CN110020905A - 一种数据化选品的方法、装置及系统 - Google Patents

Abstract

本申请提供了一种数据化选品的方法，该方法包括：从待审核商品池中读取商品的属性信息；从选品模型库中，选择适用于审核指定业务中同一类目的商品的选品模型；调用所述选品模型根据所述商品的属性信息对所述待审核商品池中属于所述指定业务中同一类目的商品进行统一审核，得到被选中的商品；其中，所述选品模型是根据指标组件和逻辑组件生成的，用于筛选商品的模型。利用该方法对于大量需要审核的商品，可以提高审核效率，解决了因个人的主观原因造成选品质量不高的问题，而且通过计算设备进行选品，代替了人工选品环节，降低了选品的成本。另外，本申请还提供了一种数据化选品装置和系统，能够达到上述技术效果。

Description

一种数据化选品的方法、装置及系统

技术领域

本申请涉及互联网技术领域，特别涉及一种数据化选品方法、装置及系统。

背景技术

选品是根据具体的需求从众多物品中选择出最能达成目标的物品的集合。目前，在许多场景中都会涉及到选品操作，例如，在电商平台上为指定展示区域选择待展示物品以达到资源最大利用率；或者在资讯类平台上为指定区域选择待展示资讯以达到最多点击率等等。不同的选品结果会直接影响目标的达成效果。

目前的选品方法为：由工作人员依据个人经验来选品，例如，在电商平台上，为指定区域选待展示的女装类物品以达到资源最大利用率，一个工作人员依据个人经验查找近一月各大电器的成交记录，了解到女装A品牌的连衣裙、B品牌的裤子、C品牌的衬衫的成交量较高，因此，将A品牌的连衣裙、B品牌的裤子、C品牌的衬衫作为选品的结果。而另一工作人员不仅了解到女装A品牌的连衣裙、B品牌的裤子、C品牌的衬衫为成交量较高的女装服饰，而且还进一步了解A品牌的红色连衣裙、B品牌的九分裤子、C品牌的雪纺衬衫为相应品牌中成交量和评价较高的物品。可见，这种方式充分发挥了工作人员的历史经验和主观能动性，但是这种方式比较依赖工作人员的经验，不同工作人员的经验不同，选品时依赖的数据指标也不相同，这样不同工作人员的选品方案缺少统一的比较准确，并且即使同一工作人员在不同时间选品时结果的波动也会比较大，选品的质量没法保证，并且选品操作所耗费的人工成本较高。

发明内容

为了解决上述技术问题，本申请提供一种数据化选品的方法，该方法利用计算设备基于选品模型库中的选品模型，对待审核商品池中的商品进行自动审核，以确定该商品是否被选中；相比纯人工审核，该方法通过计算设备自动实现选品，能够提高选品效率，并且基于选品模型进行审核，能够保证选品过程基于统一标准，以保证选品质量。

另外，为保证上述方法在实际中的实现和应用，本申请还提供了一种数据化选品装置以及系统。

本申请提供的技术方法具体如下：

在本申请第一方面提供了一种数据化选品的方法，该方法包括：

从待审核商品池中读取商品的属性信息；

从选品模型库中，选择适用于审核指定业务中同一类目的商品的选品模型；

调用所述选品模型根据所述商品的属性信息对所述待审核商品池中属于所述指定业务中同一类目的商品进行统一审核，得到被选中的商品；

其中，所述选品模型是根据指标组件和逻辑组件生成的，用于筛选商品的模型。

可选地，所述方法还包括：

根据选品所需的数据和选品目标生成选品模型配置界面；所述选品模型配置界面包括可配置的指标组件和可配置的逻辑组件；

根据用户在所述选品模型配置界面上输入的配置操作和配置信息，生成新的选品模型；

将所述新的选品模型添加至所述选品模型库中。

可选地，所述方法还包括：

根据历史选品的运营指标数据预估所述新的选品模型的运营情况，并向用户显示所述运营情况。

可选地，所述方法还包括：

确定用户指定的选品方式；

若用户指定的选品方式为基于选品模型的第一选品方式时，则再执行所述步骤：从选品模型库中，选择适用于审核指定业务中同一类目的商品的选品模型。

可选地，所述方法还包括：

若用户指定的选品方式为基于选品规则的第二选品方式时，则从选品规则库中选择适用于审核属于指定业务属于某一类目的所述商品的选品规则；

调用所述选品规则对所述商品的属性信息进行匹配，若匹配命中，则确定所述商品为被选中的商品；所述选品规则库中存储有适用于不同业务中不同类目的不同选品规则；其中，选品规则是根据指标组件生成的。

可选地，所述方法还包括：

根据选品所需的数据生成选品规则配置界面；所述选品规则配置界面包括可配置的指标组件；

根据用户在所述选品规则配置界面上输入的配置操作和配置信息，生成新的选品规则；

将所述新的选品规则添加到所述选品规则库中。

可选地，所述方法还包括：

根据历史选品的运营指标数据预估所述新的选品规则的运营情况，并向用户显示所述运营情况。

可选地，所述选品所需的数据包括：

商品的属性数据、商品的业务指标数据、商品的运营指标数据。

可选地，所述方法还包括：

接收商家报名参加活动的商品的属性信息；

根据商品所参加的活动以及商品所属类目为商品打上第一标签，通过所述第一标签标记商品所适用的选品模型；

将所述商品的属性信息以及所述商品的第一标签添加至待审核商品池中；

则所述从选品模型库中，选择适用于审核指定业务中同一类目的商品的选品模型，具体为：

根据商品的第一标签从选品模型库中，选择适用于审核指定业务中同一类目的商品的选品模型。

可选地，所述方法还包括：

若用户指定的选品方式为基于人工审核的第三选品方式，则监控人工审核的审核操作，并根据预设的预警规则和实际审核情况为用户提供预警信息。

可选地，所述方法还包括：

记录人工审核的审核操作生成并保存审核日志。

在本申请第二方面提供了一种数据化选品的装置，该装置包括：

读取模块，用于从待审核商品池中读取商品的属性信息；

选择模块，用于从选品模型库中，选择适用于审核指定业务中同一类目的商品的选品模型；

选品模块，用于调用所述选品模型根据所述商品的属性信息对所述待审核商品池中属于所述指定业务中同一类目的商品进行统一审核，得到被选中的商品；其中，所述选品模型是根据指标组件和逻辑组件生成的，用于筛选商品的模型。

