背景
随着闲鱼平台的飞速发展，积累了数亿件在线商品，但这些商品的质量和多样性也带来了一些问题，给买家带来了不良的购物体验。我们急需通过理解闲鱼商品的能力来筛选优质商品，提升用户的购物体验。
痛点
当前闲鱼商品存在以下问题：
卖家因素：闲鱼以个体卖家为主，存在卖家长时间不在线等问题，导致交易难以进行。
商品质量：存在假冒伪劣、劣质商品以及商品引流和重复铺货等问题。
价格问题：存在虚假标价、性价比低等问题，影响买家的购物体验。
供需失衡：大量商品供需不平衡，导致资源浪费和买家购物不便。
为了解决上述问题，我们需要从卖家属性、商品属性、价格属性和供需关系四个维度深入理解闲鱼商品，并基于这些理解进行选品。
商品分层维度解析
商品属性分析
新品属性：包括品牌信息、型号等。
二手属性：用于评估商品的折旧情况，不同类别有不同的折旧标准，如个人护理和美妆类需要考虑购买日期和余量等。手机类则需要考虑购买日期、屏幕是否破损等。
目前新品和二手属性的覆盖率并不理想，未来我们将通过用户引导和算法关联来提高这些属性的准确率和覆盖率。这将为我们分析供需关系和价格属性提供基础。我们也将严格监管商品属性，杜绝、劣质、引流和重复铺货等问题。
供需关系解析
在供需曲线中，需求曲线（D线）代表需求，供给曲线（S线）代表供应。我们将供求平衡时的价格定义为均衡价格（P），对应的产量定义为均衡产量Q。
对于闲鱼平台而言，同样存在大量供需不平衡的情况。例如女装类目商品积压过多，而手机类目的商品则供不应求。通过深入分析闲鱼商品的供需关系和商品属性，我们可以更准确地判断特定类目、品牌和折旧情况下的供需状况。这有助于我们解决商品积压问题，并对供不应求的商品进行补货。
价格属性解析
二手平台的买家主要寻求性价比高的商品。通过深入分析商品的新品和二手属性，我们可以评估商品的价值和其在同类产品中的性价比。这有助于我们指导商品定价，识别具有竞争力的商品。
卖家属性解析
卖家活跃度是商品能否成功交易的关键。卖家的活跃率、回复率、卖出率以及纠纷率等都是重要的卖家属性。考虑到闲鱼以个体卖家为主，如果卖家不在线或不愿意发货，交易将无法进行。卖家属性在商品属性中占据重要地位。
商品分层实现流程
商品理解阶段
我们从上述四个维度深入分析商品，找出与这些维度相关的因子，并设计商品信息指数、供需指数、价格指数和卖家指数。这些指数应与主指标（如曝光支付率、动销率等）正相关。通过回归分析，我们加权得到优质商品分数。
优质商品选取策略
有了优质商品分数后，我们如何选取优质商品呢？我们会设定目标和限制条件，例如选取分数最高的商品，数量不超过2000万，保证商品类目的均衡性，纠纷率不超过0.3%。然后解决组合优化问题即可得到优质商品池。
数据回测与仿真系统
数据回测是为了验证我们的选品效果在过去的一段时间内是否有效。我们会比较优质商品的主指标和大盘平均值之间的差异。如果连续一段时间都优于大盘水准，那么证明我们的选品策略是有效的。仿真系统则用于预估选品策略上线后对未来的影响。我们会结合过去的经验和知识，预测策略上线后的效果。包括初级、中级和高级知识在内的仿真系统可以帮助我们更准确地预测策略的效果。效果与应用目前我们已经将闲鱼的商品分层选取策略应用于新用户首购和大促场景并取得了显著的效果提升。点击率和购买率等指标都有了明显的增长其中点击率最高提升了约20%，互动支付率最高提升了约一倍左右具体数值由于涉及数据安全暂不公布展望随着我们对闲鱼商品的深入理解我们会进一步完善商品的分层体系同时我们也希望能与运营团队合作挖掘更多的商品知识并扩充到我们的知识库中通过用户引导扩大优质商品的数量进一步提升用户体验我们在未来的工作中将继续优化我们的算法提高选品的准确性和效率为买家提供更好的购物体验同时我们也期待与更多的合作伙伴共同推动二手电商行业的发展和创新
