01它是什么，不是什么
定位一句话：你的反选参谋，不是替你反选
它做的事
- 按反选 SOP 把候选账号初筛、过硬门槛、打分，给出排序清单
- 每个分数都附证据（点开能看数据来源），像 SOP 要求的"打分必须写备注"
- 给出建议价区间：既不当冤大头，也不压到达人不接（见 05）
- 你每一次圈人、否人、以及最后的真实数据，都在教它变得更准
它不做的事
- 不替你做决定：反选永远人工拍板（三不自动化第一条，不动摇）
- 不装懂：配合度这种只有人接触过才知道的事，清单上明写「待人工判断」
- 不改变流程：还是「反选 → 定向邀约」，只是反选前你手里多了参谋报告
它在链路里的位置：任务发布 → 系统出推荐清单 → 你圈定反选名单 → 一键定向邀约（②A）。优质达人沉淀池永远是首选（他们有真实合作数据）；新达人扩展按 SOP 标准评估 —— SOP 从文档变成系统的出厂设置。
这个定位 —— 系统当参谋、你来拍板 —— 和你们对反选工作的预期一致吗？
02你的反选，从此有什么不同
现在
- 翻集星/来客一个个看号，3 分钟初筛全靠手点
- 近 30 条内容逐条看，中位数播放靠心算
- 评论区真不真，一条条翻
- 报价合不合理，凭经验和记忆
- 新人上手，得老带新盯着选
上线后
- 打开清单：硬门槛不过的已单列并注原因，剩下的按分排好
- 中位数播放、波动、断更、涨粉趋势 —— 系统算好摆在那
- 评论区 AI 先读一遍，真实互动还是人机刷评，给出初判
- 每个人带建议价区间，报价过高自动标红
- 新人照清单+证据就能选 —— SOP 活在系统里，不用背文档
左边这些「现在的做法」符合实际吗？有没有清单帮不上忙、还得你自己来的关键环节？
03推荐清单长什么样
评分完全按你们 SOP 的 100 分表来 —— 六个数据维度 + 一票否决 + 分档处理
示例 · 达人昵称 品效 LV686 / 100 · 优先主选
定位清晰度17/20
内容质量与稳定性24/30
数据健康度27/30
用户与商业匹配8/10
达人配合度待人工
- 硬门槛先行：SOP 的六条一票否决（违规风险/不稳定出镜/疑似刷量/定位冲突/拒绝复盘/承接条件缺失）—— 能自动判的自动判（如纯美食号 pass、云剪短片号 pass），判不了的列为人工核对项
- 分档照旧：85+ 优先主选 ｜ 75–84 备选 ｜ 65–74 谨慎 ｜ 65 以下不建议 —— 颜色标出
- 强制规则照旧：配合度低于 6 分或在黑名单，总分再高也不作主选
- 低推荐沉底：CPM>80 的达人沉到清单底部并标注原因（口径见基线 §2）
- 探索位：清单固定留 10–20% 给「数据不足但过了硬门槛」的新面孔，标注「探索推荐」—— 新达人才有出头机会，系统也才能学到新东西
六维打分和你们平时的判断习惯一致吗？「探索位」给新面孔留 10–20% 的位置，业务上能接受吗？
04三个品类，三把尺子
品宣看曝光、品效看 ROI、团购看性价比 —— 系统分三条轨道各评各的，不混着算
品宣
粉丝 ≥20w 起评；重点看曝光效率与内容力、互动真实性、粉丝画像；带货数据权重低。
品效
LV6+ 起评；重点看同品类真实带货数据与转化信号 —— 三类里对 ROI 要求最高。
团购
LV4+ 起评、招募价约束；重点看中位数播放的基本盘和性价比（CPM 控制）。
三类的侧重这样分对吗？有没有哪类的判断标准，实际操作里和这里写的不一样？
05建议价怎么来：两把尺子取低的
目标很直接 —— 按建议价成交的合作，大概率能达标
尺子一 · 行情价
他这个层级、这个品类的达人，市场上成交价什么水平 + 他自己和我们的历史成交价 + 车马费按距离分段（达人常驻地到项目地的距离，系统自动算）。
尺子二 · 他值多少
