閑魚如何0到1搭建一套發布引導鏈路

背景

隨著閑魚持續不斷的需求迭代和業務迅速的發展，如何進一步提升用戶的使用、留存和活躍的轉化，進而帶動整體二手交易市場的增長是核心命題，經閑魚內部資料分析我們發現，用戶的商品發布數與成交量呈現明顯正相關，寶貝數量越多的賣家，更活躍且留存高，所以發布對于成交和用戶留存活躍有著至關重要的作用，那么我們如何引導賣家發布更多的商品，從而幫助交易創新業務快速迭代，促進供給與交易增長，是閑魚目前重點思考方向之一，

現狀與目標

閑魚目前的MAU中66%非賣家，而在線賣家中有接近一半的用戶只有2件以內的寶貝，賣家不發布的主要原因可以分為以下三類：

1.動力不足

2.發布成本高

3.沒有觸發賣家轉賣意識

以往閑魚通過在雙十等大促活動中嘗試發布閑置領紅包、權益等相關營銷活動提高賣家發布動力；智能發布（模糊、相似度檢測、主題識別）、輕發布（同款預測、輸入聯想、鍵盤標簽）的建設致力于降低用戶的發布成本；而在發布鏈路上的促發布營銷策略基本都是臨時活動為主，需要研發每次提前case by case的單獨開發，排期耗時嚴重，一直以來缺乏固定場景的定向干預能力，觸發用戶的轉賣意識，

結合閑置二手市場貨品的孤品特性，不同商品品類的商品效率和成交效率相去甚遠，我們希望基于閑置市場供需現狀分析，挖掘機會市場，在固定引導頁建立導賣主陣地，搭建一條人工可定向干預+演算法推薦的促發布導賣推薦鏈路，實作千人千面的精細化運營，引導賣家發布，調整發布商品的品類結構，從而更好的給閑魚提供優質供給，提高商品效率，促進交易增長，實作賣家促發布倍訓，

思路

圍繞倍訓鏈路中的問題，具體該如何搭建一個運營可長期干預的促發布平臺？我們需要從以下角度著手：

1.結合二手閑置商品演算法的供需分析，實作不同賣家的不同策略推薦

2.基于賣家淘寶訂單融合多演算法推薦策略，展示同類商品匹配求購和賣出詳情

3.通過工程手段賦能業務方，提供實時干預能力，加速新業務的快速上線、快速調整投放策略

基于以上考慮，我們和演算法和搜索團隊合作，打通演算法基于一鍵轉賣串列的個性化推薦鏈路，同時支持運營干預能力，聯動搜索實時匹配賣出的關聯商品，為促發布導賣長期定向干預搭建一潭訓礎鏈路，實作導賣策略的千人千面，給予業務方快速試錯機會，

主要實作方法

圍繞前面提到的核心思路，我們可以將促發布引導鏈路可拆分為兩類場景，一類是運營配置的活動和策略，另一類是演算法根據賣家淘寶訂單串列的個性化SPU推薦，基于移動端的UT日志采集，我們分別設計了運營活動配置、演算法推薦、條件搜索三大模塊，實作不同的功能

1.運營活動配置支持對多種導賣活動型別的靈活配置

2.演算法推薦用于獲取促發布演算法的不同策略

3.條件搜索用于解決承接頁關聯商品的資料源

在實作程序中我們遵循以下兩個原則：

• 模塊之間互相解耦，實作程序中依賴的多個外部系統，明確批次的邊界，做到最小耦合

• 模塊內接入服務具有可擴展性，運營策略和演算法策略可能會不斷迭代，在代碼實作上我們需要做到可快速接入，易擴展

總體分層架構如下：

運營活動配置建設

為給運營提供長期干預能力，實作千人千面的導賣策略，如果像以往老的開發模式中，需要通過服務端推開關甚至修改代碼才實作，不僅成本高且效率低，因此促發布活動配置基于閑魚技術團隊打造的鯤鵬系統(面向業務開發和運營同學的平臺)進行二次開發，通過鯤鵬積木化特性提供的兩個主要擴展點（DataFetcher和MatFilter）開發框架實作業務特殊需求，使得開發模式從原來的單人串行開發升級為多人并行，將開發與運營的角色分工隔離，并實作活動周期管理、灰度控制、多種條件過濾（版本、疲勞度、平臺等）等功能，

1.DataFetcher子系統，通過實作該父類，運營活動后續在首頁feeds、搜索結果頁、猜你喜歡頁面等投放時此DataFetcher類可快速復用，通過控制臺注冊到對應場景即可，有效節省開發資源，也提升了業務上線效率，

