的唯一博主信息（也就是SKU里面的基本信息），所有的附加数据、业务数据、交易数据等都会根据这条ID做关联。
　　然后，抓取会异步下载每个博主的前15篇内容，直接推送至AI的数据库，并主动通知AI——这是最高优任务。
　　最后，抓取会在每日凌晨，异步下载这个博主的全部内容，存储在OSS（数据很大，需要消耗资源），隔天早上AI会主动获取新增后，用于分类更新等动作。
　　为什么要通过抓取而不是不通过商务洽谈的形式拿到官方数据权限？
　　是因为社交广告的增量太过于迅猛了，各家社交平台自己也都在做广告交易平台，我们产品无异于社交平台的竞品，无可能谈接入的工作；而且自家对于数据越来越保密，加密/封锁/反扒的手段层出不穷，不仅只能通过被动渠道的数据获取，而且成本还很高——这也是为什么上述说提升动销率，博主分级是很重要的一个行为。
　　七、AI概述
　　当AI接手后，核心会输出分类、内容质量分和营销度分。
　　方式是会将前15篇内容进行特征分析，用于博主的分类工作，这是最高优先级的动作——因为注册者还在等公众号入库成功的通知。
　　至于为什么要通过AI计算，因为AI是相对客观的，之前一直是人工标注，但是人工的问题在于情感化严重，并且效率较低，虽然短期内准确率可能超过AI，但是中长期看无法和AI抗衡。并且人工标注所积累的信息和内容，没法沉淀至平台，都在每个人的脑子里装着，所以大势是AI分类取代人工。
　　在分类工作中，AI先用NLP提取文本特征，或图像识别提取画面特征，结合业务长期对模型的调整，提取分类特征，完成分类的工作。
　　这里不得不提一下AI分类在推进的过程中绕的一个弯：
　　在实际业务中发现：永远无法将某个博主下面的全部内容锁死在一个分类下，也无法将每篇内容锁死在一个分类下。
　　我最初简单的以为，每个博主的分类就是单纯的取每篇文章的分类加和，将频率最高的相关词打上变为分类——但发现准确率非常不理想。
　　我马上反应过来方法错了。
　　向上汇报后，最终招了专业的AI、算法组，积累了些时间大力气开发，才交给NLP去结合文章类型、版式、关键词、上下句、原创标记，甚至后面再会把博主本身的昵称、头像一起综合判断了，博主本身信息的权重是号主本身的初衷，这个权重比后面内容的权重要高。
　　在内测的时候，先从当时库内的十几万资源下手，去运行模型，第一轮不行，人工标注（我和运营一起）；提交，去优化，再试运行，还不好，可能上次是针对性的调整了badcase，可上次的goodcase调完以后变成badcase了；再去调整，收集无数场景和反馈后，来来回回可能有2个月的时间，才初见成效。
　　另一个困难就是统一认知，也就是每个人对每件事的理解都不一样：可能他认为这个结果挺好，另一个人就觉得不好。
　　针对这个问题，我们能做的一个是增大样本量，一个是尽可能去做一个相对完善的反馈流程和机制。
　　因此我们对每个有需要反馈的地方反馈功能，这个反馈是相互的，也就是机器会告诉人，我为啥打了这个分类；而人在进行调整的时候也会看到机器的这个思考，后续在人工修改的时候，都会收集5大信息。场景，是tag的形式，用于判定不同的人在不同场景下判断同一个东西会出分歧的差异。
　　错误的内容分类，是以tag形式，笔误还是计算错误，还是理解错误之类的；错误的具体内容，截图；以及预期的结果；每一个错误的反馈节点都要收集，最主要是在入库、评估、机器分类这里。比如上述分类的案例，在反馈中，这就是A说可能是A分类，B说可能是B分类，那么A就要充分说明原因——是哪段话或者哪个画面让你觉得是A分类，详尽描述反馈给分类模型，才能让分类模型越来越聪明。
　　1. 分类
　　最终明确8大分类：母婴、美妆、汽车、快消、游戏、知识教育、美食、vlog和无法确认的其它分类。每个分类的内容逻辑肯定都不一样，加权到博主分类上的逻辑和阈值也都不一样。
　　比方说机器识别到他有3篇内容是美妆，5篇是母婴，7篇是游戏，这时候怎么办？
　　——这种情况一般博主质量也不咋地。
　　根据长久的经验看，同时发生这三种分类的，机器会再结合其它特征去计算真正的博主重点，比如原创标记、版式等。
