如何搭建业务治理中台?

0 评论 2903 浏览 32 收藏 11 分钟

治理中台的搭建可以有效地帮助维护平台秩序,那么,怎样搭建好业务治理中台?这篇文章里,作者就对治理中台的搭建与规则进行了一些概括与总结,一起来看看吧,或许会对你有所启发。

一、概述

平台治理的根本目的不是为了处罚,而是为了维护平台的秩序。平台治理的规则体系是一个平台内部的法规体系,需要有自己的“刑法”和“民法”。“刑法”用于那些恶意破坏平台秩序的用户行为,“民法”用于对经济纠纷的责任判定。治理的核心策略不应该仅仅围绕在处罚,也要考虑如何预防和规范。

同时,平台治理系统作为平台纠纷的判罚者,拥有极大的权力。如果其权力不受限制地被滥用,治理平台自身反而会成为平台秩序最大的破坏者。

拼多多的“仅退款”炸店事件就是一个非常好的反面教材。治理平台需要系统化治理,做到对治理对象标准化、特征数据规范化、治理流程平台化,通过分层分级治理,实现差异化的治理方案。治理平台的规则不仅需要能接受社会与公众的监督,也需要通过用户、商家以及数据进行效果验证反馈,并据此做出相对应的优化和调整。

1. 治理对象标准化分类

  • 交易相关的治理对象:商品、商户、用户、交易、交易相关其他角色。
  • 内容相关的治理对象:内容创作者、内容、用户。

2. 治理的力量和方式开放

  • 平台内的治理力量:商家、用户、平台。
  • 平台外的治理力量:政府、媒体、舆情、行业协会等。
  • 治理的方式:自动治理和人工治理。

3. 治理流程需要闭环

  • 准入流程及策略:创作者准入、内容准入、商户准入、商品准入、营销推广准入、活动准入等。
  • 事件处理及策略需要闭环,包括:建立治理特征数据平台=》支持各场景下触发治理=》基于特征平台数据进行仲裁判断=》基于判断结果进行干预策略=》被治理对象的整改与恢复。

4. 特征数据平台

实现内容、创作者、商品、商户、用户、交易订单等相关的完善的特征数据平台(详见下文)。

5. 分层分级治理

  • 分层分级对象:内容、创作者、商品、商户、用户、交易等。
  • 价值的分层分级(GMV、热度、价值)。
  • 风险的分层分级(紧急程度、危害程度、影响范围)。

6. 治理判断的横向分析与纵向分析

  • 治理对象(内容、商品、商户、用户、交易等)特征数据区分为当前特征数据和历史数据特征。
  • 单个治理对象的当前特征数据与历史特征数据的纵向对比。
  • 单个治理对象历史特征数据和同类对象的历史特征数据的横向对比。
  • 单个治理对象当前特征数据和同类对象的当前特征数据的横向对比。

7. 治理策略反馈

  • 数据验证
  • 用户反馈

二、治理的特征数据平台

1. 商品特征数据

平台需定义标准化的商品类目,建立标准化的商品特征数据,比如:

商品类目、商品价格、商品库存、区域、商品信息质量、商品热度、商品属性、商品品牌、商品风险、关联交易特征数据、关联商户特征数据等信息。

2. 商户特征数据

平台需定义标准化的商户分类,建立标准化的商户特征数据,比如:

商户分类、商户经营范围、线下经营情况、区域、商户热度、商户风险、商户经营商品的、2.5交易特征数据、2.1商品特征数据等。

3. 用户特征数据

浏览偏好、行为偏好、正逆向的交易偏好(2.5交易特征数据)、区域、售后行为、交易争议行为、个人价值、个人影响力(影响范围、影响程度)、个人风险、交易频率、其他用户特征。

4. 其他交易关联角色特征数据

物流、推广者、营销数据、活动数据。

5. 交易特征数据

基于交易中的商品类目,建立标准化的交易特征数据,比如:

交易商品类目、正向订单数据、逆向订单数据、同类订单交易频率、订单履约数据、交易沟通信息、交易争议、售后信息数据(如评论评分)、关联2.1商品特征数据、关联2.2商户特征数据、关联2.3用户特征数据、关联2.4其他交易关联方特征数据等。

6. 内容特征数据

基于内容类目,建立标准化内容特征数据,比如:

内容类目、内容标签、内容标题、内容介绍、内容素材类型(图片、音视频、文本)、发布地点(IP+定位)、发布设备、关联2.7创作者特征数据等。

7. 创作者特征数据

基于创作者类目,建立标准化创作者特征数据,比如

创作者类目、昵称、营销导流行为、创作内容偏好、发布地点(IP+定位)、目标人群、营销偏好、创作者风险、创作者影响力、关联2.6内容特征数据等。

三、治理的触发场景

1. 事前准入

  • 商户入驻准入
  • 商品准入(上架、库存增量)
  • 交易额度限制准入
  • 营销账号入驻准入
  • 创作者入驻准入
  • 内容上架准入
  • 活动准入
  • 供应商准入
  • 其他准入

2. 事后判断处理

  • 舆论事件
  • 政策性事件
  • 正逆向交易事件
  • 投诉事件(商户投诉、用户投诉)
  • 流量(商户流量、商品流量、内容流量)热度触发事件
  • 其他场景

四、治理的判断方逻辑

1. 自动化判断

1)自动判罚依赖的AI能力

  • 图像识别
  • ASR语音识别
  • NLP
  • 算法
  • 规则处理系统
  • 自动判罚依赖的AI能力

2)强逻辑规则

  • 主要应用于算力不足,数据量较小(新特征的违规数据),由于政府政策产生的临时治理策略,这些场景下历史数据较小且紧急性高,需要依赖于强规则快速调整。
  • 优点:不依赖于大量数据和算力资源,强逻辑规则通过配置,可以使治理策略生效的响应效率更快。
  • 缺点:完全基于规则进行抽象,会使过程丢掉很多细节信息,丢失的信息对结果的误差判断影响也很大。

3)算法规则

  • 通过算法区分违规可能性及违规严重程度。
  • 基于特定事件,可以得出以下违规特征的置信度。根据平台治理的运营策略,设定判断置信度的区间与是否违规规则的逻辑关系,最终做出判断。
  • 优点:无需非常复杂的规则配置,能基于更全面的用户数据做分析判断。
  • 缺点:依赖大量数据和算力资源。

2. 人工判断

  1. 平台人工判断(平台客服介入审核判断)。
  2. 平台用户自治判断(可参考王者荣耀的鹰眼护卫队和美团的小美评审团)。

五、治理的干预策略

1. 内容类干预

1)内容干预

  • 内容限制上架
  • 内容限流降权(推荐策略调整、限制分发)
  • 内容下架
  • 内容整改
  • 限制参与活动
  • 其他

2)创作者干预

  • 账号限制上架作品
  • 账号限流降权
  • 账号封禁
  • 账号整改
  • 限制参与活动
  • 其他

3)用户干预

  • 限制浏览
  • 限制评论
  • 账号封禁
  • 账号整改
  • 其他

2. 交易类干预

1)商品干预

  • 限制上架
  • 商品限流降权(推荐策略调整、限制分发)
  • 商品下架
  • 商品整改
  • 限制参与活动
  • 其他

2)商户干预

  • 限制入驻
  • 商户限流降权
  • 商户整改
  • 商户封禁
  • 限制参与活动
  • 其他

3)用户干预策略

  • 用户警告
  • 限制交易评价
  • 限制交易
  • 用户封禁
  • 账号整改
  • 其他策略

4)交易干预策略

  • 仅退款(全退或部分退)
  • 退货退款
  • 换货
  • 取消订单
  • 其他

5)其他相关方干预策略(例如营销账号)

  • 账号限流
  • 账号整改
  • 账号封禁
  • 其他策略

六、治理对象的恢复

  • 指定时间后恢复
  • 培训考试后恢复
  • 人工干预后恢复(申诉)
  • 永久封禁不可恢复

七、治理策略的效果追踪与复盘

  • 数据效果验证治理策略
  • 策略优化方案
  • 特征演变(由于治理策略调整,导致的其他演化出来的待治理问题)
  • 策略更新调整
  • AB测试验证

八、总结

以上只是个人粗浅的对于治理中台的一些概括与总结,存在概念与理解的偏差的话,还请各位指证讨论。

本文由@爱吐槽的徐教授 原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自unsplash,基于 CC0 协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!