2.MatFilter過濾器子系統，它沉淀了多種基礎組件供業務使用，例如分版本、灰度流量比例、搜索詞嚴格匹配、頁碼過濾、uv疲勞度過濾等前置過濾器等，活動配置可根據相關的運營定投需求，在控制臺上選擇對應的過濾器使用，同時通過繼承MatFilter基類實作具體業務邏輯，

促發布鏈路基于以上兩個子系統的能力，在投放出來的擴展點上拓展業務需求，實作場景的可擴展和素材過濾器的復用，開發出促發布獨有的配置模板和素材，提供運營基礎組件來達到不同配置的投放效果，

?運營配置設計如下

運營在配置平臺上，可靈活配置活動的生命周期、投放人群、活動疲勞度、投放策略的優先級以及活動的具體主題引數等，然后根據不同活動選擇不同的素材，配置完成后經樣式預覽，進行審批，產生實驗資料，實作活動鏈路倍訓，

開發同學實作完設計的幾種配置模板后，后續所有運營類的變更都可以由運營和產品自助在控制臺操作完成，如果投放不符合預期，也可自動修改、自助下線，整體流程和開發同學解耦，

演算法分析推薦

演算法測主要通過供需分析為運營導賣策略提供重要依據以及提供個性化SPU商品推薦

• 商品供需分析，利用細分市場與大盤流量效率及商品效率的對比，結合動銷情況，根據發布到成交的時間長短，挖掘出緊俏供給類目，供運營圈選人群的策略提供重要依據；
  

• 個性化SPU商品推薦，基于用戶淘寶訂單，從擴展可轉賣訂單、優化排序模型、優化促發布利益點：如求購人數、價格指導、售賣時間預估 三個方面進行優化；重構離線資料源與在線方案，透出真實求購商品和匹配人數，促進發布；

考慮到演算法的多來源接入及后續接入的擴展性，針對集團統一的TPP服務（集團內通用的JVM代碼開發和托管平臺，目前承載主要的推薦業務），促發布鏈路根據不同演算法源（獲取spu商品、對應的匹配商品數）進行結果DO定義，繼承基礎DO（resultBaseDO），使用統一封裝的模板請求和決議TPP服務的結果，大幅降低接入成本，提升代碼擴展性，

模板定義結構類圖如下：

客戶端每次只需要自定義具體場景id對應的tpp回傳結果結構體，然后統一呼叫getResultAndParse函式即可，由模板統一完成資料結構轉換、日志列印、例外保護等，極大提升了接入效率，代碼示例如下：

    function <T extends TppResultBaseDO> TppResultDO<T> getResultAndParse(sceneId, userId, params, cls) {
        TppResultDO<T> tppResultDO = new TppResultDO<>();  
                // 請求獲取tpp結果
        String response = retrieveTppData(sceneId, userId, params);
        try {
            if (condition) {
                    // 根據繼承模板類決議成基礎DO
                tppResultDO = JSONObject.parseObject(response, new TypeReference<TppResultDO<T>>(cls) {
                });
            } else {
                ...
            }
        } catch (Throwable throwable) {
            ...
        }   
        return tppResultDO;
 }

條件搜索

為給用戶展示與推薦策略同型別商品詳情，我們聯動搜索，分別在運營活動配置和策略、演算法SPU推薦商品的不同活動承接頁中支持了不同條件下關聯商品的搜索(關鍵詞、多類目、多狀態排序)，解決承接頁同類商品的實時資料源問題，

效果

目前，促發布導賣已在線上分桶實驗中，賣家進入頁面后點擊率和承接頁轉化效率較高，但整體入口轉化率表現不明顯，對發布和交易的大盤提升有限，后續會根據賣家發布行為特征，嘗試在更多新場景下進一步探索適用場景，觸發賣家轉賣心智，

總結與展望

本文主要介紹發布引導促發布鏈路的整體架構及幾個關鍵點的解決思路，希望能給讀者帶來的一些思考和啟發，促發布鏈路天然支持奧格人群圈選、鯤鵬多場景過濾，運營活動、策略和演算法推薦相結合，不光是在發布引導頁，首頁feeds、猜你喜歡等多場景也可快速接入，后續我們也會嘗試探索更多的促發布新場景（閑魚集市，新手村，拍照掃碼發布等），持續挖掘賣家行為資料和特征，提升賣家用戶標的精度和轉化效率，同時結合品牌力、價格力、供需關系來提升商品優質供給和賣家活躍度，實作交易增長，