在本申请第三方面提供了一种数据化选品的方法，该方法包括：

响应于用户触发的用于请求对参加指定业务的商品进行筛选的选品请求，从待审核商品池中读取参加所述指定业务的商品的属性信息；所述待审核商品池用于存储参加业务的待审核商品的属性信息；

从选品模型库中，为所述指定业务的属于同一类目的商品选择适配的选品模型；

调用所选择的选品模型，对所述指定业务中的属于同一类目的商品进行统一审核，得到被选中的商品；其中，所述选品模型是根据指标组件和逻辑组件生成的，用于筛选商品的模型。

在本申请第四方面提供了一种数据化选品的装置，该装置包括：

响应模块，用于响应于用户触发的用于请求对参加指定业务的商品进行筛选的选品请求，从待审核商品池中读取参加所述指定业务的商品的属性信息；所述待审核商品池用于存储参加业务的待审核商品的属性信息；

选择模块，用于从选品模型库中，为所述指定业务的属于同一类目的商品选择适配的选品模型；

选品模块，用于调用所选择的选品模型，对所述指定业务中的属于同一类目的商品进行统一审核，得到被选中的商品；其中，所述选品模型是根据指标组件和逻辑组件生成的，用于筛选商品的模型。

在本申请第五方面提供了一种数据化选品的系统，该系统包括：

计算设备，所述计算设备包括第二方面所述的数据化选品的装置；

选品模型库，用于存储选品模型，其中，选品模型是根据指标组件和逻辑组件生成的，用于筛选出在特定坑位上展示的商品的模型；

待审核商品池，用于存储待审核的商品的属性信息。

与现有技术相比，本申请提供的技术方案具有以下优点：

在本申请提供的技术方案中，通过预先建立的选品模型库中的选品模型实现自动选品，其中，选品模型是基于纯人工审核的选品经验转换而成的，由指标组件和逻辑组件生成的，用于筛选出在特定坑位上展示的商品的数学模型；从而，计算设备基于该选品模型库中的选品模型能够实现自动地对待审核的商品进行全局性统一审核，将审核通过的商品作为被选中的商品，整个过程仅基于标准化的选品模型，能够提高选品质量，而且整个过程通过计算设备来实现，不再依赖于纯人工审核，能够提高选品效率，降低了选品成本。

当然，实施本申请的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请在实际应用中的场景示例图；

图2是本申请实施例提供的一种数据化选品系统的结构图；

图3是本申请实施例提供的一种数据换选品方法的流程图；

图4是本申请实施例提供的一种预估效果示意图；

图5是本申请实施例提供的另一种数据化选品方法的流程图；

图6是本申请实施例提供的一种选品规则配置页面示意图；

图7是本申请实施例提供的一种数据化选品装置的结构图；

图8是本申请实施例提供的另一种数据化选品方法的流程图；

图9是本申请实施例提供的另一种数据化选品装置的结构图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

为了便于理解本申请提供的技术方案，下面先对本申请技术方案的研究背景进行简单说明。

发明人对传统选品技术进行研究发现，传统选品技术实质上是依赖于纯人工的审核过程，即，由人根据个人的选品经验，从大量的商品中选择出满足业务需求的部分商品。在实际应用中，企业为了保证业务正常运行，往往要针对不同业务聘请不同的选品人员来进行选品工作，这就导致选品的人工成本较高，而且商品数据量较大时，纯人工的选品效率往往无法满足业务时效性；再者，依赖于纯人工的选品质量往往参差不齐，无法保证业务质量。

基于此，发明人经过研究提出了本申请的技术方案，本申请的技术核心是，将纯人工选品经验沉淀为数据化的选品模型，建立选品模型库存储并维护这些选品模型，从而为数据化选品过程打好数据基础，在需要进行选品时，利用计算设备调用该选品模型对待审核商品进行全局性统一审核，以自动完成选品操作；利用本申请的技术方案，既能够提高选品效率，又能够提高选品质量，降低选品成本。

为了便于本领域技术人员理解本申请，下面结合实际应用场景对本申请在实际中的应用情况作解释说明。需要说明的是，本申请可以应用于多种不同的平台中，例如，本申请提供的数据化选品的方法可以应用于搜索平台、电商平台、音/视频播放平台、资讯平台等等，只要有选品需求均可以利用本申请的技术方案来实现自动选品；在不同的平台中应用该方法，其技术本质都是相同的，仅是所选择的物品形态不同而已，为便于理解选品技术的具体实现，以下实施例仅以应用于电商平台的系统中为例进行示例性说明。

参见图1，其示出了本申请在实际应用中的场景示例图，在该场景下，本申请提供的数据化选品的方法应用于计算设备101中，该计算设备101可以部署在电商平台的业务系统中；从硬件实现来讲，该计算设备101可以是计算机、笔记本电脑等具有数据处理功能的设备；从软件实现来将，本申请提供的数据化选品的方法可以以计算机程序的方式配置在该计算设备101中，该计算设备101运行该计算机程序以实现相应的功能。下面结合一个实际业务，对本申请在实际中的应用情况进行说明。

电商平台要举办一个服装促销活动A，先向商家发起邀约，各个商家收到该邀约之后，选定商品报名参见该活动A；如图1所示，商家1通过电商平台提供的报名系统报名一个女装商品001参加该活动A；商家2报名一个男装商品002参加该活动A；则报名系统根据不同商家参加活动的报名信息，将商品的属性信息存储在待审核商品池中；在实际应用中，电商平台有时会在同一时间段发布多个促销活动，为了适应这种应用场景，可以在待审核商品池中基于不同的活动创建不同的分区，在不同的分区中存储参加不同活动的商品的属性信息。

由于，电商平台在发布活动A时，具体是在页面的坑位显示被选中的活动商品，以供用户浏览；其中，坑位是指在页面中用于显示商品的区域；假设，电商平台针对该活动A提供了100个坑位，而参加报名的商品共有10000个；则该电商平台的业务系统利用该计算设备101从待审核商品池中参加活动A的所有商品(10000个商品)中筛选出100个商品，具体的，该活动A是服装促销活动，参见该活动A的商品都是服装类目的商品，因此，该计算设备101先从选品模型库中选择适用于审核该活动A的商品的选品模型，进而利用所选择的该选品模型在活动A报名结束之后，对参加报名的10000个商品进行审核，审核通过的100个商品作为被选中的商品，将被选中的商品添加在选品列表中，待活动A开始时，在该活动A的坑位中显示选品列表中的商品，以便买家进行浏览购买。可见，在电商平台开展活动时，利用计算设备实施本申请提供的数据化选品的方法，基于选品模型能够自动完成选品，一方面既能够提高选品效率，另一方面能够提高选品质量。

