惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Google DeepMind News
Google DeepMind News
I
InfoQ
Engineering at Meta
Engineering at Meta
D
DataBreaches.Net
L
LangChain Blog
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Recent Announcements
Recent Announcements
GbyAI
GbyAI
爱范儿
爱范儿
Microsoft Security Blog
Microsoft Security Blog
腾讯CDC
美团技术团队
罗磊的独立博客
Microsoft Azure Blog
Microsoft Azure Blog
WordPress大学
WordPress大学
T
The Blog of Author Tim Ferriss
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
雷峰网
雷峰网
M
MIT News - Artificial intelligence
D
Docker
MongoDB | Blog
MongoDB | Blog
F
Fortinet All Blogs
博客园 - 叶小钗

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
二手交易大模型应用产品设计
践行知行合一 · 2024-12-30 · via 人人都是产品经理

二手平台一直以来深受信任度和交易链条的痛点困扰。本文对闲鱼、转转和多抓鱼这三个比较典型的二手平台进行分析,看看有存在哪些可以优化的地方。

供应链中很关键的3个流,分别是:物流、信息流、资金流。供应链的正常、稳定运行,需要3个流中各个节点都有角色来承担对应职责,但参与的角色愈多,会导致供应链链条越长,供应链复杂程度越高。

当代社会,供应链在朝着运转效率不断提高、成本不断下降的方向“进化”。减少供应链链条环节,提高每个链条环节的处理、运转效率,都可以促成供应链的“进化”,如果采用合适的高效技术,加入到现有供应链过程中会对提升供应链“进化”有非常大的帮助。

随着新技术的不断发展,我们可以不断探索出满足原有需求的新的产品实现方式,其中利用新技术构建自动化分析大模型就是一个很有效地解决方式,从而实现供应链的提效、降本。

以二手市场交易为分析对象,二手市场存在2类最大痛点:

  1. 交易双方信息不透明或缺少公正性,导致交易卖卖双方信任度不足;
  2. 或交易链条较长,导致单笔交易周期增长,交易效率降低。

分别对闲鱼、转转、多抓鱼等3个大型二手交易平台进行分析,我们可以获悉它们存在的具体可优化地方。

一、“闲鱼”二手交易平台

闲鱼上主要是买卖双方自由交易模式,由平台方暂存交易金额,即C2C模式。当买家在闲鱼上完成付款后,款项会先被冻结在支付宝的一个临时账户中,直到买家确认收到商品并选择确认收货,资金才会从临时账户转入卖家的支付宝账户。

此类交易模式下,平台方参与度较低,平台方为交易双方提供发生交易的场所,并仅需对交易资金流强管控,保证交易能够顺利进行,但同样此种模式下交易双方对所交易的商品实际价值存在理解偏差,导致定价缺少必要的科学依据,导致虚假定价的发生,不利于交易双方信任度预期的合理培养。(如图1)

图1 C2C二手交易模式

二、“转转”二手交易平台

转转上从供应链物流及信息流维度来分析有3个参与方,分别是卖方、平台方以及买方。卖方根据平台所设置的筛选条件逐条选择适合当次售卖商品的属性信息,获取到初始预估可售卖价格,然后经技术人员实物核对之后支付实际售卖金额,平台方对实物进行清洁、修理等操作之后重新定价,然后在平台上架售卖,最后,买方根据实际需求下单购买即可,此种即为C2B2C模式。同时,转转平台也不断发展处类似闲鱼C2C模式、或是寄售模式等更丰富的二手交易方式。(如图2)

图2 转转C2B2C二手交易模式

三、“多抓鱼”二手交易平台

多抓鱼平台在供应链物流及信息流等维度同样有卖方、平台方以及买方三方,同样是C2B2C模式。

卖方选择“卖东西”,进入页面后选择“卖书”,然后可以扫图书码或输入ISBN号,就能看到这本书的预估回收价格。确定要卖的书后,点击下单并预约回收时间,顺丰快递会上门收书,运费到付,卖方只需打包好书籍即可。多抓鱼平台收到二手书后进行清理、翻新、消毒和重新包装等操作,并重新定价后上架平台售卖,买方按照实际需求选购图书并下单即可。

多抓鱼平台靠着二手书起家,当前已拓展到服装及电子产品品类。(如图3)

图3 多抓鱼C2B2C二手交易模式

“转转”二手交易平台和“多抓鱼”二手交易平台相较于“闲鱼”二手交易平台,更能够为交易买卖双方提供值得信任的第三方(平台方),保证交易双方对交易价格结果的认可。

但从二手交易实质来看,二手交易仅包括卖方和买方,交易卖方:确认交易产品、价格及方式;交易买方:确认购买二手商品清单并下单。“转转”二手交易平台和“多抓鱼”二手交易平台与二手商品卖方共同构成了“交易卖方”,导致“转转”二手交易平台和“多抓鱼”二手交易平台存在“内部”交易。使得“转转”二手交易平台和“多抓鱼”二手交易平台在促成二手交易时所经历的供应链节点环节较多,限制了二手交易效率的提升、抬高了二手交易的复杂程度。

我们需要做的是建立起能够使交易各方可放心交易且交易环节简化的可信任公平环境。

公认的,系统自动化处理相比较人工操作更具公正性。技术的迅猛发展已具备了将AI大模型技术引入到实际业务场景应用的条件。通过引入AI大模型技术的引入,避免了人工估价以及减少了二手交易实物需多处流转的环节,为交易卖卖双方营造了无人工参与的自动化可信任、公正平台环境,激发二手交易活跃度的提升。(如图4)

图4 加持价格分析大模型的二手产品交易设计

价格分析大模型先识别产品类型,然后分析产品关键参数信息,再评估产品使用时长信息(与购物发票信息打通)等,最终得到产品完整度信息(同产品下,综合分析已购买时间、产品现有性能以及产品外观瑕疵数量等产品信息),再通过整合外围商品价格数据信息计算出二手商品价格。

  • 以电子类为例,内在的产品性能可以通过对产品内部配置参数及各配置性能参数进行评估,类似于360安全卫士类对电脑扫描后打分,通过可兼容各类电子产品的标准化接口接入待评估的电子产品,然后自动扫描并评估产品性能打分,给出客观合理的信息。外在性能打分方面,基于获悉的基准参照数据并对比通过大模型视觉扫描获取的二手交易商品数据来对比打分。
  • 以服装类为例,对比100%崭新商品的参数(此商品可通过扫描比对后从互联网找到对应的标准化崭新产品),对比扫描待评估产品的外观参数,对比所出现的瑕疵数量、瑕疵严重程度等,给出外观性能进行打分。
  • 以图书类为例,根据条形码获悉到精确地产品外观等信息,通过视觉扫描获取到待评估图书的实际外观参数数据,然后给出精确地打分数据。

其他二手商品都可以按照如上逻辑,根据获取的完整度打分、市场相同商品波动趋势及历史同样商品二手交易价格数据,统筹整合分析即可计算出此商品二手价格,再根据买方选择的交易方式等非商品自身因素信息,即可计算出二手商品交易价格。

此种加持价格分析大模型的二手产品交易模式,融合了“闲鱼”、“转转”及“多抓鱼”二手交易平台优势,价格分析大模型成为公正价格的可信任评估方,交易平台成为公证的第三方实现待支付资金的留存。交易买卖双方可完全信任地超越必须交易双方在同个城市内的限制,实现跨城市、跨国家间的二手交易的促成。

“以用户为中心,以服务用户为核心,已解决用户痛点为重心”,话虽短,时读时新,时用时全。

本文由@践行知行合一 原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。