　　但假设完全一致该怎么办？
　　根据长久以来的人工经验判断，就有可能这个博主是美妆博主——不是最高也不是中间，反而是最低的，这就是大量人工训练集的结果。
　　我们后续解读可能是：出于美妆内容的创作成本比较高，不容易出题材，其它的类型比较简单，博主可能会相对穿插；但是若把游戏换成汽车，可能这个人的分类就变成汽车了，全是不一样的。
　　那么，有些博主身上看到的有些情况是单分类，有些的时候是三分类，差不多也是一样的道理——没准刚刚的博主就是母婴+美妆分类呢。
　　目前准确率只在60%左右（这已经很厉害了，偏感知层面的技术，从来准确率都不是很高的，但是已经可以很大程度减少人工了）。
　　我们在输出分类的时候，会在页面上给审核同学看，为什么机器打上这个分类，如果机器十分确定，置信度高，会标绿；机器不确定，置信度一般，会标黄；机器懵了，置信度低，会标红。绿色人工可以不干预，黄色会在提交的时候闪一下提示你看我一下，红色必须干预去矫正我。
　　对于视频分类的判断，还会更复杂一些，我们主要去用ASR技术来去识别语音转文字，然后再用NLP接手，有一些视频还会日常带字幕，也会用OCR技术来去识别字幕，用于内容质量打分的服务。
　　同时由于视频的特殊性，我们的视频博主的审核台与文本类也是不一样的，会将博主的视频以时间轴形式展现，下方呈现一个一个机器识别出的tag，而最上方与博主信息在一起的部分，就是机器认定的博主的分类情况，博主运营也相对方便地修改机器标签。
　　2. 内容质量分
　　内容质量分的核心是内容的连贯性，内容质量分主要服务于我们的业务线划定。
　　我们只有2条业务线，标准化交易业务线，非标交易业务线。对标准化交易业务线的博主内容质量要求不高，基础数据到达一定量级就可以；对非标博主的内容质量要求非常高，因为要帮助客户制作原创创意软文或软广了。
　　对于微信文本，我们会将连续的低营销度的内容，分类进行串行观察，看是否能在同一点阵聚类；原创标记占比，非原创内容重合度占比；内容的排版是否相似，我们调用第三方的编辑器一起做这项工作；文章长度是否都在某一区间，这些都是用于判定内容质量的特征。
　　当连贯性大于某个阈值时，比如说0.8，我们就判定博主为高质量原创内容。
　　对于微博，单从内容判断就很难了，我们需要判定博主的互动情况，结合内容查重；判断互动的比例如何；和他互动者的博主都是谁，头像、昵称、时间轴是否有水号嫌疑；是否会员加V等信息来判断博主质量。
　　对于视频，仍然从内容质量度去切入。比方说刚刚说的OCR识别字幕，是否每个视频都会带字幕；是否声纹是一致的（调用的百度识别服务）；是否出现的主体（人物和场景）都是一致的（百度服务）；横屏竖屏、内容长短、视频质量，综合和微信差不多，串连起来判定博主的内容质量分，这就是为什么刚刚举的例子，那个可能不是一个好博主的原因。
　　3. 营销度分
　　最后AI会输出这个博主的营销度评分，我们主要来根据这个博主的营销特征判断它的商业化程度，供后续的估值模型影响博主价值和分级。
　　在业务中，供库存模型进行计算该博主的库存周期和库存数量。
　　营销特征主要包含：
　　文本里面提及了文字，像促销、销量、折扣、价格、宝宝们等；还有一些二跳里很明显的像阅读原文URL、二维码、URL、淘口令等；深层一些的比方说小程序的标题名字是否带营销倾向，小程序跳转后的主页是否类电商，对图片的细分判断比如图主体是什么，主要识别角标位置，是否带品牌logo、价格、日期，或一些其他营销类的用语，结合OCR技术；对视频来讲，主要是是否带橱窗，以及ASR转化为文本后，NLP接手，这个过程和文字处理是一样的。
　　以上都是我们大量数据分析之后的一些结论，不可能穷举，全部的特征词大概上千个。
　　其实这个过程是线性流程，但是AI是个黑盒，他是一起输出，计算也是一起计算，我们矫正也是一起矫正，所以3组数据之间可以互利互惠。
　　目前所有数据也都可以为空。一般情况下不会出现为空，一旦为空会稍后重新计算，每个值会最多计算3次，如果最终还是为空，会写入null，并发送短信通知对应的算法工程师，第二天予以排查。
