
运用大数据+大众评审清理山寨品牌
近日从阿里巴巴品控部门获悉,一套以“大数据+大众评审”为核心的全新“组合拳”目前已经跑通了整个流程,近200个涉嫌山寨的品牌被识别并遭处理。据阿里品控部有关负责人介绍,未来这套高效、科学的模式,将作为常规机制,覆盖天猫平台各类目、全品牌。
所谓山寨商品,是指那些在商标、外观设计等方面与较高知名度品牌商品十分接近的商品统称,一旦商家涉及,很容易遭遇极为复杂的法律问题。既极有可能涉及商标侵权、外观设计侵权,也有可能构成不正当竞争。由于这些侵权行为界定缺乏明确、客观的具体标准,因此在法律实务中一直较难解决。阿里巴巴此次推出的新举措尤其引人关注。
近200个涉嫌山寨品牌遭处理
“对我们来说,不论是山寨商标或者山寨商品,都是需要打击的对象”。这位负责人介绍称,“我们通过日常的抽检工作发现,大部分山寨品都带有不同程度的质量问题,并且退款率远远高于平均水平。我们希望通过这个新的尝试,让治理山寨变得更透明、更灵活。”
据介绍,这套流程目前已完成试运行:大数据对天猫品牌库做日常的对接和扫描,通过对商标(商品)做文字、图像等方面的比对,筛选出具有一定混淆度的商标(商品),这些被筛选出来的数据又将组成“山寨预警模型”,该模型会根据大数据输出的结果不断优化,反过来验证数据的精准性。
与此同时,此次遭处理的近200个涉嫌山寨品牌,还经受了首批参与的23万大众评审员“火眼金睛”甄别。在经过大数据筛选后,这些涉嫌山寨的商标(商品)会被提交到淘宝大众评审员参与判断,每个需要至少推送给800至1000名大众评审员参与判断。
这些大众评审员的任务是,通过观察商标(商品)的外观、形状等方面,对“是否会产生混淆”这个问题做出“是”或“否”的选择。如果超过一定比例的评审员认为该商标(商品)对其产生了混淆,天猫即会启动一系列治理机制,比如该商标所属的旗舰店不再续签、相关商品删除等处理,未来还会考虑通过限制贷款、限制活动等手段对山寨商品做不同程度的处理。
大众评审团评估“消费混淆度”
山寨问题在法律界是如何界定的呢?记者通过阿里巴巴法务部了解到,山寨商品一直是网络交易中让消费者和品牌方反感的现象。
事实上,山寨商品这种“傍名牌”行为,不仅会造成消费者对商品的混淆,还有可能构成商标侵权或不正当竞争。而“大数据+大众评审团”的模式,是利用互联网大数据先进技术,对传统法律难题的一次尝试性解决,也是互联网+法律模式的有效尝试。
据介绍,在实践中,如何判断消费者是否构成混淆是非常困难的,因为这是一种主观判断,很难证明。在现实的司法实践中,品牌方或权利人一般需提供专业市场调查公司出具的市场调查报告作为证据,以线下搜集大量消费者的看法来证明消费者构成了混淆,但是该方法费时费力,还会存在许多不确定因素。
阿里巴巴法务部有关负责人介绍,针对山寨乱象,阿里将重点关注被大数据抓取到的涉嫌构成侵权的商标(商品),并通过大众评审团对其产生的“消费混淆度”做公开的评估。通过这个流程,最终会筛选出一批明确对正常消费造成混淆的商标(商品)作为重点治理对象。
该负责人介绍说,希望通过这套机制努力保证消费者良好的购物体验,并实现对知名大品牌知识产权的有效保护。
治理山寨现象须线上线下联动
据了解,近几年来,作为全球领先的在线交易平台,阿里巴巴在知识产权保护方面一直在持续加大投入。
此前,为严厉打击山寨、假冒“网货”,浙江省工商局与阿里巴巴集团曾联合签署了《联合打假合作协议》。该协议明确,阿里巴巴集团借助大数据分析优势,向工商部门提供当前互联网领域侵权假冒违法行为聚集地、行业的相关情况。
工商部门则根据网络交易商品定向跟踪监测和网络销售商品质量抽检结果等监管信息,以及阿里巴巴提供的涉嫌网络经营违法情况,组织开展专项整治、重点案件督办等打假行动,及时落地查处通过互联网销售假冒伪劣商品和侵犯商标专用权行为。
与此同时,阿里与质检总局、地方质监局等有关部门也在紧密开展各项合作。
就在今年7月,阿里与浙江省工商局又联合开展了“2015红盾网剑专项行动”,重点对电子产品、汽车配件、服装鞋帽、儿童老年用品、农资等重点类目和突出问题加强网络商品交易行为监管。据悉,此次专项行动将一直持续至11月前后。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08