唯品会关键词搜索接口:突出商品热点

简介: “突出商品热点”需要你来计算:用官方的 weight 推荐值、出单爆款频道以及跨期对比,组合出热点分。

“突出商品热点”需要你来计算:用官方的 weight 推荐值、出单爆款频道以及跨期对比,组合出热点分。

企业微信截图_1792379215509.png

一、接口清单(官方)
服务名:com.vip.adp.api.open.service.UnionGoodsService(1.0.0)

与 UnionGoodsV2Service(2.0.0),网关 https://vop.vip.com/apicenter。

方法 版本 用途 对“热点”的价值
query 1.0.0 关键词查商品(渠道商) 可指定排序,但不支持销量排序
queryWithOauth 1.0.0、2.0.0 关键词查商品(需 oauth) 主力:2.0.0 会额外返回 weight 推荐值和个性化排序
goodsList或goodsListV2WithOauth — 在推商品列表,sourceType=0 时包含超高佣、出单爆款两个频道 官方现成的热货池
getGoodsDetailMarketingWithOauth 2.0.0 单商品详情、精准到手价、活动、未来价 判断“真降价”还是“假促销”
similarRecommendWithOauth、userRecommendWithOauth 2.0.0 相似推荐、猜你喜欢 热门聚合验证

queryWithOauth 2.0.0 的官方说明写得很直白:传入排序字段时,会为每个商品打上 weight(0–100),值越大,推广优先级越高。这是唯品会唯一公开的“热度型”字段,也是你排序的主要依据。
二、必须注意的关键问题:不传 openId 会让“热点”失真
2025 年 5 月 23 日起,联盟搜索接口做了权限升级:

传入正确的 openId → 全量商品池 + 个性化排序 + 营销信息
未传 openId、传 default_open_id、或用搜索批量拉取商品 → 只返回约 10% 的基础商品池,且没有个性化排序,也没有营销信息
这意味着:如果你用默认 openId 批量拉取关键词,算出来的“热榜”只是那一成样本里的排序,这个结论不可靠。要做热点分析,必须先走完 SDK 授权流程,拿到真实的 openId。这是整件事的前提,比选择排序字段重要得多。
三、热点分怎么算
接口不提供销量,因此热度需要由三类信号合成:

官方推荐值weight:直接使用,并归一化到 0–1
排名升幅:每天在同一关键词下抓取一次,计算同一 goodsId 的排名变化;连续 3 天上升的才是真正的热点,单次排名高很可能只是自然排序的抖动
促销力度:折扣率(vipPrice/marketPrice)、券、唯品快抢等活动标识;强促销通常驱动爆发
hot = 0.4 * norm(weight)

+ 0.3 * norm(rank_yesterday - rank_today)
+ 0.2 * norm(discount)
+ 0.1 * norm(跨关键词出现次数)

最后一项容易被忽略,但很好用:同一个 goodsId 在“连衣裙”“显瘦”“夏季”等多个词下都排进前 20,说明它是站内正在被推的爆款,而不是某个词的自然结果。
四、调用骨架
签名规则是 VOP 通用的:把所有参数按 key 升序排列,逐个拼接 key+value,前后各拼上 appSecret,再做 MD5 并转成大写。

import hashlib, time, requests

GATEWAY = "https://vop.vip.com/apicenter"

def sign(params: dict, secret: str) -> str:
raw = "".join(f"{k}{params[k]}" for k in sorted(params))
return hashlib.md5(f"{secret}{raw}{secret}".encode()).hexdigest().upper()

def call(method, biz, app_key, secret, version="2.0.0", token=None):
p = {
"service": "com.vip.adp.api.open.service.UnionGoodsV2Service",
"method": method, "version": version,
"timestamp": str(int(time.time())),
"format": "json", "appKey": app_key,
"request": biz, # JSON 字符串
}
if token: p["accessToken"] = token
p["sign"] = sign(p, secret)
r = requests.post(GATEWAY, data=p, timeout=10)
return r.json()

关键词搜索:keyword / page / pageSize / 排序与 openId 放在 request 内

封装好API demo url=o0b.cn/ibrad

resp = call("queryWithOauth",
'{"keyword":"连衣裙","page":1,"pageSize":50,"openId":"<授权用户openId>"}',
APP_KEY, APP_SECRET, token=ACCESS_TOKEN)

request 里排序字段、价格区间、类目过滤的具体枚举值,请以 http://vop.vip.com 接口页 的在线测试工具为准;各版本的字段名有过调整,从旧文档抄写容易报 1000 参数非法。
频控方面,query* 默认 600 次/30 秒,getByGoodsIds 是 1000 次/30 秒;超限返回 1008,需要做指数退避。

相关文章
|
5天前
|
云安全 人工智能 运维
当攻击全面Agent化,你的安全防御能否跟上AI Speed?
多起客户侧AK泄露事件应急的真实观察
1242 4
|
28天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
9791 32
|
8天前
|
存储 人工智能 安全
千问办公官网入口网页版登录:qwenwork.cn 注册送2000积分、登录送100积分
阿里云千问办公(QwenWork)是AI智能工作平台,支持一句话生成PPT、表格、网页、视频及数据分析。个人免费版送2000积分+每日登录赠100分,含1GB存储、5个发布页;企业版198元/席/月起。阿里千问办公QwenWork官网:https://t.aliyun.com/U/0VCTGt 阿里AI工作平台,一句话完成数据分析、PPT 生成、视频剪辑、网页搭建等复杂任务
|
3天前
|
人工智能 API 开发工具
DeepSeek Harness 神插件:白嫖 13 家大厂模型
`dsh-our-free-model` 是 DeepSeek Harness 神级插件:零配置、零API Key、零账号,聚合13家大厂免费模型(含DeepSeek V4.1 Flash、Kimi K3等),支持本地网关、用量看板与自动降级,真正实现“白嫖即用”。
|
14天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
5天前
|
Web App开发 人工智能 JavaScript
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
REA(Reverse Engineer Anything)是近期爆火的开源AI逆向工具,4月发布,1个月内斩获15万+ Star。它让AI Agent无需源码即可分析二进制、APK、JS/Electron、HAR包等17类目标,自动反编译、生成可运行代码,并强制返回带证据与局限的结论。全本地执行,MIT协议,支持Hopper/Ghidra/IDA等引擎,一行命令即可上手。
628 1
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
|
13天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
933 1
|
9天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型全解析:核心原理拆解,性能实战测评与落地部署教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为System One Model(系统一模型),对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
593 0