我们正常线下的商场或者超市，货架的摆设是一门学问，合理的分配位置以及柜架能给销量带来一定的提升。线上网站虽然没有空间上的限制，理论上支持N种商品的摆设，但是展示上却又限制，用户的视觉有限，用户的时间有限。正常情况下，用户如果在一个3-5个页面内没有找到想要的商品，用户可能就放弃购物行为。
由于一般B2C网站用户通过导航、分类浏览到达目标商品页面所占的比例巨大，我们这里主要谈谈商品列表的排序方式。
目前业内大部分外贸B2C网站提供如下排序方式：
Sale：按销量排序
Popular：按人气排序(按综合指数)
New In：按新品排序(按上架时间)
Price：按价格排序
网站虽然支持了多个维度排序，但是由于用户的懒惰型，用户很大比例会按照系统默认一种排序方式进行浏览，因此如果系统默认排序按照：
1、默认按销量：会照成一开始卖得好的商品会越卖越好，而新品几乎没有任何机会得到展示，一旦更换季节的时候，出现列表显示了上个季节的商品，类似夏天卖冬装等。
2、按新品(大部分客户)：如果有一些商品是全年热销的，商家更新了新的SKU，如果新品又没有相关的市场数据，可能会导致前几页都是新品，而商家也不确定商品的销量情况。
3、按价格：默认按照这种排序就更不合理了。因为几乎很少有人就追求贵，或者追求最便宜
4、其他维度(评论，收藏等)：最终一样回到了问题的本质，新品没有任何机会。
5、人工排序：由商家手动调整商品的排序，当SKU少的时候，小百个的情况下，确实符合，但是一旦商品量起来，有几万商品时候，工作量可想而知。
为了更相对地解决不公平的现象，我们需要制定一些原则跟因素最终决定商品的权重。我们先列举出影响商品排名的因素：
A、当前季节
B、单位时间的转化率排名
C、单位时间的销量排名
D、库存是否充足【有货,没货】
E、人工干预权重
F、是否新品
G、是否有当地库存
其次看重的是：(二级权重)
H、商品添加时间
I、是否活动
J、单位时间内的退货率
K、单品评论分值
L、品牌权重
M、分类权重
N、标签权重
O、SKU的齐全率
P、单品收藏排名
商品排序公式：
R =A*B*C*D*E*F*G*(K1*H+K2*I+J*K3+...)
参数解释：
A、季节。应季商品应在前，将四季划为8个区域:秋季、冬季、春季、夏季、秋冬和春秋等，应季为8分。
B、转化率排名。7-30天内该单品的转化率相对排名，全网单品转化率倒序排名，倒数第一名数值为1、倒数第二名数值为2、倒数第三名数值为3。
C、销量排名。7-30天内的销量排名，全网单品转化率倒序排名，倒数第一名数值为1、倒数第二名数值为2、倒数第三名数值为3。一般从ERP(所有渠)获取。
D、库存状态。没货为-1，有货为1。
E、人工权重。人工权重倒叙排名,倒数第一名数值为1。
F、新品保护值。假设周期为7-30天，T(当前时间-上架时间)<=1天，值为T，T<=2，值为T-1，以此类推。
G、库存值。如果有用到异地仓，那么相对而言异地仓的商品需要排名在前。但如果做了异地仓，默认排序需要多个值。
H、商品添加时间。暂无。
I、是否活动。有相关活动为1，否则为0。
J、单位时间内的退货率排名。倒数第一名数值为1,以此类推。
K、单品评论分值排名。倒数第一名数值为1,以此类推。
L、品牌权重。倒数第一名数值为1,以此类推。
M、分类权重。倒数第一名数值为1,以此类推。
N、标签权重。倒数第一名数值为1,以此类推。可忽略。
O、SKU的齐全率。全部尺码都有为1，否则为0
P、单品收藏排名。倒数第一名数值为1,以此类推。
由上述公式可以看出：
一、特别重要的因素要放在前面用乘法使之权重最高。
二、一般的因素放在后面括号里。
三、所有因素为了获得较为准确数值，都是先经过全网扫描、排序而后获得一个相对准确的相对值。
四、根据需要设定各参数权重K，改变权重只需要调节K值大小即可。
五、甚至我们都可以针对人群去制定不同的排序规则，可以针对不同群里的排序不一样。
六、每天根据数据最终刷新商品排名，选择在访问量最低的时候进行赋值。
总结：这个模型不太重要，重要的是一种思想，商家“认为哪些因素重要，这些因素重要到什么程度”。也是说：公式本身可能有多种变形，但在结果上是等价的。从这意义上说：排名公式取决于对市场的理解。比如转化率这个因素是必要因素，到底应该赋予这个因素多少权重呢？这依赖大数据的统计分析，然后由运营团队+采购团队赋予权值，并不断调整。
| 欢迎光临 老榕树社区 (http://club.lrswl.com/) | Powered by Discuz! X3 |