淘宝搜索加权法是什么

淘宝搜索加权法是什么

淘宝权重叠加是通过销量，人气，收藏加购率，页面停留时间以及复购率等多个维度计算的。

淘宝搜索权重概念：

权重是反应参数指标在整体评价系统中的重要程度，权重越高，表明该指标越重要。

举例：

一个学校招生考试，共三个科目：语文（100分）、数学（100分）、英语（100分）。

最终根据语文30%，数学40%，英语30%的比例进行累计得一个总得分，得分高者优先录取。

其中的百分比就是各科的权重，数学占比40%，则说明学校对学生的数学更加重视。

权重的计算方法有很多中，如：加权计算法、加权平均数法、AHP层次法、优序图法等等。

淘宝搜索加权法：

什么是加权法?

举例说明：

如果有个考生的成绩如下：语文（85）、数学（90）、英语（80）。

那么他的加权计算过程为：85*30%+90*40%+80*30%=85.5——就是简单的【成绩*比例】再累加的过程。

把上面的科目映射到商品中，则有如下关系：

科目=商品属性分值=属性分值成绩=属性得分占比=属性的权

1.确定权重指标【科目=商品属性】

权重指标这个比较好理解，前面我们讲的标题、品类、品牌等等都属于商品属性。

需要注意的是在权重模型中，并不是商品的所有属性都会参与权重计算的，影响用户搜索习惯、以及销量的属性才会参与计算。

如：品牌、价格、总销量、月销量、浏览量、收藏量、商品评分等；对于不同的品类，部分特有属性也会参与计算。

如：服饰品类的材质、适应季节等，手机品类的内存大小、存储大小等。

2.定义指标满分值【分值=属性分值】

指标满分值就好比给科目定义的满分值一样，只有设置了上限，数据才有对比性，我们才能判断出一个具体的分值所代表的好坏程度。

在商品属性中，部分属性在系统设计之初就已经有分值的定义，如评分，通常都设置为10分制或者5颗星的记分方式。

但是在这里依然需要给他们再重新定义一套权重中的满分值，而不能使用原始的10分制或5颗星来计算。

因为后面涉及到了自定义权重的高低，需要动态进行调整。

还有一个需要注意的地方，满分值的定义需要根据属性值的多少来作为依据；

如平台有500个独立的品牌，那么品牌的满分值就不应该定义为100，而是1000；

否则就会出现扎堆现象，某个分值会出现多个品牌的情况，应该尽量避免这种情况发生。

3.划分指标分值【成绩=属性得分】

对于科目来说，卷面分已经规定好了，具体能考出多少成绩，这个就得看各位同学自己的发挥了。

商品也一样，属性的满分定义好后，某个具体属性能得多少分值就需要根据统计数据和评分标准进行打分。

首先需要定制评分标准，标准的规定有两种方式：

人工经验定义：根据后台的销售数据人为的决定分值，搜索比较多的，销售量高的可以得分高点，反之亦然；

如手机品类中的品牌，通常比较火热的就是华为、苹果、小米，其次vivo、oppo、三星等等。

人为的依次可以为它们设置得分值：华为（500）、苹果（450）、小米（400）、vivo（380）、oppo（350）、三星（320）。

有明确数据参考：根据系统反馈的统计数据，通过计算获得分值；

如月销量，默认满分定义为1000分，如果月销量超过5000单，则得1000分，未超过的根据比例计算动态获得的分值。

4.确定指标的权【占比=属性权】

与各科的占比一样，权重模型需要为每个参与计算的属性设置相应的权，这里之所以没有叫占比，是因为通常我们理解的占比是以百分制来计算的。

所有参与因素占比最终加起来需要等于百分百。

但是商品模型参数属性比较多，采用百分制会试最终的权重值很聚集，搜索效果并不好。

所以通常采用权的设计方法。

什么是权呢?

举个实例，如：数字8692=8*1000+6*100+9*10+2*1。

其中千分位的权是1000，百分位的权是100，十分位的权是10，个位的权是1。

我们采用类似的方式给参与权重的商品属性定义权。

如比较重要的属性：品牌（100000）、价格（100000）、总销量（10000）、月销量（10000）；

重要的属性：浏览量（1000）、收藏量（1000）；一般的属性：库存（10）、材质（10）；

其中不同的属性是可以定义相同权的。