人机结合看似高大上，其实就是人脑的特长与计算机的特长结合为决策过程提供有价值的依据，实际上在电子商务领域的应用已经非常普遍，其实就是通过机器学习的方法，提取商品的特征、人的特征和商品背后卖家买家的特征，将它们融合在一起，通过多种数据源建模型来预测商品的销量，并基于预测的结果帮助运营方决策，某一款商品究竟应该拿来卖还是拿来参加活动。根据不同的目标，我们可以使用人机结合来达成不同的结果，典型的就是聚划算的爆款选品和达人导购选品。
一、达人选品的迭代思路
从2013年开始，我们就已经开始探索达人导购。怎么样在特定场景下发现有潜质的商品：思路的起点是，你去看意见领袖和民意代表在看什么，他们才是风向标。而实现手段上的创新则是建模。
例如，蘑菇街美丽说做的就是达人的事儿，但他们靠的是具有专业眼光的人，我们靠的是数据。他们有专业的买手上街扫货，帮他们人肉去挑，我们则通过流量的来进行机器模拟的达人选品。
达人导购的建模过程中，确定什么样的人是达人，选取什么样的指标来判定特色商品，是最困难的一步。首先，因为数据源是多种的，以往大家就是抓过去一周的销量、点击量、好评率以及电商常用的行为数据，但倘若换种思维来看，如果某款商品经常来购买的人是有某一类基础特征，我们就可以将其定义为达人或者意见领袖，最能产生影响的达人最近在看什么，则可以反推这款产品未来一周的销量会是什么情况，与人相关的变量不仅包括他最近看了什么商品，点击了什么商品，也包括他们最近在微博上讨论什么和关注什么。
比如，如果一款商品品牌找到都教授作代言人，而很多达人都在微博上粉都教授，这就是个很好的信号也就是微博营销，说明达人可能对大明星比较感兴趣，而大明星代言的商品就会被特殊关注。
另一方面，在阿里可以收集到的数据中，倘若某些商品最近点击的流量非常集中，都来自于某些特定的高大上的网站，这同样能够传达出一个非常好的信号，说明该商品被高大上的网站盯上了，如果高大上的网站认为这款商品好，那这款商品一定不错。达人选品是一个循环定义的过程，一开始，我们只是拍脑袋，一个买家一个月平均花多少钱，买多少笔，在什么类目上购买，是不是贵的东西，根据这一系列历史特征我们先找出一批我们所定义的达人，然后看他们购买的商品，然后再反过来看，购买类似商品的人中还有哪些人是达人，经过几次循环迭代，这个模型会变得越来越精准。这是商品和人之间相互的迭代。