　　打分情况会影响估值和间接影响登记，若为空则打分与等级也会响应为空，因为没有基础数据供加工计算，此时后续影响的博主分配逻辑也会有异常分支，会将这类博主只派发给一个特殊的组去处理；他们的经验相对丰富，可以脱离机器和自己的主管，客观补全对应的数据。
　　当AI计算完毕后，将信息更新至数据库，并且公众号会推送通知，通知注册者进行人工填写后续的能力内容，这时候人工需要填写的就是刚刚所说的SKU里面的属性信息，主要是销售属性的能力信息，也就是玩法，行业。页面我就不详细再说了，剩下的非销售属性中的条款，大部分预设条款可以下拉便利填写，一些自定义输入文字的，后续人工会审核。
　　总之，最终需要收集的结构化的信息就是，哪个博主可以做哪个行业的客户，可以为这个客户提供怎样的内容形式，每一种内容形式编辑特殊条款，条款通用条款是不可修改的，这是平台约束力体现，之后注册者的工作就完成了，会提交进行审核。
　　与此同时，AI除写入数据库外，还会将结果推送至下一个服务——估价模型。
　　八、老数据处理策略
　　当上述完成以后，理论上入库的初始环节也就结束了。
　　1.新注册博主新填写即可；老库里的博主数据清洗也要进行；
　　2.历史发生交易的博主，我们利用之前的订单分类，直接赋予相关的能力SKU，结合订单中的权益信息，直接写入，写入完成后通知博主进行检查；
　　3.没有发生过交易行为的博主，先进入下面的分级模型；
　　等级过低的博主直接放弃；
　　一般类型的博主通过短信等通知手段，召回博主进行填写；连续3次召回不填写的博主，也将被放弃。
　　每次的SKU修改是有锁定期的，双微30天内修改1次，抖音快手7天修改1次。
　　1. 估价模型
　　估价模型这是非常重要的一个模型。估价是用于分级的，估价模型是一个通用服务，就是根据AI输出的分类、内容质量分、营销度打分，和基础数据（比如粉丝数、内容平均数据、内容发布频次等），用已有的订单的同类博主的订单价做聚类分析。
　　估价是十分难控制在一个单点的，我们最终不断调整、不断细化的点就在于不同的三个维度下，控制左右区间的大小，尽可能拟合最终的订单结果，不断调整。
　　最初的时候，准确率确实不太高，只有三成左右；慢慢随着时间推移，标注矫正的数据越来越多，目前的博主估价模型的准确率已经能到八成了。准确率的判断是由运营改价比例的指标间接得来，中间也会有许多其它因素，比如暴增粉丝、断更、封号等，计算方法中会减去。
　　报价模型输出的报价，就是商品信息中不可确定信息中价格的部分，非常重要，提供完整的商品信息，计算保证金以及客户前置化参考决策用。
　　对报价模型，最简单的理解就是：基于估价的基础上，融入了客户的消费行为模型。
　　比方说有个客户，一直投放的资源单价都比较高，客户在页面上选择博主的时候，页面上显示的报价范围可能就要比别人贵，因为我们知道贵点你承受得起，这个是要结合下单率来去优化的。当下单后，当博主回复价格以后，我们会进行二次报价，在客户的承受范围内——这其实已经是采销分离了。
　　不单单是客户本身的维度，还要融合当时的这个博主的库存情况（库存模型的部分我最后介绍，这里我提一下，也就是调用库存模型获得库存信息，库存越小，越贵；库存越多，越便宜）。
　　报价的作用除了展示给客户看以外，在下单的时候还会根据计算的报价结果，收取一定比例的保证金，这个保证金一定是小于最终的订单价的，并且是可折用的。如果这途中客户取消订单，或者撤单客户原因，这个都是不退的。
　　2. 分级模型
　　估价完毕后会触发下一个模型：开始将博主分档定级，后续关联的就是资源运营责任组的接手划分。
　　这与组织结构有关，也就是某些组去接手某个分类的某个业务线的博主，或者是某个业务线的博主不分分类全归他。
　　根据AI输入的分类、营销度、内容质量以及抓取提供的基础数据，和估价模型输出的价格，就可以分级和划分业务线。
　　目前一共有5个大等级：ABCDE，对应着不同的运营策略——A最好，E最差。