另外，计算设备101利用本申请提供的数据化选品的方法，还能够实现另一种基于选品规则的选品方式，该选品方式无需等待报名结束之后才执行，而是可以在开始报名之后的任何一个时间节点执行，利用基于选品规则的选品方式，能够对待审核的商品池中的商品进行初步筛选，然后，由人工基于该初步筛选结果再进行选品，以选择出坑位所需的商品。利用这种基于选品规则的选品方式，为人工审核提供更有价值的参考数据，能够大大节省纯人工审核的审核时间，一定程度上提高审核效率和审核质量。

另外，计算设备101利用本申请提供的数据化选品的方法，还可以为纯人工审核提供风险监控服务，以避免纯人工审核时容易出现廉政风险问题，具体的，计算设备101还提供了基于人工审核的选品方式，利用风控子系统监控人工审核的审核操作，并根据预设的预警规则和实际审核情况提供预警信息，降低审核过程中的廉政风险。

为了适应于上述应用场景，本申请实施例提供了一种数据化选品的系统，下面结合图2对该系统进行介绍。

参见图2，其示出了本申请实施例提供的一种数据化选品的系统的结构图，该系统包括：

存储设备201，用于建立并维护待审核商品池，利用待审核商品池存储待审核商品的属性信息；优选的，关于待审核商品的建立以及维护方式可以参见下文图3所示方法实施例的描述，此次暂不详述。

所述存储设备201，还用于建立并维护选品模型库，利用选品模型库存储选品模型，其中，所述选品模型是根据指标组件和逻辑组件生成的，用于筛选商品的模型；优选的，关于选品模型库的建立和维护方式可以参见下文图3所示方法实施例的相关描述，此次暂不详述。

计算设备202，用于从待审核商品池中读取商品的属性信息；从选品模型库中，选择适用于审核指定业务中同一类目的商品的选品模型；调用所述选品模型，根据所述商品的属性信息对所述待审核商品池中属于所述指定业务中同一类目的商品进行统一审核，得到被选中的商品。

优选的，关于计算设备101的具体数据处理过程可参见下文图3所示方法实施例的描述。

这里需要说明的是，计算设备202和存储设备201可以为同一设备，即通过一个设备即实现计算设备的功能，同时也实现存储设备的功能；当然，计算设备202和存储设备201也可以分别为独立的设备；对此本申请实施例并不做具体限定。

利用本申请实施例提供的数据化选品的系统，通过预先建立的选品模型库中的选品模型实现自动选品，其中，选品模型是基于纯人工审核的选品经验转换而成的，由指标组件和逻辑组件生成的，用于筛选出在特定坑位上展示的商品的数学模型；从而，计算设备基于该选品模型库中的选品模型能够实现自动地对待审核的商品进行全局性统一审核，将审核通过的商品作为被选中的商品，整个过程仅基于标准化的选品模型，能够提高选品质量，而且整个过程通过计算设备来实现，不再依赖于纯人工审核，能够提高选品效率，降低了选品成本。

以上是对本申请实施例提供的一种数据化选品的系统进行了说明，下面对本申请实施例提供的一种数据化选品的方法进行介绍。

参见图3，其示出了本申请实施例提供的一种数据化选品的方法的流程图，该方法可以应用于计算设备，包括以下步骤：

S301、从待审核商品池中读取商品的属性信息；

在本申请实施例中，当平台在进行选品时，由平台的业务系统接收参与业务的商品的属性信息，并将这些商品的属性信息存储在存储设备中，存储设备通过建立待审核商品池的方式，对待审核商品的属性信息进行存储和维护。可以理解的是，该待审核商品池是用于存储待审核的商品的属性信息的数据库或者数据库分区或者存储空间等等；该存储设备可以为部署在业务系统中具有存储功能的设备，也可以为部署在云端的具有存储功能的服务器等。

不同平台中所需要选择的物品的形式不同，在本申请实施例中将需要选择的物品称之为商品；例如，在搜索平台中，该商品具体形式为广告，在资讯平台中，该商品具体形式为多媒体信息，在电商平台中，该商品具体形式为商家售卖的实际物品，服务等。为了便于解释，下面仅以应用在电商平台中，该商品为商家实际售卖的实际物品为例进行说明。

在本申请实施例中，该待审核商品池存储待审核商品的属性信息，具体的，可以采用以下方式存储和管理商品的属性信息，例如，为不同的业务创建不同的分区，在与该业务对应的分区中存储参加该业务的商品的属性信息。例如，在电商平台中常常会发布不同的活动，即不同的业务，商家会报名参加这些活动，以促销其售卖的商品，为了保证这些业务的正常有序进行，则在待审核商品池中，针对不同的活动建立不同的分区，将报名参加不同活动的商品的属性信息存储在对应活动的分区中；另外，在一个促销活动中会涉及到不同类目的商品，而针对不同类目的商品会有不同的选品策略，基于此，在待审核商品池中，可以针对一个活动创建不同类目的分区，在不同分区中存储参见该活动的同一类目的商品的属性信息；例如，一个活动会包括服装、母婴、食品、家装家纺等几种类目的商品，则在待审核商品池中针对该活动创建这几个类目的分区，在每个分区内存储属于各类目的商品的属性信息。这种待审核商品池的存储机制便于计算设备获取商品的属性信息，提高选品效率。

其中，针对不同平台的商品形式不同，则其属性信息的类型也不相同，在本申请实施例中不一一列举，下面仅以电商平台中商品的属性信息为例进行解释说明。

商品的属性信息包括：商品所属的商家的相关信息、商品的物理属性信息、商品的业务属性信息中一种或者多种信息。

其中，商品所属的商家的相关信息可以包括：商家名称、商家等级、商家信誉等任意一种或多种信息；商品的物理属性信息包括：商品所属的品牌、所属类目、材质、款式、颜色等任意一种或多种信息；商品的业务属性信息包括：商品的成交额、退款率、卖家服务评级(DetailSellerRating，DSR)、转化率等等任意一种或者多种业务层面的属性信息；其中，转化率为所有到达卖家店铺并产生购买行为的人数与所有到达店铺人数的比值。

