技术研发产品经理、商品中台接口人，负责商品发布与内容产品方案，并承接多个业务线的中台需求。
京东 POP｜2017—2019
商家发品与内容审核提效
负责 POP 商家后台的商品、视频和图片产品，提升多业务线能力复用、商家发布效率和内容审核承载能力。
支持 20+ 项业务需求，并应对主图视频日增近百万带来的审核压力。
01
背景与难点
先说明为什么要做
业务背景
不同类目、商家类型和业务形态对商品字段及发布流程有不同要求，同时商品视频和图片规模持续增长，审核效率直接影响商家经营。
主要难点
若每条业务线单独开发，维护成本和发品体验会持续恶化；视频审核量快速增长，也需要在机器审核和人工复核之间重新分配流程。
核心使用者
- POP 商家：高效、准确地发布和维护商品
- 类目及业务运营：配置字段和业务规则
- 内容审核人员：处理机器无法判断的内容
- 平台业务线：复用商品能力快速上线新场景
产品目标
- 01减少不同类目和业务线重复开发发品页面
- 02降低商家填写成本与字段错误
- 03提升视频和图片审核的处理能力
- 04在保证平台规范的前提下支撑业务快速接入
02
业务流程
业务怎么流转，产品负责到哪里
规则配置
类目、商家类型、字段与校验
商家发品
填写属性、上传图片与视频
机器初审
AI 结果、风险标签、置信度
人工复核
二级审批与低置信度处理
商品生效
发布结果、驳回原因、再编辑
流程图展示主链路；各节点涉及的状态、异常处理、接口和后台配置，在下方“产品判断”和“方案落地”中展开。
03
产品判断
我如何把问题转成产品方案
01
看到的问题
不同类目字段差异大，硬编码页面导致每次变化都要研发介入。
我的判断
字段差异本质上是组件、校验和展示规则的组合。
落地方案
将商品字段抽象为可配置组件，按类目、商家类型和服务能力组合发布页面。
02
看到的问题
主图视频日增近百万，完全依赖人工审核无法持续扩容。
我的判断
机器适合处理明确规则，人工应集中在低置信度和高风险内容。
落地方案
接入 AI 审核结果，配置二级审批和类目范围，并保留人工复核通道。
03
看到的问题
商家上传尺码表形式不统一，用户也难以据此选择尺码。
我的判断
先降低结构化录入成本，再把结构化数据用于用户决策。
落地方案
支持粘贴和 OCR 提取尺码表，允许商家校正，并结合身体数据提供推荐。
04
方案落地
我具体负责并交付了什么
- 01
将商品字段抽象为可配置组件，按类目、商家类型和服务能力组合发布页面，降低重复建设。
- 02
重构主图视频审核流程，支持二级审批、类目范围配置、AI 审核结果回传和人工复核。
- 03
设计尺码助手，支持商家粘贴或 OCR 提取尺码表，并结合用户身体数据提供尺码推荐。
- 04
作为商品中台接口人，推进拼购、全景主图、便利店标品库等 20 余项业务需求。
- 05
在方案评审中协调商家体验、平台规范和业务上线时间，明确共性能力与个性需求边界。
主要交付物
发品字段组件方案视频审核流程AI 审核回传规则尺码助手原型中台需求接入方案
05
结果与复盘
结果、能力证据与下一步思考
字段改成可配置组件
将类目和商家差异落到字段组件、校验和展示规则，降低重复开发。
机器审核分流
让 AI 处理明确规则，低置信度和高风险内容进入人工复核，承接日增近百万的视频量。
共性与个性分开
在 20+ 项业务需求中区分商品中台能力和业务专属规则，控制中台边界。
项目结果支持 20+ 项业务需求，并应对主图视频日增近百万带来的审核压力。
项目复盘
中台产品不能只追求抽象程度，最终仍要看商家是否更容易发品、业务是否更快接入、审核是否真正降本。后续可以通过组件使用率、发品耗时和复核率进一步验证方案。