我们把找达人这件事
做成了一条流水线
媒介找达人的日常是：搜关键词翻抖音、逐个点主页看数据、对照 brief 判断合不合适、整理成表发给客户。这些事不难，但量大、重复、容易漏。我们把其中机械的部分交给系统结构化执行，把注意力留给真正需要判断力的地方——系统负责筛，人负责最终决定。
一份名单是怎么交付的
01
需求结构化
你的 brief（文字或文件）被拆解成明确的筛选标准：粉丝门槛、内容方向、达人类型、需要重点关注的点。
02
库内预筛
先在持续维护的达人库里按硬性条件初筛——历史积累让每一单不必从零开始。
03
搜索发现
根据需求生成搜索关键词，去抖音发现库里还没有的新达人，补充进候选池。
04
逐一评估
对每个候选达人做结构化适配评估：账号理解、匹配度、内容形式适配、风险点，全部有据可查。
05
人工剔除
媒介逐个复核评估结果，剔除不合适的候选。名单收窄这一步永远是人做，不是算法。
06
提报交付
确认后的名单整理成提报表交付给你，逐个达人附推荐理由；你勾选后我们继续跟进执行。
系统只做机械劳动，判断留给人
这不是一句口号，而是流程里三个刻意保留、不会被自动化替代的人工卡点：
需求确认
你提交的需求先进入待审队列，由媒介人工确认理解无误后才立项启动，不会被机器自动消化。
候选剔除
系统攒出候选名单后，每个达人都经媒介人工复核；不合适的被剔掉，才会出现在给你的表里。
最终选择
用哪些达人、报价接不接受，始终由你在提报表里勾选决定。系统从不代替任何一方下最终结论。
凭什么信这套流程
用真实结果回测
我们拿真实客户的历史选人名单和系统评估做交叉对照，已完成两轮回测：系统「推荐」档位的客户选中率约为其余档位的 2 倍。评估不是拍脑袋，是被真实数据校准过的。
只压缩事实，不编结论
达人摘要只做数据事实的结构化压缩；评估看不到画面证据时，绝不推断出镜形式，而是标注「需人工复核」。宁可留问题给人，不输出没有依据的判断。
执行沉淀，越用越准
合作执行中的每一步（脚本、视频、审核、发布）都被记录，沉淀成达人的历史配合度档案。下次再遇到同一个达人，过往表现一查便知。