　　通俗易懂的分级就是越贵的，营销度适中的，分类区间下基础数据越好的，博主等级自然越高。内容质量决定业务线，高质量的原创类业务博主，每一条如何定级，都有运营很细的规则，我们的后台支持运营去配置每个字段到达的条件归类为哪档。
　　当分档定级结束后，进行博主划分，会打上博主运营的ID，基本只要不离职，这个博主在公司的除订单外的全部行为都由他来管了。
　　综合打分越高的资源可能会集中在打分越高的博主运营的手里（我们的博主运营也是有打分的），高分博主运营的权限更大，因为要更好的维系他们，可能会给一些特殊返点上的政策优惠；或者是服务质量变高，比方说一对一运营，比方说7*24小时运营。
　　人员分级
　　博主运营的分级制度是比较简单的，没有像业务上那么复杂。大体由在职时间、执行率、创收GMV、响应速度、抽检合格率、定期考试评分、职级这几个因素构成。
　　博主运营的等级分为SABC，看业务能力评定。所以S博主匹配AB资源，A博主匹配BC资源，B博主匹配CD资源，C博主匹配DE资源，这样也是按能力去划分，变相激励业务的工作积极性。
　　3. 认知模型
　　首先会根据我说的逻辑进行分组，不是每个运营都能看到全部的资源的。
　　其次，每个等级的资源还会根据认知模型，详细划分为红灯、黄灯、绿灯和特殊的星标资源。
　　认知模型是结合了交互数据、基础数据、AI数据、估值数据、等级数据后精细划分的，主要用于分组后判断处理优先级使用。
　　绿灯资源简称为非异常资源：从上述的数据来看，他是比较正常的，可以令人放心的，可以交付给机器进行处理的资源。
　　这里主要增加了交互数据，也就是页面级的数据，我们主要看的是交互数据里面的报错位置、数量、填写间隔时间，以及填写内容综合去判断博主是否是正常的。比如填写的时候，每字填写时间大约为2秒，结合博主本身的基础数据、分类数据等，去判定去判断他应该填写的能力和权益等信息。若符合模型的曲线，我们将把它划分为绿灯资源；若有一些异常，比如能力和机器分类不相符，我们将划分为黄灯资源，有可能是我们机器分类不准确造成的；剩下的异常情况我们都会画分为红灯资源。
　　星标资源的意思是：无论他填写是否正常（认知模型评估是否正常，是否符合机器曲线的预期），当某个博主基础数据过高时，超过同分类（比方说10%），我们一律把这类资源变为星标资源，会划到特殊的分组去跟进，人工重点进行关照处理，因为很有可能他就是核心售卖的资源。
　　而黄灯资源，人工会介入查看黄灯的原因。
　　红灯资源一般不是数据出了问题，而是基础数据量级过小，不值当入库维护的，优先级放低；当然也会有数据错误的情况，我们都放在一起了，会有详细的错误提示运营进行针对性的筛查和修正。红灯资源一般是等绿灯和黄灯都处理完毕后，进行处理，也会有排序规则，比如基础数据量级不错的，严重超出认知模型的在前面，运营优先跟进，有可能是我们模型错了，基础量级过小的是最弱处理或者不处理，因为就算处理了，也不会有客户挑选达成交易的，投入产出比不划算。
　　不同资源的后续处理也是不一样的：随着红黄绿，人工接入从重到轻，比如最理想的绿灯资源，我们可能接入后，系统会触发机器语音电话，回拨至号主，询问几个问题，证明博主是他本身的——比方说papi酱是你的吗，他目前有多少粉丝，他从什么时候开始发布内容的，最近一篇内容的标题是什么等问题；如果是号主，一定会回答出来。
　　若无问题，则会进入下一项机器审核环节，若有任何问题，绿灯资源将会降级为黄灯资源，人工会介入。
　　审核环节，绿灯没啥审的。如果不是新注册的主博主，是之前注册的主博主补货，那么这个资源就已经完成了入库过程，会直接上架，等待被挑选、交易；如果是新注册的主博主，会推送一封邮件至填写的注册邮箱中，并短信通知，主人填写供应商信息，这个信息所有的结算、管理，都是以此维度进行的。
　　九、供应商信息
　　供应商信息主要包含两类：一个是基本信息，一个是财务信息。
　　基本信息就是名字、联系人、电话、地址、营业执照和供应商等级，除去等级，其它信息是供应商填写的。
　　等级是系统根据他名下的资源等级和他贡献的GMV，每个季度评定一次，新注册的就只有资源等级。
　　财务信息包含几类：
　　类型：个人还是机构，对应的税率是不一样的；
