《跨境电商——速卖通搜索排名规则解析与SEO技术》一一1.1 初识速卖通的搜索引擎

简介:

本节书摘来自异步社区出版社《跨境电商——速卖通搜索排名规则解析与SEO技术》一书中的第1章,第1.1节,作者: 冯晓宁,更多章节内容可以访问云栖社区“异步社区”公众号查看。

1.1 初识速卖通的搜索引擎

1.1.1 初识速卖通搜索

作为速卖通卖家都应该知道,速卖通经常被视为“国际版的淘宝”。那么请想一下,普通消费者在淘宝网上购买商品的时候,他的行为应该是什么样的呢?

可以肯定的是,无论从哪个入口进入商品的详情页,所有的消费者都会在淘宝界面的搜索框内输入想要采购的商品的关键字(词)进行搜索,然后在搜索出来的结果中进行选择、比较,最后确定购买与否以及购买哪个商品。同样,在速卖通上,面对着成百上千万种商品,国外买家如何能够快速找到自己所需要的商品?速卖通也提供了搜索功能来帮助他们遴选自己所需要的商品。

我们这里模拟一个简单的搜索过程。假如一个国外买家想购买“necklace”(项链),他将关键词“necklace”输入搜索框进行搜索后,结果有两种展示方式。

第一种展示方式为“Gallery”,如图1-1所示。默认情况下,官方解释展示40个结果,但是实际上我们发现有时展示44个,也可能展示48个;也有时第一页展示44个结果,第二页展示48个结果。

image

第二种展示方式为“List”,如图1-2所示。默认情况下这种方式每行展示一个结果。

两种搜索结果展示方式除了搜索结果展示形式不同以外,其他内容基本相同。其中,左侧为“necklace”所在的相关类目、与之有关的属性以及最近浏览记录等,买家可以通过选择点击左侧的相关类目和属性,以及进一步筛选控制条件来影响搜索结果(相关内容将在后面的章节中详细介绍)。
image

主体部分上端为相关搜索词提示、搜索结果数量,还可以通过这里的价格区域(Price)、商品发货所到国家(Ship to)、是否免运费(Free Shipping)、按好评率(Top Rated)以及是否促销(Sale Items)等对搜索结果进行进一步筛选,符合条件结果的将被展示,不符合条件的结果将被剔除。

再下面是按照最佳匹配(Best Match)、订单数量(Orders)、最新发布(Newest)、卖家等级(Seller rating)、价格(Price)等标准对搜索结果排序(如图1-3所示),一般默认的是按照最佳匹配(Best Match)进行排image

在搜索结果的右上角是image分别代表按“List”和“Gallery”方式进行展示。默认情况下,一般是按照“Gallery”方式展示。

需要注意的是,搜索结果中有些是“直通车”的广告位,如果结果数量为48个的话,则广告位置如图1-4所示,具体如下所示。

① 速卖通搜索页第一页第12、20、28、36、44位为“中国好卖家专区”推广位。

② 速卖通搜索页第二页起的第8、16、24、32、40、48位为主搜推广区。

③ 每页搜索结果下方为底部推广区,有4个智能推荐位。

当搜索结果出来后,买家就可以根据商品标题、主图、价格等信息有选择地点击,进入商品详情页进行浏览,进行斟酌比较后确定是否购买。

image

1.1.2 初识速卖通的搜索引擎

对于这种“输入关键词、搜索、选择、比较、购买决策”的过程,大多数买家非常熟悉,但是却有很少人明白搜索的原理。对于卖家而言,大部分卖家都知道利用搜索吸引流量的重要性,但是却不了解搜索的过程,更不能利用搜索的原理来获取流量。