在本申请实施例中，计算设备可以响应于审核人员的审核请求，针对特定业务(指定活动)的选品需求，从待审核商品池中读取属于特定业务的商品的属性信息；计算设备也可以自动地从待审核商品池中读取属于特定业务的商品的属性信息；例如，计算设备可以按照预设的特定业务的业务标识，从待审核商品池中读取属于该特定业务的商品的属性信息。

S302、从选品模型库中，选择适用于审核指定业务中同一类目的商品的选品模型；

其中，选品模型库中存储有多个适用于审核不同业务不同类目的商品的选品模型，其中，选品模型可以理解为是利用纯人工选品的经验转换生成的数学模型，由于纯人工选品的过程实际上是基于一些数据指标以及一些人类思维逻辑来选择符合要求的商品，因此，在本申请实施例提出了通过指标组件和逻辑组件来生成选品模型，即，选品模型是根据指标组件和逻辑组件生成的，用于筛选商品的模型；其中，指标组件可以理解为通过数据指标实现商品筛选的功能组件；而逻辑组件可以理解为无法通过数据指标而是利用业务逻辑代码实现的具有商品筛选逻辑的功能组件。在本申请实施例中，还提供了一种建立和维护选品模型库的方式，利用该方式可以方便业务人员将不同业务的不同类目的选品经验，通过组件化方式沉淀为选品模型，而且，业务人员还可以结合实际需求不断更新选品模型库，以保证该选品模型库能够适应新业务的新的选品需求。具体的，在该方法的基础上，还可以包括以下步骤：

根据选品所需的数据和选品目标生成选品模型配置界面；所述选品模型配置界面包括可配置的指标组件和可配置的逻辑组件；根据用户在所述选品模型配置界面上输入的配置操作和配置信息，生成新的选品模型；将所述新的选品模型添加至所述选品模型库中。

其中，选品所需的数据包括：商品的属性数据、商品的业务数据以及商品的运营指标数据。商品的属性数据具体可以包括：商家名称、商家资质、商品物理属性数据，如商品所属一级类目、品牌、款式、材质等一种或者多种数据；商品的业务数据具体可以为商品近一个月的成交额、商品近一个月退款率、卖家服务评级(Detail Seller Rating，DSR)、转化率(所有到达店铺并产生购买行为的人数与所有到达店铺人数的比值)等等用于评价商品销售情况的业务指标数据；商品的运营指标数据具体可以为爆款分、高危值(标识商品是否属于危险类商品)、GMV分(一定时间内的成交额)、同人(指报名参加活动的多个商品属于同一商家)、山寨等等在运营过程中对商品或者商家的运营情况的评价指标数据。

在具体实现时，将上述选品所需的数据转化成在配置页面中可配置的指标组件，以便用户可以根据活动的规定在配置页面选择不同的指标组件。

其中，选品目标可以是为了保证选品质量所设定了选品业务目标，例如，该选品目标具体为针对业务设定个坑位数量选择出多种品牌、多个商家、产值高的商品。

另外，为了方便用户自定义选品模型，提高选品模型的质量，在本申请实施例中，还提供了针对选品模型的效果预估的技术手段，具体的，计算设备可以根据历史选品的运营指标数据预估所述新的选品模型的运营情况，并向用户显示所述运营情况。

在具体实现时，利用历史选品的运营指标数据对新的选品模型进行预估，以便用户可以了解新的选品模型的性能，用户可以根据预估结果适应性地修改该选品模型，以最终生成一个选品质量较好的选品模型。

其中，历史选品的运营指标数据可以包括好坑率、坏坑率、单坑产出、待审核商品通过数。为了便于理解，结合图4进行说明，其中单坑产出是指在最近一定周期内(一个月)内一个坑位所展示商品的成交额；好坑率和坏坑率举例说明，比如电商平台针对某活动规定，在最近一定周期内(一个月)一个坑位的成交额大于20万以上为好坑；成交额小于2万为坏坑，如果100个坑位中有30个坑位的成交额大于20万，则好坑率为30％；有20个坑位的成交额小于2万，则坏坑率为20％。以历史选品的运营指标数据作为基准值，对该新的选品模型的选品效果进行评估；例如，若该新的选品模型的好坑率与好坑率基准值近似，或者高于该好坑率基准值，则表明该新的选品模型质量是单坑产出需求的；若该新的选品模型的坏坑率与坏坑率基准值近似，或者低于该坏坑率基准值，则表明该新的选品模型质量是单坑产出需求的；若该新的选品模型的单坑产出与单坑产出基准值近似，或者高于该单坑产出基准值，则表明该新的选品模型是符合质量需求的；若该新的选品模型的待审核商品通过数与待审核商品通过数基准值近似，则表明新的选品模型是符合质量需求的。当然，该新的选品模型的好坑率越高、坏坑率越低、单坑产值越高，则表明该新的选品模型的质量越高。

在本申请实施例中，可以基于以上方式建立和维护选品模型库，以为计算设备实现自动选品打好数据基础。

具体的，在本申请实施例中，用户可以在选品配置界面上，确定业务的类目所应该采用的选品模型，则计算设备根据用户确定的选品模型，直接从选品模型库中选择该选品模型。

该计算设备也可以智能地自动选择出选品模型，例如，在本申请实施例中，为提高从选品模型库中选择适用的选品模型的效率，在上述方法的基础上，可以预先对待审核商品池中的商品进行打标，以便根据商品的标签快速地从选品模型库中选择适用的选品模型，具体为，接收商家报名参加活动的商品的属性信息；根据商品所参加的活动以及商品所属类目为商品打上第一标签，通过所述第一标签标记商品所适用的选品模型；将所述商品的属性信息以及所述商品的第一标签添加至待审核商品池中；则所述从选品模型库中，选择适用于审核指定业务中同一类目的商品的选品模型，具体为：根据商品的第一标签从选品模型库中，选择适用于审核指定业务中同一类目的商品的选品模型。

