原来外国人这样玩假发
A9是亚马逊搜索引擎的核心,关系到每个卖家的切身利益,这也是为什么有那么多卖家朋友在研究A9,关注其每一次调整。但有句话叫万变不离其宗,A9其本质是一个商品搜索引擎,不管其怎么改变调整,都是基于商品本身的数据(千人千面还会基于用户数据,这个不在本文讨论范围之内),所以树苗哥打算从商品搜索引擎实现原理的层面来看A9,看看这些基本原理在A9中是怎么样得到体现的。
前面说到,商品搜索引擎是基于商品本身的数据,那我们就先来分析一下亚马逊的商品数据,树苗哥这里做了一个表格:
商品属性 | 类型 | 用途 |
ASIN | 静态 | 筛选 |
类目 | 静态 | 筛选 |
标题 | 静态 | 搜索 |
价格 | 静态 | 筛选 |
规格 | 静态 | 筛选+搜索 |
特性 | 静态 | 搜索 |
说明 | 静态 | 搜索 |
参数 | 静态 | 搜索 |
卖家 | 静态 | 筛选+搜索 |
品牌 | 静态 | 筛选+搜索 |
bullet-point | 静态 | 搜索 |
search-term | 静态 | 搜索 |
QA | 混合 | 搜索 |
评分 | 混合 | 筛选 |
评论 | 混合 | 搜索 |
点击量 | 动态 | 搜索 |
加购量 | 动态 | 搜索 |
销量 | 动态 | 搜索 |
这个表里列出来的都是大家平时非常熟悉的字段,其中静态、动态的主要区别在于是否会不断变化,QA、评分和评论这三个被树苗哥标注为混合,主要是这三个已经产生的部分基本上是处于静态的,而整体上又是不断变化的(有新增)。本期树苗哥着重说一下商品数据的静态部分。
大家从表里可以看到,静态数据(包括混合的)基本上都是文字类的,而我们平时搜索也是输入文字搜索,搜索引擎底层就是将输入的文字跟这些静态数据的文字进行匹配,得到一个数值,越匹配数值就越大,这个数值就是匹配度;再将所有参与匹配的字段的匹配度按各自的权重组合,就得到了一个商品的匹配度。不同搜索引擎间的区别就在于参与匹配的字段和各字段的权重不同。匹配度直接关系到商品在搜索结果中的排序,对于静态部分的优化,就是合理埋词,提高匹配度。
那么怎样埋词才算合理呢?首先树苗哥不推荐堆词,因为堆词势必造成一个字段很长,而长度是一个扣分项(如果两段文字都表达同一个意思,而其中一段更短,说明描述的更准确,自然匹配度更高)。树苗哥推荐的做法是权重高的字段埋重要的词,对于亚马逊A9来说,树苗哥列出的标记为搜索的字段,都是参与到匹配过程的,其中权重最高的是标题(基本上所有商品搜索引擎都一样),其次是bullet-point,search-term,最后是特性、说明、评论这些,大家可以充分利用这些位置来埋词。至于一个商品要埋那些关键词以及关键词的权重如何,这个有很多工具可以用,例如merchant words或者google adwords,也可以使用Linkdata(www.lkdtec.com)的关键词分析系统,包含关键词搜索、点击和购买等核心数据,通过模糊搜索一步就能找出所有相关关键词,方便,快捷,准确。
对于一个商品来说,静态部分好比基础,动态部分好比盖楼,基础扎稳后面才好盖楼,本期关于静态部分就说到这里,下一期树苗哥重点说一下动态部分。