　　打款信息：打款博主、户名、银行；
　　基本合同条款：主要包含服务年限和返点框架，年限从1年至永久都可以选择，返点框架可以根据时间维度选择逻辑规则，时间维度包含月、季度、年，逻辑规则包含区间内采购数额，区间内采购次数，区间内利润数额，设置对应的返点比例，比如每月采购10次，即返点10%，或每年采购至少50次，返点25%。
　　这类信息是有默认的，怕一些号主不知道什么意思，默认是系统根据运营录入的逻辑进行默认，比如某些量级的粉丝，某分类的博主几个的时候，这个供应商对应怎样等级，给予多少年的服务年限，以及返点的逻辑。
　　当号主填写完这信息后，即可提交返回系统进行验证，我们此时会调用企查查的验证服务去验证企业资质，若无问题，会推送至人工，进行终审；终审通过后，会直接邮件下发电子合同至邮箱，通知号主确认。
　　当确认完成后，商业契约即建立，合同也是第三方提供的电子签章服务工具，具有法律效应，一式两份，公司和供应商分别留存；资源会在合同确认后，自动上架。
　　——这就是绿灯资源的入库上架流程，至此完成。
　　一般运营都在审核平台进行工作，审核中心的核心功能就是审核资源的基本信息、博主信息、企业信息和合规性，有问题的电话、邮件、短信核查，修改，上架，没问题的自动上架。主要的功能也就是信息的核查和修改。
　　核查会列出详细的报错理由，供运营针对性的解决建议。我搭建的时候不是很复杂，最复杂的部分还是权限，但是我只要划分好角色，每个角色能干啥。
　　十、入库详细流程图
　　博主信息架构的基本构成也就是上述所说（当然还差一点评论的部分没有讲到：商品必须包含交易后的评价才叫完整的商品；但评价过于业务强相关，我在介绍订单项目的时候再一起介绍）：
　　至此，一个博主的入库上架售卖的处理，才算结束。
　　最终应用层面，客户进到页面，可以看到这个博主有什么服务能力（SKU），能帮我做什么事，我能获得怎样的权益，需要我提供什么，你制作需要多久，而预估的报价是多少钱，我能否承受，价格飙高的原因是什么，没档期还是本身就贵还是怎样。
　　在重构前的业务形态下，遇到的所有问题，几乎全部都能解决了，在看到的时候，就能决策是否还需要动用低效人工，这也是重构的价值。
　　十一、采购预警
　　采购平台在后运行期间，其中非常重要的一个功能就是采购预警。
　　采供预警非常重要的一个核心模型是供需模型，会每小时为维度提供当前库内的供需曲线，分行业、分价格、分平台的，供采购者决策判断该去主动补库存哪些资源。
　　供需模型的主要构成是硬性因素和软性因素，也就是结合了电商采购里的定期补货模型和定量补货模型：
　　硬性因素就是定期补货模型，主要是能做这个分类的博主数和这个博主的可调用库存；
　　软性因素就是定量补货模型，是在于时间、周期性因素的存在。
　　先说软性因素比较容易理解——就是像周末、双十一、双十二等周期性，可预测的重大节日的时候，会有大量客户下单，可以预见的是供小于需，无论哪个分类都是，这就影响了软性因素。
　　硬性因素的博主数是比较容易理解的，就是标记了我能做这个行业的，提供服务的博主数（可调用库存模型我下面也会再说一下）；可调用的除一下总服务博主数，也就知道了当前供给迫切程度，再结合可预见的预估因素，综合判定，给予采购者建议。
　　比方说微信美妆博主供给预警，需要尽早入库美妆博主。可能是今天卖得比较好，也可能系统在为双十一提前做预警。采购看到了就会提前布置任务，去市面上搜索，或者提前锁定关系比较好的供应商的档期，签订小框合同之类的手段。
　　十二、库存模型
　　库存是商品信息中另一个不可确定信息，非常重要。
　　刚刚介绍报价模型那里有提过的（我们和电商不一样，没有实体的货物需要交付，所以这里的库存和电商的库存管理不一样，库存就不用完全锁死），我们只需要提示就好。
　　在介绍下单流程的时候，我会介绍一下伪减库存的逻辑，毕竟交易权最终还在博主手上，也就不用做超卖、调度层、仓库层、增减冻结状态消耗解冻之类的了，所以我们只有个库存模型。
　　首先这个库存是针对某个博主的库存，抛开其它的维度，可能比较好理解，也就是我要选这个博主做广告，可发现这博主这月档期满了，没可以售卖的位置了，库存0。