在具体实现时，商家报名参加活动的商品的属性信息中包括商品所要参加的活动以及商品所属类目，根据商品参加的活动以及所属类目给商品进行打标，打上第一标签，从而可以标记该商品所使用的选品模型，并将打标后的商品以及商品的属性信息加至待审核商品池中，进而在选择适用的选品模型时，可以直接根据第一标签从选品模型库中选择适用的选品模型。

S303、调用所述选品模型根据所述商品的属性信息对所述待审核商品池中属于所述指定业务中同一类目的商品进行统一审核，得到被选中的商品。

在本申请实施例中，该选品模型是根据指标组件和逻辑组件生成的，用于筛选商品的模型。

例如，假设电商平台发布了一个服装促销活动，并为该服装促销活动提供了100个坑位，而参加报名该服装促销活动的商品共10000个，则通过选品模型从待审核商品池中先筛选出该服装促销活动的10000个商品，然后，通过选品模型中的指标组件的指标筛选功能对这10000个商品进行初步筛选，假设筛选出符合指标要求的共500个商品，则再继续利用逻辑组件的逻辑筛选功能对这500个商品进行筛选，最终选择出100个商品。

具体的，首先利用指标组件从待审核商品池中报名的10000个商品中可以筛选出500个商品，还需要利用逻辑组件再从500个商品中选择出可以在100个坑位中展示的100个商品。其中，逻辑组件可以包括排序、分组、打散、匹配等逻辑功能组件。比如，该排序组件的具体功能是基于商品的爆款分由高到低顺序进行排序；而打散组件的具体功能是按照品牌打散排序后的商品；该分组组件的具体功能是按照货值大小进行分组，将货值大于预设阈值的分为一组，将货值小于等于预设预置的分为另一组；而匹配组件的具体功能是按照坑位数匹配商品；以上述逻辑组件为例，则先利用排序组件对初步筛选出的500个商品进行排序，筛选出排序靠前的200个商品，然后，基于分组组件，将这200个商品进行分组，进而利用打散组件将各个分组中的商品按照品牌打散，避免同一品牌的多个商品被选中，保证品牌多样化；最终利用匹配组件从这200个商品中匹配出100个商品，例如，从品牌打散后的第一分组匹配排序靠前的50个商品，从另一个分组同样匹配出排序靠前的50个商品。

在本申请实施例中，计算设备利用选品模型选择出商品之后，可以将被选中的商品记录在选品列表中，以方便后续业务系统基于该选品列表发布商品推广业务。

需要说明的是，在本申请实施例中，计算设备利用选品模型自动进行选品时，具体是在能够确定属于指定业务的所有待审核商品的时，实施选品操作，从而保证针对指定业务的待审核商品进行全局性统一审核；例如，在电商平台发布的活动报名截止日期之后，计算设备利用上述方法实现自动选品。

利用本申请实施例提供的上述方法，将纯人工选品经验沉淀为数据化的选品模型，建立选品模型库存储这些选品模型，从而为数据化选品过程打好数据基础，在需要进行选品时，利用计算设备调用该选品模型对待审核商品进行全局性统一审核，以自动完成选品操作；利用本申请的技术方案，既能够提高选品效率，又能够提高选品质量，降低选品成本。

在上述方法的基础上，本申请实施例还提供另一种数据化选品的方法，该方法是在上述方法的基础上，还提供了基于选品规则的第二选品方式，基于该第二选品方式实现初步筛选，以为后期人工审核提供更有价值的选品数据，以减少人工审核的数据量，也间接提高人工审核的选品质量。在实际应用中，有些业务场景下，活动报名周期较长，审核数据量较大，而且后期要求有人工参与最终审核，在这种场景下，为了减少人工审核的审核量，提高选品质量，则可以利用计算设备基于选品规则先对待审核的商品进行初步审核，以筛选出一部分商品，将筛选出的这部分商品推送给人工审核，从而减少人工审核的审核量。下面结合图5对该方法进行详细说明。

参见图5，其示出了本申请实施提供的另一种数据化选品的方法的流程图，该方法可以应用于计算设备，包括以下步骤：

S501、确定用户选择的选品方式；

在本申请实施例中，计算设备可以为用户提供了多种选品方式，比如为用户提供基于选品模型的第一选品方式和基于选品规则的第二选品方式，也可以还为用户提供基于人工审核的第三选品方式，用户可以根据业务需求选择具体的选品方式。若用户选择了第一选品方式，则计算设备按照上述图3所示方法实施例来实现数据化选品。若用户选择第二选品方式，则计算设备执行步骤S502。

S502、若用户指定的选品方式为基于选品规则的第二选品方式时，则从选品规则库中选择适用于审核属于指定业务属于某一类目的所述商品的选品规则；

其中，选品规则库中存储有多个适用于审核不同业务不同类目的商品的选品规则，其中，选品规则可以理解为是利用人工选品的经验转换生成的规则，由于人工选品的过程实际上是基于一些数据指标来选择符合要求的商品，因此，本申请实施例提出了通过指标组件来生成该选品规则，该选品规则用于对待审核的商品进行初步审核，以筛选出一部分商品。具体的，计算设备可以采用决策树算法调用选品规则,一颗决策树表征一个选品规则，决策树中的节点代表利用指标组件的指标参数对商品的某一属性进行一次测试，通过决策树的决策过程来选择商品，从决策树的根节点开始，将待审核商品的属性信息与决策树中的节点进行比较，并按照比较结果选择下一个节点，直到所有叶子节点作为最终的决策结果。

在本申请实施例中，可以基于不同的业务需求，预先建立选品规则库，将不同业务的不同类目的选品经验沉淀为通过指标组件方式表达的选品规则，存储在选品规则库中；而且，还可以不断地根据用户自定义的选品规则来更新选品规则库，以保证该选品规则库能够适应新的业务的新的选品需求。具体的，在该方法的基础上，还可以包括：

根据选品所需的数据生成选品规则配置界面；所述选品规则配置界面包括可配置的指标组件；根据用户在所述选品规则配置界面上输入的配置操作和配置信息，生成新的选品规则；将所述新的选品规则添加到所述选品规则库中。

