考虑下能不能把法律咨询做成问答围观的形式.
第一个是费用问题.
专业咨询昂贵的地方在于专门的针对性和具体的施行措施.
所以考虑这两个为成本的话,对应计价自然是基于这两点的价值来说的.
那么,对于咨询方来说,如果想要费用低廉的话要么就是得到的专门针对行变弱.
要么就是施行策略变得概览.
这样从逻辑上来说,价格才可能低廉.
这里的一个问题就是,这些 低廉价格换来的价值对于咨询者而言是否还有意义.
比如一个具体的案件.
常规就是专门的律师给予各个细节方面的考量和对应的应对方法.
而低价获得的可能只是一些原则性介绍和大致的轮廓方向.
这些对于求助/咨询者来说可能是没有意义的.
或者说需要咨询者有比较强的整合扩展能力.
比如有一定的律法基础可以根据keynote找到合适的执行策略.
又或者说,需要咨询者有比较明确的ROI概念,对于什么价格得到什么程度的帮助有一个理性合理的定价方式.
这是一个用户素质门槛.
那么,假定用户有了这种门槛素养之后,需要解决的问题就是如何合理地地匹配定价和解决方案.
本质上,就类似于与广告的 bidding问题.
在解决方案有了合理出价的前提下,虽然不能说容易解决.
但至少是一个现成的相对成熟的工业应用场景方案.
那么,这里的新问题就是如何给出合理的方案定价.
因为询价是用户自己的理性判定,所以这里不用考虑,只要看对应方案的定价.
然后就是经典的最大/最优匹配搜索问题了.
切换到提供咨询者也就是律师角度.
针对任何咨询,一个专业人士理论上都可以针对提供方案的详细程度给出一定的定价要求.
但考虑实际的咨询撮合里面,提问的数量应该是远远大于提供方案的人员数量的.
所以依靠律师一个个根据自己的回报去筛选是不太现实的.
而且对于提供方案者而言,挑选某种心理ROI区间的或有preference.
这样的话,对于其他区间外的问题就基本不可能得到回答.
这对于撮合系统来说可能不是一个理想的情况.
所以这里问题的推送应该是有一个算法筛选分配在作用.
目的有几个.
一个是帮助主题匹配.
二是在匹配主题的情况下,平和收益预期.
以及第三点, 提高被回答的覆盖面/广度.
稍微想下就是一个黑盒的搜索系统.
只不过query主题变成了预期收益.
这样的话,对于律师方来说,需要的是一个收益预期.
比如回到多少次得到大致多少回报,或者一定时间内 期望通过回答得到多少收益.
也是一个类广告的bidding系统.
可能更像是DSP方面的思路.
那么综合两边一起看的话,其实就是比较标准的搜索广告模式了.
于是顺便的,一些对于"广告"买卖双方的反作弊行为也有了一定的先验方案可以借鉴.
当然只是理论上.
flaw的 风险首先在于律师的欺诈性点击驱动.
也就是利用一些因素提供提供低质量回答得到超额收益的动机.
而回答的价值是否公允这个应该是由阅读者/付费购买者/咨询方决定.
所以这里大概免不了需要一个买方的价值是否公允的一个反馈信号.
以此作为卖方flaw的ranking的因素.
而为了激励买方积极作出反馈,则必然需要一种对买方有利的驱动方式.
最简单的就是返现/折扣咨询费等.
那么这样的话,这种激励制动也就产生了第二个flaw点.
买方的欺诈动机.
如果对于买方的 欺诈反馈信号也是使用卖方评价的话,那么就很容易陷入一种驱动循环.
比如需要额外的驱动机制,让卖方对买方做欺诈评价,而这种驱动也就成为新的flaw点.
所以,如果不能通过卖方信号的话,如何才能对买方的欺诈动机做识别呢?
首先需要明确的目的是防止恶意的买方欺诈.
也就是说需要允许买方的合理的有意的对卖方对欺诈反馈.
因此,这里需要的是对恶意买方欺诈的定义.
一种可能的方案是以买方反馈历史作为信号.
基于的假设是,如果是刻意恶评的话,那么跟正常的合理用户的欺诈反馈行为是不同的.
比如对于某个 高信用卖家的的恶评,比如对大规模卖家的无差别恶评等.
这是一个长期的类规则维护系统.
然后是,基于规则系统的问题在于只对有一定历史记录的用户有效.
对应的策略可以是不停的白纸用户.
所以,这里就不得不对这类白纸用户有所限制,或者说存在个别功能锁定期.
当然,这里可能存在一些优化点.
比如一些针对恶意用户对回归模型的早期特征预判等.
但总地来说,因为存在false positive的风险,如果控制不当可能会大规模地迅速摧毁卖方的平台信心.
所以保守做法可能还是监护性为主.
那么,对于卖方来说存不存在这种类似 买方的恶意欺诈呢.
理论上是不会的.
一个是可以通过专业准入审核做到.
毕竟相对买方来说卖方数量相对小.
二是欺诈成本高,收益小,不可复制.
这个是专业信用背书支撑的.
因为如果一旦专业透支,那么相当于平台不准入了.
买卖双方定价模型.
撮合系统.
反欺诈.
当然,最重要的一个基本立足点是咨询方的出卖动机.
或者说收益率是否达到一个程度的问题.
没有评论:
发表评论