Project Overview
该项目围绕平台广告产品的两类核心供给问题展开，从达人召回与内容审核两端同时优化供给效率和最终素材质量。
找人不够准
优质达人数量不足，算法派单的准确度与稳定性难以持续满足北美大客户需求。
内容质量不稳定
低质、不相关及低质 AI 内容进入投放链路，造成漏斗损失与客户负反馈。
字节跳动
达人供给策略
从找到更合适的人，到保证更高质量的内容。
找达人策略迭代
原有供给主要依赖机构撮合与平台算法派单。机构达人稳定、质量高，但规模有限；算法派单覆盖更广，却存在准确度与稳定性不足的问题，达人侧也持续反馈派单不准。
我在原有达人池基础上新增相似达人扩展池与 UGC 达人池，并围绕广告主需求和历史投放数据设计三类召回策略。
Input广告主需求历史投放数据历史合作达人
→OutputTop 50
候选达人准确度 96.7%
候选达人准确度 96.7%
内容审核策略迭代
找对达人之后，还需要保证进入广告主和投放链路的内容符合质量要求。我推进三类审核策略的上线与放量，分别处理内容质量、需求相关性与 AI 内容风险。
达人交稿→
内容质量审核→
需求相关性审核→
AI 内容审核→
广告主侧 / 投放
内容质量审核
识别高质、普通和低质内容，减少低质量素材进入后续供给链路。
- 策略表现
- 总体准确率 87%优质内容识别准确率由 65% 提升至 85%；机器审核下，低质内容识别准确率保持 90%+。
- 业务结果
- 低质内容率从 77.5% 降至 34.4%
内容质量审核结果Product UI
广告需求相关性审核
判断视频是否真正响应广告主需求，拦截有内容但答非所问的素材。
- 策略表现
- 离线评测准确率 91.7%不相关内容拒审率 8.5%。
- 业务结果
- 相关客户季度投诉从 4 条降至 0 条
广告需求 × 视频内容相关性Product UI
AI 内容审核
识别并拦截不符合质量要求的 AI 生成内容，减少低质 AI 素材流入广告主侧。
- 策略表现
- 离线评测准确率 100%针对 AI 生成素材建立风险识别与拦截策略。
- 业务结果
- 相关客户季度投诉从 5 条降至 0 条
AI 内容审核结果与风险标签Product UI