其中，选品所需的数据包括：商品的属性数据、商品的业务数据以及商品的运营指标数据。商品的属性数据可以包括：商家名称、商家资质、商品物理属性数据，如商品所属一级类目、品牌、款式、材质等一种或者多种数据；商品的业务数据具体可以为商品近一个月的成交额、商品近一个月退款率、卖家服务评级(Detail Seller Rating，DSR)、转化率(所有到达店铺并产生购买行为的人数与所有到达店铺人数的比值)等等用于评价商品销售情况的业务指标数据；商品的运营指标数据具体可以为爆款分、高危值(标识商品是否属于危险类商品)、GMV分(一定时间内的成交额)、同人(指报名参加活动的多个商品属于同一商家)、山寨等等在运营过程中对商品或者商家的运营情况的评价指标数据。

在具体实现时，将上述选品所需的数据转化成在配置页面中可配置的指标组件，以便用户可以根据活动的规定在配置页面选择不同的指标组件。例如图6所示的选品规则配置页面，用户可以编辑规则名称，通过门槛条件中“+”控件添加其他指标，例如可以添加DSR指标组件，同时用户可在配置页面内编辑其他指标组件对应的指标条件，比如，近30天商品交易额为5万以上、品牌分为7分以上等等，用户编辑完成之后可通过点击配置页面上的保存控件，将新的选品规则存储到选品规则库中，以便后续使用。

另外，为了方便用户自定义选品规则，提高选品规则的质量，在本申请实施例中，还提供了针对选品规则的效果预估的技术手段，具体的，计算设备可以根据历史选品的运营指标数据预估所述新的选品模型的运营情况，并向用户显示所述运营情况。

其中，关于新的选品规则的预估实现可以参见图3所示方法实施例中选品模型的预估实现，在此不再赘述。

在本申请实施例中，可以基于以上方式建立和维护选品规则库，以为计算设备实现自动选品打好数据基础。

S503，调用所述选品规则对所述商品的属性信息进行匹配，若匹配命中，则确定所述商品为被选中的商品。

在本申请实施例中，该选品规则是根据指标组件生成的，用于对待审核的商品进行初步筛选。

其中，针对不同平台的商品形式不同，则其属性信息的类型也不相同，在本申请实施例中不一一列举，下面仅以电商平台中商品的属性信息为例进行解释说明。

商品的属性信息包括：商品所属的商家的相关信息(如商家名称、商家等级、商家信誉等等)、商品的物理属性信息(如商品所属的品牌、所属类目、材质、款式、颜色等等)、商品的业务属性信息(如商品的成交额、退款率、DSR、转化率等等)。

在本申请实施例中，计算设备可以响应于审核人员的审核请求，针对指定业务(指定活动)的选品需求，调用选品规则对待审核商品池中商品进行初步筛选；计算设备也可以根据预设周期，自动地调用选品规则对待审核商品池中的商品进行周期性的初步筛选，并将初步筛选的商品推送给审核人员。其中，预设周期可以根据实际业务需求进行设置，比如预设周期为一天，则计算设备从活动报名起始日开始，每天调用一次选品规则，利用选品规则对当天参与活动报名的待审核商品进行审核，直至报名结束日，计算设备每天调用一次选品规则，对商品进行初步筛选，将初步筛选的商品推送给审核人员，以推进人工审核任务周期性进行。

在本申请实施例中，计算设备利用已选出的选品规则对待审核商品池中商品进行初步筛选，如果待审核商品池中的商品属性信息与选品规则相匹配，则将其确定为被选中的商品，将被选中的商品再推送给审核人员，进行人工审核，从而可以得到最终的用于被展示的商品。

利用本申请实施例提供的数据化选品的方法，将人工选品经验沉淀为数据化的选品规则，建立选品规则库存储选品规则，从而为数据化选品过程打好基础，在需要进行选品时，计算设备可周期性地调用选品规则对待审核商品进行初步审核；利用本申请的技术方案，既能够减少后期人工审核的数量，又能够提高选品质量。

在实际应用中，有些业务场景下，选品要求比较复杂，需要利用纯人工审核的选品方式进行商品选择，考虑到纯人工审核会带来很大的主观性，造成选品质量不稳定，而且也可能会出现廉政风险问题,为避免上述问题的出现，本申请实施例还提供了对应的解决方案，具体的，在上述方法的基础上，本申请实施例设置了风控子系统，通过风控子系统监测人工审核操作，具体为，若用户指定的选品方式为基于人工审核的第三选品方式，则监控人工审核的审核操作，并根据预设的预警规则和实际审核情况为用户提供预警信息；在此基础上，计算设备还可以记录人工审核的审核操作生成并保存审核日志，以便可以根据审核日志了解审核人员的审核操作，在具体实现时，可以记录审核人员的姓名、工种、审核时间、选中商品名称等等，以便可以及时了解到每个审核人员的具体操作，当审核结果出现问题时，可以快速查询到具体的审核人员，及时纠正审核人员不规范的审核操作，提高选品质量。

在本申请实施例中，基于人工审核的第三选品方式，计算设备监控审核人员对商品的审核操作，其中，预警规则可以根据业务的需求设定；例如，预警规则也可以为判断商品的排期是否冲突，如果冲突，则发出告警；商品的排期是指商品所参与的活动的时期；再例如，预警规则可以为判断审核人员对商品的审核是否属于跨行业审核，如果是，则发出告警。

为了便于理解，举例说明，比如，审核人员针对某业务需求进行商品审核，当审核人员选中某件商品时，计算设备根据预设的预警规则判断出该商品的排期问题，如果该商品存在参加多个活动的情况，则会向用户发出告警，以便用户再次审核，避免排期冲突的问题；假如当前审核人员的本职工作是审核女装，但该审核人员选中的商品为男装，则计算设备可以向审核人员发出告警，提示用户存在跨行业审核的问题。

与上述图3所示方法相对应的，本申请实施例还提供对应的装置，参见图7，其示出了本申请实施例提供的一种数据化选品装置的结构图，该装置700包括：

读取模块701，用于从待审核商品池中读取商品的属性信息。

选择模块702，用于从选品模型库中，选择适用于审核指定业务中同一类目的商品的选品模型。

选品模块703，用于调用所述选品模型根据所述商品的属性信息对所述待审核商品池中属于所述指定业务中同一类目的商品进行统一审核，得到被选中的商品；其中，所述选品模型是根据指标组件和逻辑组件生成的，用于筛选商品的模型。