因此在这里,我们简单介绍一下速卖通的搜索引擎(如同百度、谷歌、搜狗等一样,我们也可以将其称为“速卖通(站内)搜索引擎”)的工作原理,如图1-5所示。

首先,速卖通搜索引擎会为其站内所有的商品建立一个数据库,数据库中包含商品的相关信息,比如关键词、价格、上架时间、订单数量等。

其次,速卖通搜索引擎会为所有商品建立一个索引,索引会根据一定的规则来进行编排。

之后,买家通过每页的搜索框,输入关键词进行搜索。

最后,速卖通搜索引擎根据关键词的要求,对数据库索引进行查询,根据相关规则反馈搜索结果。搜索结果会根据特定的规则进行排序并输出。

image

在这个过程当中,涉及非常复杂的计算机信息技术,包括页面抓取技术、分词技术、检索技术、关键词统计、分析、关联技术、处理返回索引技术、优化索引技术,等等。作为普通的卖家或是买家,完全了解这些技术是不可能的,也没有太大的必要,所以我们只需要知道搜索引擎大概的运行机理即可。

1.1.3 速卖通搜索排序机制的基本原理

前面我们已经简单介绍了速卖通搜索引擎的基本工作过程,其中一个重要的环节就是将搜索结果进行排序。那么,面对成千上万的商品,速卖通是如何排序的呢?简单来讲,我们可以把排序的过程看成是一个对商品打分的过程,得到100分的商品排名第一,99分的排名第二,以此类推,这样就可以将商品的排名确定下来了,如图1-6所示。

那么速卖通是如何对商品进行打分的呢?实际上,速卖通根据影响商品排序的相关因素进行打分。影响商品得分的因素有很多,包括商品标题、属性、价格、图片、描述、商家服务能力,等等,每一项因素的权重都不同,而且会发生变化。速卖通将所有商品的相关因素综合打分后,根据分值高低,将商品按顺序展示在买家面前。

image

当然,所谓的分值都是相对的,即排序结果是所有商品比较后的顺序,也就是说即使你的商品未做任何变动,其他卖家对其商品或店铺进行管理,也会影响你的商品的排名。比如如果别的卖家优化其商品,则你的商品排名可能会靠后。当然如果其优化不成功,则你的商品排名反过来有可能提前。

你可能理所当然地会想到,如果我们知道速卖通的排序机制,那么我们就可以有针对性地优化(SEO),从而提高商品排名了。但是问题的关键在于,我们并不知道速卖通将哪些因素计入打分体系,以及每种因素的权重是多少。因为排序的具体算法是绝对保密的,否则一些不良商家将会利用这个机制做出不符合平台利益的事情。

但是,通过观察和经验的积累,我们还是大体上能够知道哪些因素可能会影响商品排序,以及哪些因素可能相对更重要一些(或者说权重更大一些)。这也是本书存在的基础和意义所在。

