社区 发现 Amazon 是否可以利用电商领域基础公式，解读亚马逊...
是否可以利用电商领域基础公式，解读亚马逊自然排名的算法，让人更容易理解？点击率和转化率是属于一个概率值？想要概率值准确，那么一定需要大量的数据做支撑
发帖1次
被置顶1次
被推荐1次
质量分0星
回帖互动89次
历史交流热度33.33%
历史交流深度0%
在电商领域里面，我们都知道有一个坑产理论，其公式为：
坑位产出 = 单位展现产出 = 成交金额 / 展现量 = (展现量 × 点击率 × 转化率 × 客单价) / 展现量 = 点击率 × 转化率 × 客单价
简单解释一下：就是在单位曝光下，你能够产出的成交额越多，那么你的坑产就越高。而坑产大多是与平台的收益挂钩的。
对于亚马逊平台来说，他的收益有很大一部分是来自佣金，佣金的收取方式是按比例收费，与成交金额有关的。坑产高也意味着平台的收益就高，所以就更愿意给你更好的曝光。而更好的曝光无疑就是更靠前的自然位。
那么回到这个坑产公式=点击率 × 转化率 × 客单价，我们暂且抛开客单价，一些比较靠后的链接经常会有这样的数据表现：曝光100，流量10，订单5，点击率10%，转化率50%，点击率和转化率相当不错，那么你的位置就可以很靠前？这显然和实际是不符的。那这是为什么呢?
这里的点击率和转化率是属于一个概率值，想要概率值准确，那么一定需要大量的数据做支撑。举个很常见的例子，硬币的正反面概率，正面和反面的准确概率应该都是50%, 但是如果你只有10份数据，那么正面可能是7次，反面是3次，70%与30%对于50%来说偏差是非常大的，如果直接就去这个值去做坑产计算，那么显然偏差是非常大的，对于平台来说，给你一个好的曝光位置，但是你实际能给我带来的收益与预估的收益偏差就大，风险就高。所以这里需要有一个“量”，量越大，与真实概率就越接近，偏差就越小。这里需要的数据量就是指曝光（点击率的数据支撑）和流量（转化率的数据支撑）。
这里可以用新品广告数据来做实例，因为新品一开始流量大多都是来源于广告，而广告是看得到曝光量和点击率数据的。我们自身推新时做过相关的数据对比，一般转化和客单价相差不多的新品，广告曝光量大，点击率高的新品，自然位上升的速度都会更快。
但是我们后来还是发现一个问题，新品我们广告花重金买流量，出单已经比一些老品还要高了，数据方面表现也更好。但是自然位短期内还是无法超越老品的自然位。
这里的“量”其实是时间范围内的数据，而时间可以分阶段的，7天，14天，30天，3个月，甚至半年到1年。那会不会是这样，对于平台来说，历史会更替，近期的表现更能决定将来的走向，所以短期内的表现会更重要，但是历史数据也是重要的参考依据，那平台就对不同时段赋予了不同的权重，类似于加权平均的算法，近期数据表现权重较高，然后历史权重随时间的延长而变低。所以新品因为没有更长时间段的数据，在计算时缺失了一部分，需要时间累积，等有这部分数据之后才能更近一步。
亚马逊尽管是有一个A9算法，其中4个关键因素：
一、相关性（Relevancy）
二、转化率（Conversion Rate）
三、客户满意度（Customer Satisfaction）
四、复购率（Repurchase Rate）
但是这些指标从数据上来看，最终也是呈现在了点击与转化上，就以相关性来说，我们推广的关键词要与商品相关，推广的人群要与产品相关，巴拉巴拉的一大堆相关。最终数据说话，怎么相关用数据说话其实就是点击率和转化率。
那总结一下：亚马逊在考虑分配自然排名的时候，为了确保自身推送出去的商品能够达到预期一样的坑产，从而带来预期的收益。
那么为了减少这种误推的可能性，那么需要考虑到三个维度：
1. 基础数据表现，点击与转化OK
2. 支撑数据表现的量，曝光量与流量有足够数据验证
3. 时间轴，维持好的数据，维持足够的数据量，并在各个时间段保持
那么自然排名如何去推广，是否也就可以按照这个逻辑去做推广？我所了解的，大多数运营可能都会忽略后面两点。
这样去理解自然排名是否会比分析A9算法更加简单和直白。这样是否也可以更好的理解我们在运营上的一些疑问。如：
为什么广告要优化，如果点击转化差还会导致自然位下降，因为我要保证数据在点击与转化上OK。
为什么我的数据表现很好，但是自然位就是上不去，因为需要量与时间。
为什么断货会说不超过两周，接上货之后链接就能很快恢复，因为历史数据有权重。
为什么单次秒杀对自然位的提升效果比较差，而有规律的秒杀和7dd对提升自然位的效果会更明显。因为可以保证好的数据表现可以覆盖各个时间段。
为什么广告预算有限，会建议去打小词。因为不同的词需要不同的量做数据支撑，小词需要的量少。
等等等等...
