XIJIAN · PRODUCT REQUIREMENTS

达人推荐系统 · PRD

推荐 + 估价双引擎:把反选 SOP 数字化为可解释评分,以双锚定价输出建议价,用 Champion/Challenger 全自动飞轮持续进化。定位是人工反选的辅助参谋——决策永远人工,系统负责把可用信息利用到极致。

版本 v1.1 日期 2026-08-17 状态 待业务过目(随业务册) 定位 内部武器 → 独立产品线孵化(v1.1 定调) 业务册 /docs/recommend-biz.html 口径基线 baseline v2.0 §2 / §5 / §12A

01定位与边界

链路位置:任务发布 → 推荐清单 + 建议价生成 → 人工圈定反选名单 → ②A 定向邀约。候选池两层:优质沉淀池(已履约,按真实履约数据排序,最强信号)与扩展池(集星广场 + 已建联未履约,按 SOP 标准评估)。

边界(不动摇):反选决策永不自动化(三不自动化第一条);系统对判不了的项(如首次合作的配合度)明示「待人工」,不输出伪判断;SOP 的强制规则原样执行(配合度 <6 或黑名单 → 不作主选)。

价值排序:效率(免人肉筛表)> 召回(不漏数据上明显好的)> 经验传承(SOP 活在系统里,新人可用)> 预测精度。

定位升格(v1.1 定调):本系统不只是内部降本工具,是风险定价能力的孵化器——内部使用阶段即是对外产品线的第一期。战略全貌见 §01A。

01A战略定位:从内部武器到独立产品线

2026-08-17 定调 —— 持续赛跑,抢占市场,客户信任是最大的护城河

数据的两类,饱和速度完全不同

公开侧数据 —— 零壁垒

视频指标、粉丝画像、评论、集星数据:人人可采、快速饱和。对手不需要追平你的量,只需要到达「够用线」。这一侧堆数据不构成任何防御,预测精度只是入场券。

履约侧标签 —— 高成本慢饱和

达人 × 任务 → 真实 GMV / 退款率 / 配合度 / 鸽约 / 真实成交价:获取成本 = 真金白银做一单生意。积累速度 ∝ 业务规模,不 ∝ 爬虫能力。飞轮的重心必须压在这一侧。

护城河四层(按强度排序)

是什么为什么防得住
1. 效果承诺(主轴)「按建议价付费,达不到标兜底」的结果条款 —— 风险定价 + 对赌,保险精算逻辑对手没有履约标签就不敢跟进,跟了就亏损。数据量领先会被侵蚀,「敢承诺的资格」的差距是复利的:承诺→订单→标签→承诺更准
2. 双边网络平台化后:商家多→达人多→匹配好→更多商家对手要追的不是模型,是两边的流动性
3. 组合位业务发动机(产履约数据)× 系统能力,同时在手星图不做垂直交付不背承诺;数据工具商(蝉妈妈/飞瓜)无履约闭环;同行服务商无系统基因 —— 单项不稀缺,组合稀缺
4. 切换成本商家侧项目/绩效档案沉淀、达人侧信用分与结算便利可设计:用得越久越难走

对外形态三选一的判断

对现有方案的含义:技术方案一行不改 —— 「特征快照库+标签库按高标准从第一天积累」正是对外化地基。改变的是指标的意义:§09 的「按建议价成交达标率」从内部验收指标,升格为将来对外结果条款的定价依据;内部使用阶段 = 精算能力的验证期。终局判断:护城河不是推荐算法本身,而是「全行业只有我们敢按建议价签结果条款」,以及签出的每一单都在拉大差距 —— 持续赛跑,抢占市场,客户信任是最大的护城河

02总体架构:双引擎共享一套飞轮

数据层 · 特征快照库 + 标签库(护城河本体)

集星(已接入)· 视频 API(原始文件/评论区/舆情,接入中)· 来客成交曝光 · 内部:履约标签 / 议价成交价 / 退款率 / 达人属地与接单密度 · 上下文:季节/节假日。推荐时刻的特征全量快照留存 —— 模型随时可换,数据资产是不动产。

推荐引擎(三品类分轨)

SOP 数字化评分(六维 + 硬门槛 + 分档)→ 排序清单:每项分数带证据链接、风险标注、低推荐沉底、探索位 10–20%可配

估价引擎(双锚定价)

行情锚 × 收益锚取低 → 建议价区间 + 性价比标注(报价过高 → 压价目标/换人)

归因层(按批次自动)

