阿里1688运营智能化实践
分享嘉宾：奇径 阿里 高级算法专家
文章整理：凌铭
内容来源：DataFunTalk
出品平台：DataFun
注：欢迎转载，转载请留言。
导读：在天猫淘宝网购过程中，大家接触比较多的是 App 上前端的推荐，但是背后的工作努力和付出大家可能都不太清楚。今天跟大家介绍一下1688幕后的 ToB 场景智能化运营工作。
ToB 行业关心效能、功能和流程化，而算法在 ToB 运营机制一般来说可以总结为：复杂的事情简单化、简单的事情流程化、流程化事情自动化、自动化事情智能化。希望机器能解决纵向的劳动化的简单问题，对于人能发挥横向的协同复杂能力。
今天的介绍会围绕下面三点展开：
❶ 智能供需匹配
❷ 智能助手
❸ 智能内容运营
▌背景
运营场景非常泛也非常大，这里挑选几个场景进行介绍：
如图从左到右，依次为 ToC 超市、天猫电商、义乌小商品批发店，最后为1688的商人节。可以看到运营场景的玩法多元化，需要运营上亿的商品。对于传统行业运营模式，能否应付成千上万的商品、能否看到大局的运营情况吗？显然通过人工很难去应付。同时商品的内容文案运营通过人工创作成本也非常高，对于每个商品、会场和隔三差五的电商活动都需要人工去编辑、创作这个成本不敢想象，所以面临十分巨大的。
▌智能供需匹配
供需匹配主要分成两块，供给侧和营销侧。大家更多关注点在于营销侧，怎么卖商品给用户，那么供给侧则需要把卖的商品找到提供给用户。供给侧涉及应该卖哪些货，应该去找哪些工厂或者商家。
先提出一个问题，该运营什么货呢？我们可以分成市场洞察和买家洞察。首先我们需要定义市场 ( 市场发现层 )，然后分析市场 ( 市场分析层 )，接着为评估市场 ( 市场评估层 )，最后赋能运营对市场进行决策 ( 市场运营层 )。这些都会涉及到子的模块包括指标预测、销量预测、定价能力、新兴市场的发现和不同市场的运营，这些问题都是小二运营需要面对的。
❶ 市场定义和生成
以饮料为例，可以划分为碳酸、水和茶饮料等。然后水中还会划分为包装水和纯净水，可以看到包装水和纯净水市场都是逐年递增的，所以我们认为水的市场非常好。
那么我们怎么定义市场呢？我们可以根据在线的商品挂载到市场上，CPV 市场作为承接还有一些类目、修饰和面料等属性。
市场数据中，我们会把对齐上的商品图谱化和用户输入 query 等属性挂载到 CPV 上，可以做特征聚类和标签聚合，最后生成一个市场的模型。对于未登陆的就可以用这模型预测属于哪个市场。
❷ 市场分析与评估
有了市场的定义，那么可对于市场做分析与评估。
如图根据消费者需求的维度进行分析，比如可看买家、成交、流量、供给等指标。我们可用 gbdt，W&D 模型进行预测。
有了这些数据指标，那么可根据波士顿矩阵去分析市场的类型 ( 成熟型、优质型、风险型和新兴型 )。对于不同的市场类型做不同运营的方案，比如新兴市场则可做促销和流量扶持的操作。
分析的指标则可以帮助小二做运营决策，比如选择羽绒服时，可看到销量的决策热度属性，中等厚薄在10月开始是卖的最好的。根据这些全面的数据指标，刚入门的小二也能变成类目运营的专家。
❸ 整体框架图
可从图中看到，我们通过智能供需匹配系统计算的结果，最终输出到运营平台中，例如补品任务发给商家，营销方案发给小二。可看到供需匹配的市场是一片蓝海。
▌智能助手
❶ 流程架构
如图为运营过程智能化的流程示意，包括：
洞察与精耕客户，挖掘多源数据
衔接市场需求，市场定义和分析数据、商家/商品图谱
打通商品和商家的成长路
协同策略举例：
经营策略，如何经营商品，增加营收
供货策略，洞察下游市场，结合商家供货能力，生成供货策略
权益策略，1688会员优惠价，或者流量分析工具
引擎触达方式：有商家工作台、钉钉、千机助手和阿里通信。
❷ 场景示例
下面我们来看一下千机助理，以上新品场景为例：
首先我们需要定义市场是需要哪些供货策略，那些需求单。再通过策略中心做智能分发。小二收到分发信息定向做 SOP 生成包括可解释的模型。
从整条链路看，可分为：
发现问题 -> 找出问题，通过大数据分析洞察商家上新能力及意愿。
问题归因 -> 发现解决方案，根据洞察结果将合适的策略分发给合适的运营，然后运营再交付给商家。
最后生成 SOP，通过可解释的模型把合适的因子拿出来生成一套 SOP。
▌智能内容运营
通过人机协作方式，降低人工创作的成本。内容运营分成三部分：
智能文案生成吸引人的描述和推荐理由
智能短标题生成千人千面的标题
智能标签解决买家的标签和卖家的标签不同域的问题，如卖家上架只写货品类目属性，而买家更关注货品使用场景、功效等
智能内容运营整体上线后，效果转化提升10%。
我们在2019年做了一个智能化风格文案 [ Automatic Generation of Pattern-controlled Product Description in E-commerce WWW19 ]，我们希望生成的文案能满足买家需求同时长度字数可控的。同一个标题输入不同风格类型则输出对应的文案，比如输入简约则生成 "连帽棉服，简约不单调的穿搭" 的文案。
模型中多样化通过 coordinate encoder 实现，去重则通过 attention based decoder 进行，并且加入 style Classification 至 loss functions 中。
▌总结
以上分享了三部分智能供需匹配、智能助手、智能内容运营，我们工作内容还包括知识图谱 ( 商品知识图谱，会场知识图谱，工厂知识图谱 )，人机协同可解释性等方面的研究。
奇径
——END——
文章推荐：
社群交流：
一个「在看」，一段时光！👇