两年后台产品经理工作,我把这些讲给你听(中)

3周带你玩转Excel!在行第一行家手把手带学+作业实战+答疑辅导,升职加薪快人一步,了解一下>>

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)

#专栏作家#

吴邢一夫,人人都是产品经理专栏作家。5年产品经理工作经验,需求、用户、数据有深入研究。

本文独家发布于人人都是产品经理。未经本站许可,禁止转载。谢谢合作

题图来自 Unsplash,基于 CC0 协议

给作者打赏,鼓励TA抓紧创作!
评论
欢迎留言讨论~!
圈子
关注微信公众号
大家都在问