TopN 采纳率 · 采纳者达标率 vs 人工直选达标率(天然对照组)· 各维度与产出相关性 · 按品类分轨、控季节变量

校准层 · Champion/Challenger 全自动

Challenger 影子跑批 → 连续 K 批可配胜出自动晋升 → 质量跌破回滚线自动回退 → 全程审计留痕。人只在异常告警时介入。

03数据基建清单

数据源状态供给
集星(商户侧达人平台)已接入候选池 / 等级 / 品类 / 带货数据
抖音视频全量指标 API(历史序列:播放/点赞/评论/收藏 + 发布时间)接入中中位数播放 / 波动 / 断更 / 30·60·90 天趋势(SOP 数据六维的主体)
原始视频文件(豆包视频模型做内容理解)接入中内容质量 / 可复制结构 / 出镜稳定性;抽样法照 SOP:爆款/普通/低播放各 3 条,控成本
评论区数据接入中互动真实性(人机判别 / 内容相关性)
舆情数据评估中硬门槛:违规 / 舆情风险项
成交/曝光(来客口径)已有转化信号 / 履约标签
达人成交价历史(议价落库 §6.2)已有估价行情锚(私有真实成交数据)
达人维度退款率(内部聚合)可算带货质量信号(刷量带货退款率高),入数据健康度
达人属地 + 活动半径(主页 IP + 回填 POI 轨迹反推)可算估价距离项 + 「异地无法拍摄」硬门槛自动判
达人接单密度(挂 POI/挂车视频频率)可算内容稀释 / 粉丝疲劳预警 + 竞对情报
季节/节假日/天气上下文公开归因控制变量(防季节效应污染达人评价)
粉丝画像分布 / 直播场次数据(达播轨需要)二期用户匹配 10 分数据化 / 达播品类推荐

04推荐引擎规格

4.1 SOP 数字化映射(100 分怎么算)

SOP 评分项自动化方式
数据健康度30全自动 中位数播放/波动/断更/涨粉趋势(视频序列)+ 退款率 + 刷量信号(评论区人机比对播放)
内容质量与稳定性30AI 辅助 豆包视频模型抽看近 30 条(爆款/普通/低播放各 3):可复制结构 / 出镜稳定 / 制作质量,给初判分
定位清晰度20AI 辅助 主页与内容一致性 → 生成「一句话定位」,人 3 秒可核
用户与商业匹配10全自动 品类匹配 + 地域 + (二期粉丝画像)
达人配合度10人工/历史 首次合作明示「待人工」;已履约达人自动算(催发响应时长/交稿准时率/人工 1–10 分记录)

硬门槛六条(SOP 原文核对 2026-08-17 修正):违规舆情 / 不愿稳定出镜 / 刷量疑似 / 定位冲突 / 拒绝配合复盘 / 承接条件缺失——自动可判项自动 pass,意愿类人工核对。另有预筛规则(三分钟初筛):纯异品类、无出镜人、全 15 秒云剪号直接 pass(此前误归入硬门槛,已更正)。每个分数携带证据链接(数据来源 / AI 判断依据)——继承 SOP「打分必须写证据」。

4.2 三品类分轨

品宣品效团购
优化目标曝光效率(曝光/成本)+ 互动质量ROICPM 控制 + 达标率
硬门槛粉丝 ≥20w可配LV6+可配LV4+、招募价约束可配
特征侧重内容力 / 粉丝画像 / 互动真实性同品类带货数据 / 转化信号中位数播放基本盘 / 性价比
转化信号权重最高

三轨独立:各自权重模板(配置中心三套)、各自目标函数、各自归因统计与飞轮 —— 防品类互相污染。样本积累与复杂度解锁也按轨判断。

4.3 清单产品形态

05估价引擎规格

行情锚 = f(该达人历史成交价, 同层级同品类成交分布, 车马费基础价(距离分段可配 × 层级系数))
收益锚 = 预测产出_P30 ÷ (目标达标线 + 1) // 保守分位数:预测带货 ¥3,000、ROI≥2 → 上限 ¥1,000
建议价区间 = 两锚交集;达人报价 > 收益锚上限 → 标注「压价至 ¥X 或不选」