相关文章
|
8月前
|
Web App开发 数据采集 开发者
某查”平台请求头反爬技术解析与应对
某查”平台请求头反爬技术解析与应对
|
7月前
|
传感器 人工智能 物联网
穿戴科技新风尚:智能服装设计与技术全解析
穿戴科技新风尚:智能服装设计与技术全解析
546 85
|
7月前
|
人工智能 API 语音技术
HarmonyOS Next~鸿蒙AI功能开发:Core Speech Kit与Core Vision Kit的技术解析与实践
本文深入解析鸿蒙操作系统(HarmonyOS)中的Core Speech Kit与Core Vision Kit,探讨其在AI功能开发中的核心能力与实践方法。Core Speech Kit聚焦语音交互,提供语音识别、合成等功能,支持多场景应用;Core Vision Kit专注视觉处理,涵盖人脸检测、OCR等技术。文章还分析了两者的协同应用及生态发展趋势,展望未来AI技术与鸿蒙系统结合带来的智能交互新阶段。
386 31
|
7月前
|
机器学习/深度学习 缓存 自然语言处理
深入解析Tiktokenizer:大语言模型中核心分词技术的原理与架构
Tiktokenizer 是一款现代分词工具,旨在高效、智能地将文本转换为机器可处理的离散单元(token)。它不仅超越了传统的空格分割和正则表达式匹配方法,还结合了上下文感知能力,适应复杂语言结构。Tiktokenizer 的核心特性包括自适应 token 分割、高效编码能力和出色的可扩展性,使其适用于从聊天机器人到大规模文本分析等多种应用场景。通过模块化设计,Tiktokenizer 确保了代码的可重用性和维护性,并在分词精度、处理效率和灵活性方面表现出色。此外,它支持多语言处理、表情符号识别和领域特定文本处理,能够应对各种复杂的文本输入需求。
839 6
深入解析Tiktokenizer:大语言模型中核心分词技术的原理与架构
|
7月前
|
编解码 监控 网络协议
RTSP协议规范与SmartMediaKit播放器技术解析
RTSP协议是实时流媒体传输的重要规范,大牛直播SDK的rtsp播放器基于此构建,具备跨平台支持、超低延迟(100-300ms)、多实例播放、高效资源利用、音视频同步等优势。它广泛应用于安防监控、远程教学等领域,提供实时录像、快照等功能,优化网络传输与解码效率,并通过事件回调机制保障稳定性。作为高性能解决方案,它推动了实时流媒体技术的发展。
356 5
|
7月前
|
数据采集 机器学习/深度学习 存储
可穿戴设备如何重塑医疗健康:技术解析与应用实战
可穿戴设备如何重塑医疗健康:技术解析与应用实战
235 4
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术如何重塑客服系统?解析合力亿捷AI智能客服系统实践案例
本文探讨了人工智能技术在客服系统中的应用,涵盖技术架构、关键技术和优化策略。通过感知层、认知层、决策层和执行层的协同工作,结合自然语言处理、知识库构建和多模态交互技术,合力亿捷客服系统实现了智能化服务。文章还提出了用户体验优化、服务质量提升和系统性能改进的方法,并展望了未来发展方向,强调其在客户服务领域的核心价值与潜力。
328 6
|
7月前
|
编解码 人工智能 并行计算
基于 Megatron 的多模态大模型训练加速技术解析
Pai-Megatron-Patch 是一款由阿里云人工智能平台PAI 研发的围绕英伟达 Megatron 的大模型训练配套工具,旨在帮助开发者快速上手大模型,打通大模型相关的高效分布式训练、有监督指令微调、下游任务评估等大模型开发链路。本文以 Qwen2-VL 为例,从易用性和训练性能优化两个方面介绍基于 Megatron 构建的 Pai-Megatron-Patch 多模态大模型训练的关键技术
|
7月前
|
监控 负载均衡 安全
静态IP代理与动态IP代理:提升速度与保障隐私的技术解析
本文探讨了静态IP代理和动态IP代理的特性和应用场景。静态IP代理通过高质量服务提供商、网络设置优化、定期更换IP与负载均衡及性能监控提升网络访问速度;动态IP代理则通过隐藏真实IP、增强安全性、绕过封锁和提供独立IP保障用户隐私。结合实际案例与代码示例,展示了两者在不同场景下的优势,帮助用户根据需求选择合适的代理服务以实现高效、安全的网络访问。
216 1
|
7月前
|
机器学习/深度学习 数据采集 自然语言处理
基于Python的情感分析与情绪识别技术深度解析
本文探讨了基于Python的情感分析与情绪识别技术,涵盖基础概念、实现方法及工业应用。文中区分了情感分析与情绪识别的核心差异,阐述了从词典法到深度学习的技术演进,并通过具体代码展示了Transformers架构在细粒度情感分析中的应用,以及多模态情绪识别框架的设计。此外,还介绍了电商评论分析系统的构建与优化策略,包括领域自适应训练和集成学习等方法。未来,随着深度学习和多模态数据的发展,该技术将更加智能与精准。
390 1

热门文章

最新文章

推荐镜像

更多
  • DNS