亚马逊商品为何评价少却排名高？揭秘其背后的原因

我们要明白亚马逊商品展示的逻辑。在亚马逊平台上，商品是按照一定的顺序排列展示的。这个顺序并不是随意的，而是通过特定的计算方式得出的，也就是商品的排名。这个计算过程可以理解为一种算法，比如A9算法。

算法的运行基于输入和输出。输入的是各种参数，输出的是商品在序列中的排名。那么，影响排名的输入参数有哪些呢？

主要包括行为参数，如点击量、收藏量、停留时间、访问深度、加入购物车的次数等。搜索部分也有其特定的参数，如热词对应的商品进入次数和成交数据等。还有其他入口，例如广告流量入口、邮件入口、专题页入口、推广链接入口、专场入口、移动入口以及站外推广联盟入口等。

除此之外，人的属性和产品本身的属性也是重要的影响因素。人的属性如等级（是否付费用户、购买累计金额等）。产品本身的属性则包括图片是否达标、用户鼠标点击和悬浮次数、评价数量、星级以及上架时间等。同类产品的评价以及QA也是重要的参考因素。

这些参数通过某种模型进行权重分配，得到一个结果。根据常规分析，正常购物行为对应的参数模式是怎样的，应该以何种商品为基础，在参数变化时对应哪些产品。这就形成了一个基础模型。在此基础上，我们得到一组经验值，即某些参数的权重是多少。只要大致了解哪些参数的比重较大，就可以有针对性地增加这些参数的权重。

增加权重的方式可以通过人工点击、添加购物等行为来实现。如果你的软件足够优秀，可以模拟人工发出请求，让平台服务器认为这些行为是正常的，如浏览行为和购买行为。当这些行为积累到一定程度时，在相同的权重下，产品的排名就会上升。

如果基础模型被人以尝试的方式检测出哪些是主要参数，那么就更容易提升排名。再复杂的模型，也可以通过一些简单的线性组合进行模拟。这就是整个排名机制的解读。