做了这么久淘宝，你竟然还不了解权重的意义？

淘宝女装小卖家

作为淘宝商家，权重一词你一定不陌生，我们经常会听说到刷单降权、改标题降权、改主图降权等等，那到底什么是权重呢？

我们先回想一下买家在淘宝下单都会进行什么操作。

1我突然想剁手；

2我打开了淘宝；

3我搜索一下我想要的商品关键词；

4上上下下左左右右BABA；

6找到了感兴趣的商品，点进去；

7这个商品看着不错先加购

8那个商品也不错也收藏对比前者；

7选择并确认所购商品

8下单支付；

9等待收货；

10确认收货；

11评价晒图……

同样的，淘宝平台也会将买家的行为记录为数据，截止目前，生意参谋统计的数据指标共1960个

我们常说的权重其实是搜索排序的决策因子。

客服、打包、售后等工作相对都好解决，让大家觉得困难的在于获取流量，若有无穷无尽的流量，那么只需坐地数钱就好，想想都美滋滋。要想在平台内获取大量流量，就需要一个好的排名，而好的排名则离不开较高的权重。

宝贝的排序方式：综合排序、销量排序、信用排序、价格排序

我们主要说说综合与销量排序，后两者暂且不表。

销量排序只考察一个数据指标——确认收货人数，具体的定义是：

统计产品最近30天交易成功的数量，去除重复购买，去除退货退款，去除不计算销量活动，汇总进行计算。

综合排序算法淘宝未公开但也是有迹可寻。综合搜索主要考察以下几个方面：

1、类目：解决的是能不能搜到的问题，只要在销量排名下产品在关键词下可搜索到就说明没问题了。

2、商品人气数据和搜索反馈数据等：解决的是搜出来谁先谁后的问题，通过多数据维度综合加权计算得出，如产品模型、店铺模型、服务模型、物流模型、内容模型等。

3、作弊稽查模型：解决的是作弊商品过滤的问题。

如果说销量排名只是考察一个学生的考试分数，那么综合排序就好像是除了考试分数外还要考察这个学生日常课堂的表现、迟到早退、平时测验分数等等。

如果有条件的话，优化每一个数据指标，全面系统地提升整体的竞争力，肯定是更好的，当然这也需要更多的人力物力资源。

如果条件不允许，作为中小卖家就把更多精力聚焦到销量排序这一个维度上来，运营只需要盯住销量一个数据指标，其他的数据捎带着做，一样可以取得不错的效果。换句话说，如果电商运营只能做一件事，那就是紧紧盯住销量数据。之所以这么做是因为销量排序简单粗暴，我们的高考就可以理解为销量排序，只考察高考总分一个数据。换句话说只要能考过录取线，至于写不写作业、去不去上课都不作为录取依据，唯以高考总分论英雄。