那这个基础公式对我们运营工作还能够带来哪些指导意义呢?
以上的分析只是针对于汇总的数据，但是实际中数据是会进一步细分的，例如，一个多变体链接里面有多个aisn，然后又有多个系列的关键词，在亚马逊中，所谓的关键词权重是在asin上的，两个系列的关键词权重又不会共用，但是同系列关键词又有相关性的联系。所以在具体实操中这个数据被分化得特别严重，
那为了迎合这个公式，我们以推新为例子
新品没有基础，广告主要流量来源，链接一开始时是否可以通过广告设置将同一系列的关键词的数据表现，叠加在同一个asin上？
为了点击和转化的基础表现，那我这个asin是否是应该具备天然优势和人为制造优势？
为了数据量和时间轴同时满足，我是否应该根据关键词的量来调配预算和投流时间？
简单拎了几个问题出来，因为后续涉及的细节太多，这里就不做过多阐述了
只是利用一个基础公式尝试去解读亚马逊自然排名的算法，站在平台的角度去考虑平台自身的收益，看是否可以更直白，对于一些运营小白来说，这样去理解是否会简单。肯定亚马逊的算法会更加复杂，但是底层逻辑应该是互通的。
如有其他看法，也欢迎讨论或指正。
坑位产出 = 单位展现产出 = 成交金额 / 展现量 = (展现量 × 点击率 × 转化率 × 客单价) / 展现量 = 点击率 × 转化率 × 客单价
简单解释一下：就是在单位曝光下，你能够产出的成交额越多，那么你的坑产就越高。而坑产大多是与平台的收益挂钩的。
对于亚马逊平台来说，他的收益有很大一部分是来自佣金，佣金的收取方式是按比例收费，与成交金额有关的。坑产高也意味着平台的收益就高，所以就更愿意给你更好的曝光。而更好的曝光无疑就是更靠前的自然位。
那么回到这个坑产公式=点击率 × 转化率 × 客单价，我们暂且抛开客单价，一些比较靠后的链接经常会有这样的数据表现：曝光100，流量10，订单5，点击率10%，转化率50%，点击率和转化率相当不错，那么你的位置就可以很靠前？这显然和实际是不符的。那这是为什么呢?
这里的点击率和转化率是属于一个概率值，想要概率值准确，那么一定需要大量的数据做支撑。举个很常见的例子，硬币的正反面概率，正面和反面的准确概率应该都是50%, 但是如果你只有10份数据，那么正面可能是7次，反面是3次，70%与30%对于50%来说偏差是非常大的，如果直接就去这个值去做坑产计算，那么显然偏差是非常大的，对于平台来说，给你一个好的曝光位置，但是你实际能给我带来的收益与预估的收益偏差就大，风险就高。所以这里需要有一个“量”，量越大，与真实概率就越接近，偏差就越小。这里需要的数据量就是指曝光（点击率的数据支撑）和流量（转化率的数据支撑）。
这里可以用新品广告数据来做实例，因为新品一开始流量大多都是来源于广告，而广告是看得到曝光量和点击率数据的。我们自身推新时做过相关的数据对比，一般转化和客单价相差不多的新品，广告曝光量大，点击率高的新品，自然位上升的速度都会更快。
但是我们后来还是发现一个问题，新品我们广告花重金买流量，出单已经比一些老品还要高了，数据方面表现也更好。但是自然位短期内还是无法超越老品的自然位。
这里的“量”其实是时间范围内的数据，而时间可以分阶段的，7天，14天，30天，3个月，甚至半年到1年。那会不会是这样，对于平台来说，历史会更替，近期的表现更能决定将来的走向，所以短期内的表现会更重要，但是历史数据也是重要的参考依据，那平台就对不同时段赋予了不同的权重，类似于加权平均的算法，近期数据表现权重较高，然后历史权重随时间的延长而变低。所以新品因为没有更长时间段的数据，在计算时缺失了一部分，需要时间累积，等有这部分数据之后才能更近一步。
亚马逊尽管是有一个A9算法，其中4个关键因素：
一、相关性（Relevancy）
二、转化率（Conversion Rate）
三、客户满意度（Customer Satisfaction）
四、复购率（Repurchase Rate）
但是这些指标从数据上来看，最终也是呈现在了点击与转化上，就以相关性来说，我们推广的关键词要与商品相关，推广的人群要与产品相关，巴拉巴拉的一大堆相关。最终数据说话，怎么相关用数据说话其实就是点击率和转化率。
那总结一下：亚马逊在考虑分配自然排名的时候，为了确保自身推送出去的商品能够达到预期一样的坑产，从而带来预期的收益。
那么为了减少这种误推的可能性，那么需要考虑到三个维度：
1. 基础数据表现，点击与转化OK
2. 支撑数据表现的量，曝光量与流量有足够数据验证
3. 时间轴，维持好的数据，维持足够的数据量，并在各个时间段保持
那么自然排名如何去推广，是否也就可以按照这个逻辑去做推广？我所了解的，大多数运营可能都会忽略后面两点。
这样去理解自然排名是否会比分析A9算法更加简单和直白。这样是否也可以更好的理解我们在运营上的一些疑问。如：
为什么广告要优化，如果点击转化差还会导致自然位下降，因为我要保证数据在点击与转化上OK。
为什么我的数据表现很好，但是自然位就是上不去，因为需要量与时间。
为什么断货会说不超过两周，接上货之后链接就能很快恢复，因为历史数据有权重。
为什么单次秒杀对自然位的提升效果比较差，而有规律的秒杀和7dd对提升自然位的效果会更明显。因为可以保证好的数据表现可以覆盖各个时间段。
为什么广告预算有限，会建议去打小词。因为不同的词需要不同的量做数据支撑，小词需要的量少。
等等等等...
