今天介绍一下阿里1688幕后ToB 场景的运营智能化。在平时天猫淘宝网购过程中，我们接触的红豆是 App 上前端的推荐，但背后工作的努力和付出大多数人都不太清楚

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。

运营智能化背景

运营场景的玩法非常多元化，需要运营上亿的商品。对于传统行业运营模式，能应付成千上万的商品、能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、创作这个成本难以想象

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。

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。

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。

例如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。

整体框架图

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。

智能助手

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。

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。

运营智能化

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%。

总结

以上分享了三部分智能供需匹配、智能助手、运营智能化，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。