需要说明的是，上述装置700的各个功能模块的具体实现可以参见上文图3所示方法实施例的实现，此处不再赘述。

以上是基于机器角度介绍本申请的技术方案，下面将从用户使用数据化选品功能角度进行具体介绍。

参见图8，其示出了本申请实施例提供的另一种数据化选品方法的流程图，包括以下步骤：

S801、响应于用户触发的用于请求对参加指定业务的商品进行筛选的选品请求，从待审核商品池中读取参加所述指定业务的商品的属性信息；所述待审核商品池用于存储参加业务的待审核商品的属性信息；

在本申请实施例中，用户可以通过用户终端在用户界面内触发筛选选品的请求，基于用户的触发操作，计算设备响应于筛选请求，从待审核商品池中读取参加某指定业务的商品的属性信息。比如，电商平台针对双11进行促销活动，商家将报名参加该活动，计算设备将报名参加活动的商品的属性信息存储在带审核商品池中，以待被审核，用户基于双11活动，通过用户终端触发选品请求，该请求用于筛选符合双11活动的商品。

在具体实现时，通过用户终端向用户显示选品任务配置界面；接收所述用户终端根据用户在所述选品任务配置界面上的操作生成的所述选品请求，所述选品请求包括指定业务的业务标识。

其中，业务标识用户标识不同的业务类型，业务与业务标识一一对应。比如，双11活动、双12活动、3.8妇女节活动等等，不同的活动分别对应不同的业务标识。

在实际应用中，用户可根据当前平台上发布的活动，通过选品任务配置界面配置与当前活动相匹配的选品请求，该选品请求中包括业务标识，计算设备响应于用户配置的选品请求，从待审核商品池中读取参加所述指定业务的商品的属性信息。比如，用户针对3.8妇女节活动进行商品筛选，则用户通过用户终端提供的选品任务配置界面，在该界面内配置关于3.8妇女节活动的选品请求，该请求中携带该活动的业务标识，然后向计算设备提交该请求，计算设备接收该选品请求，通过获取业务标识，从待审核商品池中读取参加3.8妇女节活动的商品的属性信息。

其中，关于待审核商品池存储待审核商品的属性信息的具体实现可以参见图3所示方法，在此不再赘述。

商品的属性信息包括：商品所属的商家的相关信息、商品的物理属性信息、商品的业务属性信息中一种或者多种信息。

其中，商品所属的商家的相关信息可以包括：商家名称、商家等级、商家信誉等任意一种或多种信息；商品的物理属性信息包括：商品所属的品牌、所属类目、材质、款式、颜色等任意一种或多种信息；商品的业务属性信息包括：商品的成交额、退款率、卖家服务评级(Detail Seller Rating，DSR)、转化率等等任意一种或者多种业务层面的属性信息；其中，转化率为所有到达卖家店铺并产生购买行为的人数与所有到达店铺人数的比值。

S802、从选品模型库中，为所述指定业务的属于同一类目的商品选择适配的选品模型；

其中，选品模型库中存储有多个适用于审核不同业务不同类目的商品的选品模型，其中，选品模型可以理解为是利用纯人工选品的经验转换生成的数学模型，由于纯人工选品的过程实际上是基于一些数据指标以及一些人类思维逻辑来选择符合要求的商品，因此，在本申请实施例提出了通过指标组件和逻辑组件来生成选品模型，即，选品模型是根据指标组件和逻辑组件生成的，用于筛选商品的模型；其中，指标组件可以理解为通过数据指标实现商品筛选的功能组件；而逻辑组件可以理解为无法通过数据指标而是利用业务逻辑代码实现的具有商品筛选逻辑的功能组件。

在本申请实施例中，还提供了一种建立和维护选品模型库的方式，利用该方式可以方便业务人员将不同业务的不同类目的选品经验，通过组件化方式沉淀为选品模型，而且，业务人员还可以结合实际需求不断更新选品模型库，以保证该选品模型库能够适应新业务的新的选品需求。具体的，可以参见图3所示方法实施例的实现。

为了方便用户自定义选品模型，提高选品模型的质量，在本申请实施例中，还提供了针对选品模型的效果预估的技术手段，具体的，计算设备可以根据历史选品的运营指标数据预估所述新的选品模型的运营情况，并向用户显示所述运营情况。

在具体实现时，利用历史选品的运营指标数据对新的选品模型进行预估，以便用户可以了解新的选品模型的性能，用户可以根据预估结果适应性地修改该选品模型，以最终生成一个选品质量较好的选品模型。

S803、调用所选择的选品模型，对所述指定业务中的属于同一类目的商品进行统一审核，得到被选中的商品。

在本申请实施例中，所述选品模型是根据指标组件和逻辑组件生成的，用于筛选商品的模型。

在本申请实施例中，计算设备利用选品模型选择出商品之后，可以将被选中的商品记录在选品列表中，以方便后续业务系统基于该选品列表发布商品推广业务。

需要说明的是，在本申请实施例中，计算设备利用选品模型自动进行选品时，具体是在能够确定属于指定业务的所有待审核商品的时，实施选品操作，从而保证针对指定业务的待审核商品进行全局性统一审核；例如，在电商平台发布的活动报名截止日期之后，计算设备利用上述方法实现自动选品。本申请实施例中得到被选中的商品的具体实现可以参见图3中步骤S303的实现。

利用本申请实施例提供的上述方法，用户可以通过计算设备触发用于请求对参加某指定业务的商品进行筛选的选品请求，计算设备响应于用户的触发操作，从选品模型库中调用选品模型对待审核商品进行全局性统一审核，以自动完成选品操作，既方便用户操作，又能提高选品效率以及选品质量。

与上述图8所示方法相对应的，本申请还提供对应的装置，参见图9，其示出了本申请实施例提供的另一种数据化选品装置的结构图，该装置900包括：

响应模块901，用于响应于用户触发的用于请求对参加指定业务的商品进行筛选的选品请求，从待审核商品池中读取参加所述指定业务的商品的属性信息；所述待审核商品池用于存储参加业务的待审核商品的属性信息；

选择模块902，用于从选品模型库中，为所述指定业务的属于同一类目的商品选择适配的选品模型；

选品模块903，用于调用所选择的选品模型，对所述指定业务中的属于同一类目的商品进行统一审核，得到被选中的商品；其中，所述选品模型是根据指标组件和逻辑组件生成的，用于筛选商品的模型。