那这个基础公式对我们运营工作还能够带来哪些指导意义呢?
以上的分析只是针对于汇总的数据，但是实际中数据是会进一步细分的，例如，一个多变体链接里面有多个aisn，然后又有多个系列的关键词，在亚马逊中，所谓的关键词权重是在asin上的，两个系列的关键词权重又不会共用，但是同系列关键词又有相关性的联系。所以在具体实操中这个数据被分化得特别严重，
那为了迎合这个公式，我们以推新为例子
新品没有基础，广告主要流量来源，链接一开始时是否可以通过广告设置将同一系列的关键词的数据表现，叠加在同一个asin上？
为了点击和转化的基础表现，那我这个asin是否是应该具备天然优势和人为制造优势？
为了数据量和时间轴同时满足，我是否应该根据关键词的量来调配预算和投流时间？
简单拎了几个问题出来，因为后续涉及的细节太多，这里就不做过多阐述了
只是利用一个基础公式尝试去解读亚马逊自然排名的算法，站在平台的角度去考虑平台自身的收益，看是否可以更直白，对于一些运营小白来说，这样去理解是否会简单。肯定亚马逊的算法会更加复杂，但是底层逻辑应该是互通的。
如有其他看法，也欢迎讨论或指正。
倒计时：
7 个回复
下一个风口上的猪 - 赚够500w就退休
赞同来自: 阿甘改不了名字 、 昼短夜长秉烛游 、 猫巷里的鱼七 、 吐泡泡喵 、 辣夫劈思 、 Shimakura 、 小明打农药 、 23年毕业生小白 、 阿玛肿种树人 、 Page 、 593800194 、 yumoumou 更多 »
1.为什么广告要优化，如果点击转化差还会导致自然位下降?
因为广告是不可控的，好的广告也是需要测试和筛选，分阶段去推广的，有些跑出来的转化不好的广告词代表着你链接带来了不精准的流量，点击了付费了，钱花了，但是影响链接了。点击转化差我的理解是，自然位就是你进我退的关系，我的自然位下降了也说明同时，我的竞对在这个位置表现效果比我好，越靠前面的自然位置竞争越激烈，哪怕我自身不退步，只要竞争对手的数据比我好了，那我就是在退步，我会把它比喻成一个动态的过程。而且点击转化率差说明带来的坑产不足以占据这个坑位，而GMV又可以分解到点击转化率层面，本质上还是流量的争夺和转化层面。
2.为什么我的数据表现很好，但是自然位就是上不去，因为需要量与时间。
这里引用过来表示赞同，加以补充个人观点。自己的数据表现很好，但是自然位置上不去，一个是需要时间和量的积累，有时候你链接的各种条件下，说明了你现阶段就应该待在这个位置，一条链接的成功一定是有节奏的和有计划的，不是所有产品会一直直线的增长，很多好的产品是稳定向上增长，短时间内的数据好只能说明对比同期的竞对来说，你是有优势的，但是越靠近前面自然位置，竞争对手也越强，可以这么理解，自己链接数据好的情况下，也可能在你位置附近的竞品数据也很好，这也体现了我第1点说到的，越靠近前面的位置，大家都在拼命去抢，这个时候就是一个不进则退的概念，好不好是看你周围是谁来作为评判标准的。大家都好的情况下，就是同一水平线，这时候比的就是持久性，也就是不断地喂稳定且优秀的数据给亚马逊去检验，笑到最后才是赢家。
3.为什么断货会说不超过两周，接上货之后链接就能很快恢复，因为历史数据有权重。
断货不超过2周，这个时候你的产品也还是在新品期间，而且基于前期你的推广，你对市场的数据是更清楚的，广告怎么打，哪些词，cpc多少，你的产品也是经过了初期的市场检验的，是有受众群体的，在这两周里，产品的客单价是不会有断崖式的变化的，其他竞争对手的产品和review数量是很难半个月甩你一条街的，到货后想办法弄点价格优势，用广告去补充单量，合并一下变体去增加评论（合不合规另说，我目前是坚持白帽合规运营的）而且你的历史数据是在系统里的，踩了一脚刹车之后再奋起直追。