电商平台以购物为主，一切围绕产品展开，我们以产品相关的数据为中心来分析。

淘宝平台排名机制动态运行的4个节点：

1.展现/曝光：产品出现在消费者面前，如搜索结果页、活动页。

2.访问/浏览：买家一次或多次浏览店铺、产品、评价等页面，由展现变成流量。

3.转化/互动/交流：买家对感兴趣的产品收藏、加购、咨询、下单、支付等，由流量变成订单。

4.成交/评价：付款后直至最终确认收货，退换货、晒图评价等。

这4个方向就是买家在整个购物流程中的关键节点。

我们以1为起点，产品曝光在买家面前，如果买家产生了兴趣，就会到达第二个阶段：

点击访问、浏览产品的主图、详情、查看评价等；

如果买家对产品比较认可，就会收藏、加购、下单付款，此时完成第三个阶段；

卖家发货，快递送货，买家签收，如买家满意会确认收货或自动打款，此时你会收到买家支付金额，完成交易的全流程，也就是完成了第四个阶段。

然后平台根据2、3、4这三个阶段买家的数据反馈，来决定1，即产品展现的位置，于是开始一轮新的循环周期，这就是淘宝搜索的业务逻辑。

在这个循环过程中，由于每个产品的数据表现不尽相同，因此有的产品扶摇直上，有的产品掉头直下。

运营的核心：控制数据

数据决定了产品的生死，那么如何影响数据呢？数据又该如何经营呢？

数据是由买家的行为产生的，所以我们应当通过引导买家的行为来影响数据的增长。比如我们要收藏加购数据，会加上一句收藏加购不迷路；我们要点击率数据，会优化产品主图，吸引买家的点击；我们要晒图评价数据，会好评晒图返现。。。。

问题是：这些数据需要达到多少？

我们先来问一个问题：

身高180cm高吗？房子180㎡大吗？长度180mm长吗？滑稽

对于这个问题大家可能都有自己不同的回答，可能你觉得180很长啦。。。

实则，高与不高、大与不大、长与不长是相对来说的，

相比于身高150的妹子来说，180身高相当于巨人了，但站到姚明面前，同样是180这个人却瞬间变成了“妹子”；相比租住次卧的北漂青年来说，180平米已经很大了，但对于王思聪来说，180平米，，，，？

长度问题在此不表。

某个产品月销1000件，这是销量高的产品吗？

与同行月销5000件比，高吗？与月销300件比，高吗？

当只有一个事物独立存在时，他并不存在好坏之说，好与坏都是相对的，都是来自比较的结果。

所有的数据指标优秀与否，并没有一组固定不变的参考值，比如是1000或是300。在淘宝平台内，作为比较系，是取同行业的平均值作为参考值，每个细分行业都会有不同行业的特点，每个行业的标准也都来自这个行业的表现，因此相对公正、客观。

淘宝的数据参考值有两个，一个是行业同层平均，另一个是行业同层优秀。同层优秀是指行业top 10%的平均值，假设如果总共有1000人的话，就是前100名成绩的平均值；同层平均是指行业top 40%的平均值，假设如果总共有1000人的话，就是指前400名成绩的平均值。

同层级是指平台根据店铺的销售额体量，划分了1-7共7个层级，跟王者荣耀一样，划定黄金白银等段位，白银对白银、黄金对黄金，我们匹配的都是接近段位的，当然我们店铺也都是相近销售额体量，相同层级的竞争对手。无论行业大盘如何波动，同层级的商家都是相似的起点，就看同样环境下谁跑的更快、谁跑的更稳。

比如，虽然产品数据每日飙升，但飙升速度小于行业均值速度，那么逆水行舟不进则退，当以行业均值作为水平线时，那就是在走下坡路了。

算法的目的就是为了排出高低，好与不好，数据说了算，数据是增还是减，买家说了算。数据其实是千万个买家共同决策的结果，而数据的高低又决定了排名的先后。

平台通过权重算法，让越来越多的人不断的反复验证——是骡子是马拉出来溜溜。真金不怕火炼，群众的眼睛是雪亮的，真正优秀的产品也一定会被挖掘出来，帖子也好，产品也好，他们优秀与否，时间会给出答案。

提要：

电商平台通过采集用户的数据并且设计加权算法计算出产品的权重分，然后对不同权重分的产品给予不同的曝光量。

采集的用户的数据是用户真实意愿的体现——用户对认可的产品产生互动行为，因而这些产品的数据+1。

众多产品拿着用户投票产生的数据去加权算法那里兑换成通用货币，然后根据通用货币的多少排长队。

当有用户再来时，平台优先推荐排在队伍前列的产品，被推荐的产品跟用户又一次产生了互动，又一次得到了数据，又一次兑换通用货币，又一次调整排队的位置，然后，继续等待下一次用户前来。。如此循环往复、周而复始。

加权算法在整个过程中扮演了兑换通用货币的角色，他的存在是为了解决优秀产品的挖掘与推荐的问题，所以，这就是“权重”了。