LARKINLI 李佳骏 产品与策略

背景TikTok Shop 的东南亚电商直播业务高速增长，但直播间内容质量参差不齐，直接影响 GPH（Gross Payment per Hour）。团队需要一个系统化的方法来衡量和提升内容质量。

挑战内容质量难以量化——什么是「好」的直播？不同国家、不同商家类型、不同等级的标准都不一样。团队过去依赖人工提报和漫长的模型迭代周期，无法跟上业务节奏。

思考问题的核心是「质量不可见」。如果商家不知道自己哪里做得不好，就不会改进；如果平台无法自动发现质量问题，就无法规模化。解法应该是：AI 自动发现 → 标准化衡量 → 产品化反馈 → 激励闭环。

• AI 因子挖掘：通过直播抽帧 + ASR，用 AI 自动挖掘内容质量因子（话术、场景、互动等维度），首次发现过半的因子对 GPH 有正向提升，后协同算法团队将模型迭代周期大幅缩短
• 阈值策略拆分：推动 DS/算法协同，按国家、商家类型、直播等级拆分白盒模型因子的重要性和阈值，显著提升策略精度
• AI 诊断系统：将白盒因子转化为可执行的诊断逻辑，对直播流实时「切片+分析」，在关播页面、直播中心、直播周报中输出优化建议
• 任务激励体系：协同多团队在任务中心接入白盒因子数据，让运营团队可灵活配置任务标准与奖励

背景TikTok 为优质中长视频创作者提供激励计划，但有大量账号通过搬运、低质内容等方式骗取激励资金。团队需要治理这些「负向」创作者，降低资金漏放率。

挑战机审模型的准召率在内容生态变化后持续下降，大量负向账号漏过审核。同时存在业务流程漏洞——已封禁的账号仍然可以提现。

思考治理不能只靠模型迭代——需要从「模型+策略+流程」三个维度同时发力。特别是在人审环节，如何让机器更聪明地决定「哪些账号需要送人审」是关键杠杆点。

• 人审送审策略：用 Python（LightGBM）分析 20+ 用户行为特征，制定精细化送审策略（投稿数少、消重命中比率高、涨粉速度过快等组合规则），机审漏放率降低 25%
• 机审模型迭代：协同算法和数据科学团队训练新版本非原创账号模型，模型准召显著提升
• 支付漏洞修复：分析业务流程后发现「已封禁账户仍可提现」的系统性漏洞。主导设计解决方案，一次性挽损达数十万美元级别，并实现持续的月度节流

背景快手海外商业化团队服务海外广告主，但广告主在投放时普遍面临「选词难、效果差」的痛点——不知道怎么选关键词，选出来的词 ROI 也不理想。

挑战这是一个典型的「信息不对称」问题：广告主不知道哪些关键词效果好，而平台数据也没有被有效利用来指导选词。纯人力运营无法规模化解决。

思考关键词效果分析本质上是一个「数据驱动的内容理解」问题——如果能够自动抓取关键词数据，同时分析广告视频的内容特征，就能给出高潜力的关键词推荐。

• 主导设计并开发了一款关键词分析工具，核心是自动化爬虫获取关键词数据 + 广告视频素材抽帧分析，产出高潜力关键词清单。技术栈：Python + Node.js + AI