亚马逊listing排序原则及产品数据结构解析

亚马逊listing排序的几个原则：

1. 亚马逊所有事物的首要原则就是最大化买家收益（RPC）

2. 亚马逊追踪买家在亚马逊的每一个行为

3. A9算法是将#2(亚马逊追踪买家在亚马逊的每一个行为)的数据追踪指向#1（最大化买家收益）的首要指标

简单提练一下就是，亚马逊会追踪买家行为，通过给买家打标签的方式做出用户画像，然后把符合“买家收益最大化”原则的商品优先展示给买家。那么对卖家朋友来讲，实际具体执行的算法采用哪些数学模型与指令集，不是我们卖家要考虑的核心，卖家需要核心关注的是其实是电商平台的”数据结构“和“匹配逻辑”。这个数据结构其实包含二个方向的“数据结构”。产品数据结构与买家数据结构。

先讲一下买家“数据结构”。电商平台会把用户的形为设置多种参考标签，然后再把这些标签通过数据结构的方式转化成计算机可识别的二进制语言。我目前了解到的参考的维度可能有“年电商平台消费总额”“某类商品平均购物单价”“年购物频次”“搜索习惯”“签收地址房价”等等。平台把这些信息做收集处理，整理成“数据结构”也就是大家常听到的用户画像。

而产品的数据结构个人理解是卖家朋友们在亚马逊后台发布的产品，平台会在不同阶段给产品添加上各种考核标准形成产品的数据结构。为了方便大家理解，还是举例来讲一下：

新品期产品数据结构：关键词+图片

成长期产品数据结构：关键词+图片+点击率+转化率+好评率+退货率

成熟期产品数据结构：关键词+图片+点击率+转化率+好评率+退货率+复购率+周转率。

产品数据结构其实就是大家经常听到的“产品标签”。这样有了买方市场的“用户画像”与卖方市场的“产品标签”之后。平台就可以根据数学模型组成的算法把买卖双方高效匹配起来了。