　　那么，我们这里指的库存是什么？
　　指的就是单位周期内，博主接受的最大商业化的内容数量。也就是：单位时间内商业内容数量越多，广告越多，会越损伤粉丝粘性。
　　所有的博主都会控制自己单位周期内的商业化内容数量，这也是为什么最初的时候AI要将营销内容进行标记——我们将以博主为维度进行判断，某个博主在单位周期内的商业化内容数是多少，比如30天不超过6条。这就意味着：我们实际上变相掌握了针对某个博主的库存情况，如果在某个客户下单的时候，和上月同时段去对比，监测营销内容数量；如果已经超出了，我们认为这月他生意还不错，本着不伤粉的原则，应该不太容易接单了。所以我们这边的策略，要么阻拦客户进行下单，要么报价模型加高溢价给到客户；如果客户执意下单，也会促进博主去接单。
　　而对于收集真实可信、确定性的博主档期是不可能的行为，已经说过我司对于博主来讲也只是接单渠道之一，博主是不可能把自己的档期管理交付任何一个交易平台的。一个良性健康的博主可能会有多种接单渠道，比如我司类同的平台和竞品，官方渠道，自己的官方商务渠道，线下社群渠道等。多渠道完整构成博主自己的档期管理。
　　十三、资源巡检
　　资源巡检，就是定期将上架的资源，巡回检查，一般每个巡检周期是T+7。用于重新将资源结合订单数据+交互数据后再估值，而后再后分级。
　　结合订单是因为已经上架，就不是新资源了，就可能会发生交易行为，所以订单金额、数量这个业务数据，是非常重要的。我们重新去恒定资源的维护必要性，若资源没有被交易的价值，博主竞争力过弱，我们会人工检查，在审核中心有一条工单出现，看博主是否已经停更；或者内容出现严重偏差情况，而后决策是否停止维护，这个巡检的服务目前是算法组在维护迭代的。
　　十四、赋能工具
　　采购端还会有一些独立的赋能工具存在，最重要的是有2个：一个是爆款博主监控，一个是竞品监控。
　　核心来讲，目的是解决第一个大问题中，提供高质量的博主，提升动销率。
　　先说第一个：
　　爆款监控就是在市场上找那些没有被入库的博主，哪些出现了爆款，比如微博的热门话题发起者、热搜、微信的10万+、抖音的百万赞视频，运营会将这些特征总结后输入机器，会每天从市场上找到符合这些条件的未入库博主。
　　注意：这里提交给采购工单是已经建表，AI计算，估值计算，分级计算之后的结果，将会按照之前的规则优先去推送绿灯、黄灯资源，红灯最弱。
　　而这和之前的唯一区别就在于：之前是主动注册，登录信息是完整的；这是被动注册，没有登录信息，所以只能通过线下加微信或者QQ或者邮件联系到博主本人；有些博主的简介是包含商务联系方式的，所以只能脱离系统。
　　不过我们约束博主运营，在完成工单的处理时候，所有信息必须回归到平台，沟通记录、截图等要回传，存档供后续可能的调用。对于答应合作的博主，只要提供手机号，运营输入后下发验证码，成功校验，即可完成逆向注册流程，会直接接入资质填写节点，按照正常流程审核、上架处理，完成补货的需求。
　　还有一个就是竞品平台监控，我们的目标竞品平台不多，不到10家，像自媒宝、逊莽、传播易、微自媒等。所以一个非常重要的考量指标就出现了，交叉资源和独家资源。
　　这个赋能工具的核心输出就是对方平台的独家资源，也就是对方有我们没有的，我们会将这些资源的信息根据上一个爆款内容监控的流程，给予采购单的推送，及时缩小与竞品平台的差距。
　　当然还有一个顺手做的功能——竞品平台的比价。因为我们最终的交易仍然要回归到价格优势上面，我们会利用竞品平台和我们自己的价格进行对比，从而去优化系统的估价模型，总要比竞品平台稍低一些，去先争取客户的预算下单；然后引导博主以较低的价格接单，如果博主不愿接受相对较低的价格接单，我们也会利用我们的优势，就是采购能力商签优势，利用后续的商务手段利用返点优势压低报价，尽量最大化抢回价格优势，争取订单。
　　最后小广告：目前还在找坑，有需求的老板随时骚扰，中后台方向/供给侧/中台订单，谢谢观看。
　　相关阅读
　　两年后台工作，我把这些讲给你听（上）