社区 发现 Amazon 探讨：SP某个关键词下的直接出单/间接出...
探讨：SP某个关键词下的直接出单/间接出单占比对该词广告权重和自然位置的影响。
发帖2次
被置顶1次
被推荐0次
质量分0星
回帖互动66次
历史交流热度4.17%
历史交流深度0%
广告活动A，产品A，大词A
广告活动B，产品B，大词A
先附图如上
情况简介：
两个不同广告活动（SP关键词），产品垂直但类型不同，投放大词一致
问题：
哪种情况的广告权重积累比较快，关键词自然位爬升快？
个人认为：
一个产品的某个关键词自然位置的提升，主ASIN的数据影响程度＞父体总数据的影响程度（这可能就是当展示ASIN变化后，自然卡位有时候会突然骤降？）
同理对于广告权重积累也是
心中疑惑，大家探讨交流
广告活动B，产品B，大词A
先附图如上
情况简介：
两个不同广告活动（SP关键词），产品垂直但类型不同，投放大词一致
问题：
哪种情况的广告权重积累比较快，关键词自然位爬升快？
个人认为：
一个产品的某个关键词自然位置的提升，主ASIN的数据影响程度＞父体总数据的影响程度（这可能就是当展示ASIN变化后，自然卡位有时候会突然骤降？）
同理对于广告权重积累也是
心中疑惑，大家探讨交流
倒计时：
13 个回复
好大一只河马 - 没其他的，就是干。
赞同来自: strawJerry 、 A1261184718 、 gundam157 、 小飞侠23 、 123456777 、 Kkkevin 、 NINO 、 白云余文乐 、 wangshuaibo 、 羊舌雅嫺1019 、 H君在江湖 、 只送九个头 更多 »
也问过一些IT人员，他们都认为不可能存在这么多的实时变量，天量的计算，会导致服务器和网路直接爆炸，即便是亚马逊无比强大的云，也不可能承担这么高的并发计算。
直到前段时间看了牛逼如Twitter的开源推荐算法，才发现其实算法简单粗暴得令人发指，把一切相关不相关的因素，都以非常简单的权重倍数来无脑统一，并没有分门别类来进行处理。
所以我也觉得，亚马逊的工程师为了减少运算量，肯定也是把非常多的变量，简单的用了加权倍数来进行统一，加权倍数相加相乘，完事儿，齐活，前台页面放答案。
所以，我来给出答案：
直接出单权重应该是1，
间接出单权重应该是0.5
我觉得应该就是这么简单，不接受反驳，反驳就是你对。
附：Twitter推荐权重算法
retweetCountParams，转发 20 倍权重。
replyCountParams，回复 1 倍权重，所以 20 条回复效果等同于 1 条转发。
reputationParams，声望值 0.2 倍权重，大 V 的倾斜还好。
luceneScoreParams，Lucene 打分机制 2 倍权重。Lucene 是用来发现相关性的搜索引擎，所以可以理解成内容相关性有 2 倍权重。
textScoreParams，纯文字的话，0.18 倍权重。
urlParams，带了 URL，2 倍权重。
isReplyParams，回复别人的，1 倍权重。
favCountParams，点赞数，30 倍权重！！！
langEnglishUIBoost，英文界面，0.5 倍权重。
langEnglishTweetBoost，用英文发推，0.2 倍权重。
langDefaultBoost，默认语言权重，0.02 倍权重。
unknownLanguageBoost，未知语言权重，0.05 倍权重。语言这几个虽然都不到一倍，算是打压的，我理解可能是相对逻辑，英语相对还是受待见一点，不明语言小语种反而比默认语言要稍好一点，也不知道默认语言是什么意思，不过权重太小，感觉无足轻重。
offensiveBoost，冒犯性内容，0.1 倍权重，显然要被打压。
inTrustedCircleBoost，信任圈的内容，2 倍权重。玩社交，就是要混圈子呀。
multipleHashtagsOrTrendsBoost，加多个 Tag，0.6 倍权重。看来多个 Tag 不是个好主意，占用字数，吃力不讨好。
inDirectFollowBoost，我理解是如果因为某人看到这条推而关注了作者的话，有 4 倍权重。
tweetHasTrendBoost，蹭热点也有点用，1.1 倍权重。
selfTweetBoost，自己转发，2 倍权重。为自己代言也是有用的。
tweetHasImageUrlBoost，带图片，2 倍权重。
tweetHasVideoUrlBoost，带视频，2 倍权重。