治理中台的搭建可以有效地帮助维护平台秩序，那么，怎样搭建好业务治理中台？这篇文章里，作者就对治理中台的搭建与规则进行了一些概括与所以，一起来看看吧，或许会对你有所启发。

一、概述

平台治理的根本目的不是为了处罚，而是为了维护平台的秩序。平台治理的规则体系是一个平台内部的法规体系，需要有自己的“刑法”和“民法”。“刑法”用于那些恶意破坏平台秩序的用户行为，“民法”用于对经济纠纷的责任判定。治理的核心策略不应该仅仅围绕在处罚，也要考虑如何预防和规范。

同时，平台治理系统作为平台纠纷的判罚者，拥有极大的权力。如果其权力不受限制地被滥用，治理平台自身反而会成为平台秩序最大的破坏者。

拼多多的“仅退款”炸店事件就是一个非常好的反面教材。治理平台需要系统化治理，做到对治理对象标准化、特征数据规范化、治理流程平台化，通过分层分级治理，实现差异化的治理方案。治理平台的规则不仅需要能接受社会与公众的监督，也需要通过用户、商家以及数据进行效果验证反馈，并据此做出相对应的优化和调整。

1. 治理对象标准化分类

• 交易相关的治理对象：商品、商户、用户、交易、交易相关其他角色。

• 内容相关的治理对象：内容创作者、内容、用户。

2. 治理的力量和方式开放

• 平台内的治理力量：商家、用户、平台。

• 平台外的治理力量：政府、媒体、舆情、行业协会等。

• 治理的方式：自动治理和人工治理。

3. 治理流程需要闭环

• 准入流程及策略：创作者准入、内容准入、商户准入、商品准入、营销推广准入、活动准入等。

• 事件处理及策略需要闭环，包括：建立治理特征数据平台=》支持各场景下触发治理=》基于特征平台数据进行仲裁判断=》基于判断结果进行干预策略=》被治理对象的整改与恢复。

4. 特征数据平台

实现内容、创作者、商品、商户、用户、交易订单等相关的完善的特征数据平台（详见下文）。

5. 分层分级治理

• 分层分级对象：内容、创作者、商品、商户、用户、交易等。

• 价值的分层分级（GMV、热度、价值）。

• 风险的分层分级（紧急程度、危害程度、影响范围）。

6. 治理判断的横向分析与纵向分析

• 治理对象（内容、商品、商户、用户、交易等）特征数据区分为当前特征数据和历史数据特征。

• 单个治理对象的当前特征数据与历史特征数据的纵向对比。

• 单个治理对象历史特征数据和同类对象的历史特征数据的横向对比。

• 单个治理对象当前特征数据和同类对象的当前特征数据的横向对比。

7. 治理策略反馈

二、治理的特征数据平台

1. 商品特征数据

平台需定义标准化的商品类目，建立标准化的商品特征数据，比如：

商品类目、商品价格、商品库存、区域、商品信息质量、商品热度、商品属性、商品品牌、商品风险、关联交易特征数据、关联商户特征数据等信息。

2. 商户特征数据

平台需定义标准化的商户分类，建立标准化的商户特征数据，比如：

商户分类、商户经营范围、线下经营情况、区域、商户热度、商户风险、商户经营商品的、2.5交易特征数据、2.1商品特征数据等。

3. 用户特征数据

浏览偏好、行为偏好、正逆向的交易偏好（2.5交易特征数据）、区域、售后行为、交易争议行为、个人价值、个人影响力（影响范围、影响程度）、个人风险、交易频率、其他用户特征。

4. 其他交易关联角色特征数据

物流、推广者、营销数据、活动数据。

5. 交易特征数据

基于交易中的商品类目，建立标准化的交易特征数据，比如：

交易商品类目、正向订单数据、逆向订单数据、同类订单交易频率、订单履约数据、交易沟通信息、交易争议、售后信息数据（如评论评分）、关联2.1商品特征数据、关联2.2商户特征数据、关联2.3用户特征数据、关联2.4其他交易关联方特征数据等。

6. 内容特征数据

基于内容类目，建立标准化内容特征数据，比如：

内容类目、内容标签、内容标题、内容介绍、内容素材类型（图片、音视频、文本）、发布地点（IP+定位）、发布设备、关联2.7创作者特征数据等。

7. 创作者特征数据

基于创作者类目，建立标准化创作者特征数据，比如

创作者类目、昵称、营销导流行为、创作内容偏好、发布地点（IP+定位）、目标人群、营销偏好、创作者风险、创作者影响力、关联2.6内容特征数据等。

三、治理的触发场景

1. 事前准入

• 商户入驻准入

• 商品准入（上架、库存增量）

• 交易额度限制准入

• 营销账号入驻准入

• 创作者入驻准入

• 内容上架准入

• 活动准入

• 供应商准入

• 其他准入

2. 事后判断处理

• 舆论事件

• 政策性事件

• 正逆向交易事件

• 投诉事件（商户投诉、用户投诉）

• 流量（商户流量、商品流量、内容流量）热度触发事件

• 其他场景

四、治理的判断方逻辑

1. 自动化判断

1）自动判罚依赖的AI能力

• 图像识别

• ASR语音识别

• NLP

• 算法

• 规则处理系统

• 自动判罚依赖的AI能力

2）强逻辑规则

• 主要应用于算力不足，数据量较小（新特征的违规数据），由于政府政策产生的临时治理策略，这些场景下历史数据较小且紧急性高，需要依赖于强规则快速调整。

• 优点：不依赖于大量数据和算力资源，强逻辑规则通过配置，可以使治理策略生效的响应效率更快。

• 缺点：完全基于规则进行抽象，会使过程丢掉很多细节信息，丢失的信息对结果的误差判断影响也很大。

3）算法规则

• 通过算法区分违规可能性及违规严重程度。

• 基于特定事件，可以得出以下违规特征的置信度。根据平台治理的运营策略，设定判断置信度的区间与是否违规规则的逻辑关系，最终做出判断。

• 优点：无需非常复杂的规则配置，能基于更全面的用户数据做分析判断。

• 缺点：依赖大量数据和算力资源。

2. 人工判断

五、治理的干预策略

1. 内容类干预

1）内容干预

• 内容限制上架

• 内容限流降权（推荐策略调整、限制分发）

• 内容下架

• 内容整改

• 限制参与活动

• 其他

2）创作者干预

• 账号限制上架作品

• 账号限流降权

• 账号封禁

• 账号整改

• 限制参与活动

• 其他

3）用户干预

2. 交易类干预

1）商品干预

• 限制上架

• 商品限流降权（推荐策略调整、限制分发）

• 商品下架

• 商品整改

• 限制参与活动

• 其他

2）商户干预

• 限制入驻

• 商户限流降权

• 商户整改

• 商户封禁

• 限制参与活动

• 其他

3）用户干预策略

• 用户警告

• 限制交易评价

• 限制交易

• 用户封禁

• 账号整改

• 其他策略

4）交易干预策略

5）其他相关方干预策略（例如营销账号）

六、治理对象的恢复

• 指定时间后恢复

• 培训考试后恢复

• 人工干预后恢复（申诉）

• 永久封禁不可恢复

七、治理策略的效果追踪与复盘

• 数据效果验证治理策略

• 策略优化方案

• 特征演变（由于治理策略调整，导致的其他演化出来的待治理问题）

• 策略更新调整

• AB测试验证

八、所以

以上只是个人粗浅的对于治理中台的一些概括与所以，存在概念与理解的偏差的话，还请各位指证讨论。