4.为什么单次秒杀对自然位的提升效果比较差，而有规律的秒杀和7dd对提升自然位的效果会更明显。因为可以保证好的数据表现可以覆盖各个时间段。
不同客单价的LD和BD是有点区别的，但是可以大致概括的是BD对于推动自然排名的稳定增长，主要是可以稳定地提供一定单量和数据，单次秒杀持续时间短，有种昙花一现的效果，不利于自然位置的稳定保持吧。
5.为什么广告预算有限，会建议去打小词。因为不同的词需要不同的量做数据支撑，小词需要的量少。
小词一般对应的也是长尾词，虽然搜索量小，但是这个词背后代表的受众人群或者消费需求的十分精准的，他就是来买这个东西的，搜出来这个词下的同类产品数量也不多，竞争没那么激烈，所以cpc也会相对便宜，而且你在这个词下有过几次点击，有过几个订单，你自然位置就能到第一页，这种词大麦又不屑于去专门抢，不屑于去吃这点流量，而且同一个产品不会在所有词下都表现地很好的，有些产品在几个词下自然位置是第一位，但是别的词下是第一页一二十位甚至在第二位，有些时候对于新品而言，如果链接没有什么竞争优势的情况下，建议农村包围城市，猥琐地苟一下，找对真正适合你新品初期链接的流量，用广告去打开这些精准流量入口，制定有节奏的推广计划。
我将推广新品比喻成在池塘里养鱼，而广告推广比喻成鱼的饲料，池塘里自身的淤泥、有机物和广告（饲料）残留催生出的有机物的分解这种饲料比喻成自然位置的流量。不同的广告类型，不同的关键词（大小，精准度）是不同成分和功效的饲料。在一个池塘里养鱼，不会只有一种一模一样的鱼，你要让你这条鱼长得比较肥，你就要选择合适你这个鱼的品种的饲料（关键词找对找全），并且你这个鱼还是小鱼苗，它能吃的下什么饲料（广告类型和词的大小的选择），大的饲料（大词）它是小鱼苗（新品初期）的时候是吞不下的，你在养它之前（新品调研）你就大概心里有底，适合这个鱼品质的饲料都有哪些（关键词），小鱼苗前期喂什么饲料中期喂什么饲料，等慢慢到小鱼了，小鱼苗时期的饲料和新的饲料混着搭配（长尾词，中长尾词），喂的饲料量也慢慢变大（词代表的流量大小和推广词的多少，广告类型的丰富）等它慢慢地成长到下一个阶段了（评论是否有优势，价格，主图，转化等因素），再慢慢地去增加。
里面的饲料就是流量，鱼的不同时期就是新品推广的不同阶段（当然好的产品等于不挑食本身就很能的鱼，对于饲料的投喂就要求不会那么高，但是对于很多产品来说，循序渐进，把战线拉长一点，基于产品不垃圾的情况下，这个链接是一定不会差的，赚钱也只是时间问题，只是站在运营的角度，我花一年时间去这样推好一个产品，前期的推广成本吃掉了利润的，至少前几个月Acos＝毛利率，牺牲的是我的提成，还有公司也并不会这么让你放开手去干，他只会看你数据报表问为什么不出单，不赚钱，赚的不够多。但是作为运营毕竟不是老板，只想一分耕耘，下个月有一分收获，没那么伟大，我们都需要钱来富足自己）所以很多时候不是链接推不起来，是没找到一种能够满足自己收入的前提下，又能站在长期主义的角度去把链接推好，这两种利益诉求的平衡罢了。
很喜欢借这种底层逻辑的帖子也顺便梳理一下自己的逻辑，但在工作中发现积累和提高的的更多的是实操，数据，和解决突发问题的方法和能力，很多工作本身是停留在机械性的操作的，但是处理完这些工作之后，是很难静得下心来去把底层的理论框架理顺一遍的，但是有时候发现，往往就是回过头来，用目标导向去倒推，回到从底层逻辑和底层指标，会发现很多问题会更清晰。
越来越觉得运营层面，越来越重要的东西：底层逻辑的精通，解决问题的反推思考能力，复盘能力，数据分析到最后数据模型构建。借之前一位大佬说过的话表达我的观点：有道无术，术尚可求也，有术无道，止于术。预测一下这个帖子火一把。