按他的数据保守估计能带来多少产出，倒推最多值多少钱。例：保守估计带货 ¥3,000，要求 ROI≥2，那最多付 ¥1,000 —— 就算他发挥低于预期，大概率也达标。
建议价 = 两把尺子取较低者。达人要价高于上限 → 清单直接标注「压价至 ¥X 或换人」—— 谈价有底气，SOP 里"报价过高自动打标"就此实现。佣金点走平台分账不进现金，不参与估价。
它也会越估越准：你们每次标注的实际成交价 + 最终数据，都在校准这把尺子。检验标准只有一条：按建议价区间成交的合作，达标率要明显高于平均 —— 达不到就说明尺子不准，系统自动回调。
「按建议价谈价」这个用法在实际议价中可行吗？车马费的距离分段口径（多少公里内多少钱）请运营给一版现行标准，作为系统初始值。
06系统怎么越用越准（数据飞轮）
你的每个动作都在教它 —— 不用额外干活，留痕即教学
2你来圈人
采纳/跳过照常操作；跳过时顺手点个原因（价格高/档期/内容不符），不点也行
3真实结果
达标、ROI、鸽约、配合表现 —— 系统里本来就有，零额外录入
4对答案
系统推荐的准不准？你手选的比它强在哪？按批次自动复盘
5自动调优
新标准先「影子试用」跑几批，确实更准才转正；变差自动回退
- 调优全自动但有三道保险：新标准先试用再转正、准头下滑自动回退旧版、探索位保证不偏科
- 系统学的是真实结果，不是学你的口味 —— 它要帮你验证判断，不是复读你的判断
- 季节因素单独算账：寒暑假的好数据不会被错记成达人本事
需要你们配合的就两件小事：① 跳过达人时顺手点个原因（可选，不强制）；② 合作后给达人配合度点个 1–10 分（催发响应快慢这类系统自己会算）。这两个动作能接受吗？
07数据从哪来
| 数据 | 状态 | 用来干什么 |
|---|
| 集星（商户侧达人数据） | 已接入 | 候选池、等级、品类、带货数据 |
| 抖音视频全量指标（API：播放/点赞/评论等历史序列） | 接入中 | 中位数播放、波动、断更、涨粉趋势 |
| 原始视频文件（AI 看内容 · 豆包视频模型） | 接入中 | 内容质量、可复制结构、出镜稳定性（按 SOP 抽法：爆款/普通/低播放各 3 条） |
| 评论区数据 | 接入中 | 互动真实性（人机判别） |
| 舆情数据 | 评估中 | 硬门槛里的违规/舆情风险 |
| 成交/曝光（来客口径）、历史成交价、退款率、达人属地与接单密度 | 系统内已有/可算 | 转化信号、行情价、带货质量、距离与档期饱和度 |
08这套系统的远方（为什么它值得你认真喂数据）
2026-08-17 公司定调 —— 它不只是内部工具，是在孵化一条对外的产品线
现在：它是你的反选参谋，帮你把 SOP 跑成清单和建议价。
将来：当推荐和估价被内部实战验证得足够准，公司就有底气对外做一件全行业没人敢做的事——跟商家承诺结果：「按我们的建议价投放，达不到标准我们兜底」。星图不敢这么承诺，数据工具公司不敢，同行也不敢——因为这个底气只能来自足够多的真实履约数据：哪个达人在哪类任务上真实带了多少货、退了多少款、配合度如何。这些数据买不到、爬不到，只有真做过一单一单生意的我们有。
所以你的每个动作都在攒公司的家底：圈人与跳过的留痕、配合度的一个打分、每单最终的真实数据——今天是在教系统当好参谋，明天就是公司敢对外签结果条款的定价依据。这是一场持续的赛跑：先跑起来的人，每做一单差距就拉大一分；最终抢下市场、赢得客户信任，就是最大的护城河。
09上线节奏
一期
数据打分版：清单+建议价上线
（数据算得出的 60–70 分先跑起来）
二期
AI 看内容：评论真实性、内容结构、定位一句话 —— 补足另外 30 分
反馈方式：对任何一节有意见，群里回「推荐系统 第 X 节 + 意见」；没有异议请回「第 X 节确认」。特别请确认：03 的探索位、05 的距离分段口径、06 的两件配合小事。全部确认后进入开发。