06飞轮规格:Champion / Challenger 全自动校准

  1. 推荐快照:每次清单生成留存全量特征与分数(回测地基)
  2. 归因批处理:按批次(场次结算后)自动计算:TopN 采纳率、采纳者达标率 vs 人工直选达标率(天然对照组——人工会选系统没推荐的人)、维度-产出相关性;按品类分轨、控季节变量
  3. Challenger 生成:归因结果自动产出候选权重(变更幅度上限 ±20%可配
  4. 影子对比:Challenger 对同批任务生成虚拟清单,与实际反选与产出对比;连续 K 批可配胜出 → 自动晋升 Champion,旧版归档
  5. 回滚线:质量指标(TopN 采纳率 / 采纳者达标率)跌破线可配 → 自动回退上一版
  6. 审计:每次晋升/回滚都是审计事件,权重版本历史可查可回放

人不在校准环内,只在两处:反选决策本身 + 异常告警(连续回滚、指标漂移)介入。学习主信号 = 链路真实产出;人工采纳行为仅作辅助信号(学人 = 复制偏见)。

07复杂度解锁路线

标签量级(按轨)模型形态解锁条件
百级(现状)可解释加权评分(SOP 数字化)+ 分段规则即刻
千级浅层统计学习(逻辑回归 / 浅 GBDT),特征重要性可解释该轨履约标签 ≥1000 且分层后每层 ≥300
万级+更强模型 + 序列特征达播/团长/云剪全量入库后自然到达
架构铁律:模型可换,特征快照库与标签库是不动产 —— 从一期起按高标准积累(推荐时刻全量特征快照 + 履约标签结构化),任何未来模型都能在同一份数据上训练与回测。这是「理论上能做到最好就把它做出来」的工程化落点。

08过度优化护栏(五风险五刹车)

风险形态刹车
自我强化偏差只推 A 类 → 只有 A 类数据 → 更推 A 类,新达人永无出头探索位制度化(10–20% 强制配额),探索位产出是长期养料
过拟合样本少 + 模型复杂 = 记住噪声复杂度按 §07 解锁,未达量级不上模型;权重单次变更 ≤±20%
Goodhart只优化 ROI → 系统学会保守,伤害新达人扩展目标多目标显式并列:达标率 + 新达人开发数 + 品类覆盖
分布漂移平台算法 / 季节 / 品类热度变化令旧权重过时滚动窗口(近 90 天高权)+ 时间衰减;季节作归因控制变量
学偏好而非产出学「人选了谁」= 复制人的偏见主信号 = 链路产出;采纳行为仅辅助

上限的诚实表述:单次表现含不可约噪声(平台分发随机性、临场因素),完美预测不成立;系统逼近的是「给定信息下的最优判断」—— 该上限随数据积累持续抬升,飞轮的意义正在于此。

09指标与验收

指标定义目标
TopN 采纳率推荐前 N 名被人工圈定的比例持续爬升;连续两批下滑触发回滚
采纳者达标率圈定的推荐达人最终达标比例≥ 人工直选组(对照);显著更高为优
按建议价成交达标率在建议价区间内成交的商单达标比例显著高于整体达标率(估价引擎的验收线)
建议价偏差|建议价 − 实际成交价| 分布收敛趋势
探索位命中率探索推荐中最终达标的比例跟踪即可(它的使命是产生数据,不苛求命中)

10分期与依赖

一期 · 数据打分版

优质池排序 + 扩展池全自动 60–70 分 + 清单/评分卡/建议价 + 决策留痕 + 特征快照库。不依赖新模型能力,数据就绪即做。

二期 · AI 内容理解

豆包视频模型:内容质量 30 分 + 定位 20 分 + 评论真实性。按 SOP 抽样法控成本。

三期 · 飞轮全自动

归因批处理 + Champion/Challenger 自动校准 + 回滚线。此后系统自我迭代。

依赖 / 待定说明
视频 API 三件套接入原始文件 / 评论区 / 舆情(舆情源待评估确认)—— 一期数据健康度依赖视频序列
车马费距离分段初始口径运营提供现行标准 → 配置中心初始值
配合度记录机制业务册第 06 节两件配合小事(跳过原因 / 1–10 分)待业务确认
与经营环反选名单的交接方式清单在犀见生成、人工圈定后同步经营环 vs 经营环读犀见接口 —— 与天择对齐
集成主文档业务册过目通过后:SOP 纳入基线 §5 扩充、估价暂缓项解除、主 PRD 数据域并入本模块

11版本记录

版本日期说明
v1.12026-08-17战略定位章(§01A):数据两类论、护城河四层(效果承诺为主轴)、对外三形态判断、内部阶段=精算验证期定调
v1.02026-08-17首版:双引擎(推荐+估价)架构、SOP 数字化映射、三品类分轨、C/C 全自动飞轮、复杂度解锁路线、过度优化护栏、指标验收、分期依赖