需要说明的是，上述装置900的各个功能模块的具体实现可以参见上文图3和图8所示方法实施例的实现，此处不再赘述。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本申请所提供的一种数据化选品的方法、装置和系统进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (17)

1.一种数据化选品的方法，其特征在于，包括：

从待审核商品池中读取商品的属性信息；

从选品模型库中，选择适用于审核指定业务中同一类目的商品的选品模型；

调用所述选品模型，根据所述商品的属性信息对所述待审核商品池中属于所述指定业务中同一类目的商品进行统一审核，得到被选中的商品；

其中，所述选品模型是根据指标组件和逻辑组件生成的，用于筛选商品的模型。

2.根据权利要求1所述方法，其特征在于，通过以下方式预先建立或者更新所述选品模型库：

根据选品所需的数据和选品目标生成选品模型配置界面；所述选品模型配置界面包括可配置的指标组件和可配置的逻辑组件；

根据用户在所述选品模型配置界面上输入的配置操作和配置信息，生成新的选品模型；

将所述新的选品模型添加至所述选品模型库中。

3.根据权利要求1所述方法，其特征在于，所述选品模型具体是根据指标组件和逻辑组件生成的，用于为页面上的特定坑位筛选商品的模型。

4.根据权利要求2所述方法，其特征在于，所述方法还包括：

根据历史选品的运营指标数据预估所述新的选品模型的运营情况，并向用户显示所述运营情况。

5.根据权利要求1所述方法，其特征在于，所述方法还包括：

确定用户指定的选品方式；

若用户指定的选品方式为基于选品模型的第一选品方式时，则再执行所述步骤：从选品模型库中，选择适用于审核指定业务中同一类目的商品的选品模型。

6.根据权利要求5所述方法，其特征在于，所述方法还包括：

若用户指定的选品方式为基于选品规则的第二选品方式时，则从选品规则库中选择适用于审核属于指定业务属于某一类目的所述商品的选品规则；

调用所述选品规则对所述商品的属性信息进行匹配，若匹配命中，则确定所述商品为被选中的商品；所述选品规则库中存储有适用于不同业务中不同类目的不同选品规则；其中，选品规则是根据指标组件生成的。

7.根据权利要求6所述方法，其特征在于，

通过以下方式预先建立或者更新所述选品规则库：

根据选品所需的数据生成选品规则配置界面；所述选品规则配置界面包括可配置的指标组件；

根据用户在所述选品规则配置界面上输入的配置操作和配置信息，生成新的选品规则；

将所述新的选品规则添加到所述选品规则库中。

8.根据权利要求7所述方法，其特征在于，所述方法还包括：

根据历史选品的运营指标数据预估所述新的选品规则的运营情况，并向用户显示所述运营情况。

9.根据权利要求2或7所述方法，其特征在于，所述选品所需的数据包括：

商品的属性数据、商品的业务指标数据、商品的运营指标数据。

10.根据权利要求1所述方法，其特征在于，所述方法还包括：

接收商家报名参加活动的商品的属性信息；

根据商品所参加的活动以及商品所属类目为商品打上第一标签，通过所述第一标签标记商品所适用的选品模型；

将所述商品的属性信息以及所述商品的第一标签添加至待审核商品池中；

则所述从选品模型库中，选择适用于审核指定业务中同一类目的商品的选品模型，具体为：

根据商品的第一标签从选品模型库中，选择适用于审核指定业务中同一类目的商品的选品模型。

11.根据权利要求2所述方法，其特征在于，所述方法还包括：

若用户指定的选品方式为基于人工审核的第三选品方式，则监控人工审核的审核操作，并根据预设的预警规则和实际审核情况为用户提供预警信息。

12.根据权利要求10所述方法，其特征在于，所述方法还包括：

记录人工审核的审核操作生成并保存审核日志。

13.一种数据化选品的装置，其特征在于，包括：

读取模块，用于从待审核商品池中读取商品的属性信息；

选择模块，用于从选品模型库中，选择适用于审核指定业务中同一类目的商品的选品模型；

选品模块，用于调用所述选品模型根据所述商品的属性信息对所述待审核商品池中属于所述指定业务中同一类目的商品进行统一审核，得到被选中的商品；其中，所述选品模型是根据指标组件和逻辑组件生成的，用于筛选商品的模型。

14.一种数据化选品的方法，其特征在于，包括：

响应于用户触发的用于请求对参加指定业务的商品进行筛选的选品请求，从待审核商品池中读取参加所述指定业务的商品的属性信息；所述待审核商品池用于存储参加业务的待审核商品的属性信息；

从选品模型库中，为所述指定业务的属于同一类目的商品选择适配的选品模型；

调用所选择的选品模型，对所述指定业务中的属于同一类目的商品进行统一审核，得到被选中的商品；其中，所述选品模型是根据指标组件和逻辑组件生成的，用于筛选商品的模型。

15.根据权利要求14所述方法，其特征在于，所述方法还包括：

通过用户终端向用户显示选品任务配置界面；

接收所述用户终端根据用户在所述选品任务配置界面上的操作生成的所述选品请求，所述选品请求包括指定业务的业务标识。

16.一种数据化选品的装置，其特征在于，包括：

响应模块，用于响应于用户触发的用于请求对参加指定业务的商品进行筛选的选品请求，从待审核商品池中读取参加所述指定业务的商品的属性信息；所述待审核商品池用于存储参加业务的待审核商品的属性信息；

选择模块，用于从选品模型库中，为所述指定业务的属于同一类目的商品选择适配的选品模型；

选品模块，用于调用所选择的选品模型，对所述指定业务中的属于同一类目的商品进行统一审核，得到被选中的商品；其中，所述选品模型是根据指标组件和逻辑组件生成的，用于筛选商品的模型。

17.一种数据化选品的系统，其特征在于，包括：

存储设备，用于建立并维护待审核商品池，利用待审核商品池存储待审核商品的属性信息；

所述存储设备，还用于建立并维护选品模型库，利用选品模型库存储选品模型，其中，所述选品模型是根据指标组件和逻辑组件生成的，用于筛选商品的模型；

计算设备，用于从待审核商品池中读取商品的属性信息；从选品模型库中，选择适用于审核指定业务中同一类目的商品的选品模型；调用所述选品模型，根据所述商品的属性信息对所述待审核商品池中属于所述指定业务中同一类目的商品进行统一审核，得到被选中的商品。