背景－商城APP端的场景特征

1.碎片化

购物的顺畅感＝>界面布局、展示的合理性

商品推荐的准确、实时＝>商品推荐算法

商品家搜索关键词的精确触达＝>SEO优化

2、聚焦感

主题、调性、场景的合理设置＝>打造小店的自有品牌特征

3、个性化

商品呈现、基础体验、页面风格＝>创造与众不同的商品风格

4、场景化

线上线下打通＝>增强用户粘性

内容、功能、社交＝>导流引客

流量诊断分析

1、来源

      自主访问、商场免费流量、付费、站外引流

2、分析

      稳定性：  流量趋势的变化（月、周、日），浏览量、访客数、访问次数等

      合理性：流量分布、流量的来源、类目的流量占比、是否有异常值等

      成长性：访问深度、停留时间、跳失率、周留存访问等

搜索排序权重分析

1、规则类型：

                       索引规则、召回规则、排序规则、展示规则

2、综合排序的权重模型：

                         相关性：文本、类目的关键词与访客搜索关键词的相关程度（BM25算法和空间向量模型.）

                         人气模型－－商品人气（销售额、销售量、转化率、评论得分（评论数、评论率、差评率）、加购率、关注数、详情页访问深度等指标）

                                       －－店铺人气（销售额、销售量、UV、SKU关注数、店铺关注人数、客单价、客户回头率、PV）

                         搜索反馈：猜测是搜索以后对搜索结果的点击率及点击次数等指标

                         价格模型：猜测是与价格范围、价格合理性、价格趋势、价格分布等相关指标

                         新品模型：猜测是新品关键词的总商品数量、新品搜索次数、新品访问深度等相关

                         季节模型：商品及类型的当季销售指标、占比

                         品牌模型：品牌商品的销售额、销售量、转化率、品牌占有率、品牌美誉度等

                         个性化搜索：与热门词的相关性、个性化词与商品的匹配性等（主题相关度）

                         宏观调控：一个商铺可获得的坑位数、所获得坑位数的距离

人气模型计算公式猜想：

假设人气分有3个决定性因素, 1.下单数, 2. 评论得分 3.转化率

静态分我们使用Tsocre表示, Tscore可以写成如下形式:

Tscore = a * f(下单数) + b * g(好评率) + c * h(转化率)

a,b,c是权重参数, 用于平衡各个指标的影响程度. f,g,h是代表函数用于把原始的指标转化成合理的度量.

合理的代表函数：

首先对各个指标取log，log的导数是一个减函数, 表示为了获得更好的分数需要花费越来越多的代价.

标准化度量. 标准化的目的让各个度量可以在同一区间内进行比较. 比如下单数的取值是0~10000, 而好评率的取值为0~1. 这种情况会影响到数据分析的结果和方便性, 为了消除指标之间的量纲的影响, 需要进行数据标准化处理, 以解决数据指标之间的可比性.最常用的标准化方法是z-score标准化方法.

总分＝相关性分数*人气指数+..+宏观调控

优化步骤

1、关键词的采集

            平台前端页采集、用户评论热点需求采集、市场细分采集、数据罗盘行业热词采集、长尾热门相关词采集

2、关键词采集原则

            搜索次数高：访客对于购买商品的需求高

            关键词转化率：成交人数/搜索人数

            搜索人数、 点击次数、占击率、成交订单数

           季节性关键词：与上期同期搜索次数相比的增长率高

3、关键词筛选原则

           关键词竞争系数（关键词的商品数量/关键词搜索量）最小

           单品位竞争个数（关键词下商品数/首页坑位数）最小

           价格区间相相符

优化策略总结

          充分利用长尾的热门关键词及季节性关键词增加曝光量

          优化竞争系数小和单品竞争个数小的关键词

          将转化率作为迭代优化