商品理解背景

供需挖掘的前提是对商品理解。由于二手市场闲置商品的独特特性，不可能根据以往行为提出相关建议。个别卖家在发布自己的闲置商品时，也无法像B类商户一样上传商品的详细结构化信息。大多数个体卖家只发布单一图片、简短描述和非结构化信息。这种非结构化发布方法强烈依赖于推荐。因此，找出闲置二手市场的关键属性并加以构建，是商品理解的核心内容，也是品类结构优化的基石。

类别决策树

类别决策树是用户购买该类别的决策因素。我们从搜索、交互和交易的主动决策路径中挖掘用户的需求。通过匹配用户搜索词、交互意向词、交易属性词和二手商品属性，将它们分别附加到商品理解上，利用搜索词的搜索热度、交互词的出现频率和交易属性词结合闲置二手商品（如作为鞋服新旧程度、3C数码的精细度、个人护理和美容化妆的边际等），对商品属性的重要性进行加权，权重为用户访问路径转化率的归一化值，从而得到各种用途的关键属性，即闲置二手产品的决策树。

关键属性结构化

与新品市场相比，二手市场关键属性的缺失更为严重，多数个体卖家发布的图片单一、描述简短、无组织，因此商品理解就尤为重要。

因此，在得到类别决策树之后，需要进一步构造每个类别的关键属性，进一步商品理解，产品方面引导用户从发布、销售任务等入口完善结构化信息，通过与alinlp、image、同型号等算法团队的合作，采用自然语言处理、图像识别和同型号识别技术，完成分类和关键属性，完成商品理解，技术团队构建了一个完整的工程系统来整合各个渠道产生的类别属性。在此过程中，数据端构建自动数据监控系统，对不同渠道整合的类别和关键属性覆盖情况进行及时监控和预警，在数据层面开启阿里巴巴集团内部人工精准评估平台，确保数据质量。

供需挖掘及商品市场商品理解

利用类别决策树和商品结构信息，分析了当前闲置二手市场的供求状况，建立了商品供求指数，找出了机会市场，对商品理解，并对类别结构进行了优化。

供需指数模型由供需价格模型、商品库存模型、搜索热点模型和供需动态销售模型四个子模型组成。

供需价格模型

利用价格模型辅助建立商品供需指数，供需关系影响价格，价格变化反映供需关系变化，从而对商品理解。例如：受季节性影响，皮草在夏季处于供过于求的状态，均价处于全年较低水平，随着天气变冷，出现供不应求的现象，价格随之提升，而T恤的价格趋势正好与之相反，因此可通过价格辅助判断供需现状对商品理解

搜索热点模型

除供需九宫格外，我们对商品理解并结合搜索热点挖掘，通过分析用户搜索行为，找到搜索人气高，但在线商品数量少的供需机会点。以面膜商品理解为例，在相同搜索uv的情况下，“可复美”面膜的商品召回量及商品点击量远远低于其他品牌面膜，说明该品牌面膜存在一定程度的供不应求现象。

供需指数

供需指数为二手市场的品类结构调整指明了方向。对于供大于求的稀有类机会市场，可以通过促进释放来提高供给；对于供大于求的衰退市场，可以通过搜索关键属性导航、价格引导等供需引导方式来提高效率，实现业务增长。

不断优化中

目前，对闲鱼商品理解和供需指标的应用仍处于不断优化中，在工程应用、算法应用和业务场景上都有一定沉淀。