选品需要迎合算法吗？但很多人对算法的理解实际是片面的（二）

各位卖家朋友们大家好，上一篇文章我们聊到了电商平台作为交易撮合方，在处理如何把人与货匹配起来时采用的方法都是数据化。就是把具像化的产品转化成计算机能识别的语言，也就是数据结构。

本篇文章我们接着深入的聊，看看商品数据都包含哪些细节，以及平台是如何让好产品脱颖而出的。

第一部分：电商平台的三种数据。

上一篇文章我们讲了，电商平台都需要建模与处理二大类的数据：商品数据与用户数据，然后做它们之间的匹配。但实际还有一个数据我没讲，就是电商平台本身的业务数据，所以做个分类就是下面三种数据:

由于用户数据与平台业务数据是电商平台内部的运营们在处理，跟我们卖家关系不大，实际上平台也不太会把这些数据开放给卖家，所以我们重点聊聊商品数据的二个维度。

A;商品基础数据：这个应该比较好理解，就是用于描述产品本身的关键词 参数 分类等，我们做listing发布时需要填写的信息。

这些数据包含：产品的名称，颜色 功能 功率 型号 大小 外观 材质 品牌 图片 定价 类目等等，用以准确描述这个产品的数据都统称产品的基础数据。

B:商品表现数据：用以表述产品市场反馈的数据，都是商品表现数据，

这些数据包含：大家常说的点击率 转化率 销售额等等。

然后“表现”是个动词，因此我们需要再引入时间这个维度到商品表现数据里，所以不同的时间段，产品的表现数据是不一样的。

B.1:新品期

商品表现数据：关键词 图片 定价 点击率 转化率 销量等。

常见运营手法：1.做好图片，产品描述，A+页面等基础工作。2.通过朋友或者vine快速获取10个左右的产品reviews，且都在4星以上。3.启动广告引流。

供应链要求：产品质量要过关，尤其计划通过vine获取reviews的产品发货前要逐个做质检。

决定因素：产品有某一方面的独家优势，可以是定价，独家卖点或者有差异化，最好是兼具。

加权：对于数据表现特别好的产品，亚马逊有”New Release NO.1”这种平台给产品加权的标签，可以有效提升转化率。

B.2: 成长期

商品表现数据：listing评分 退货率 复购率 畅销SKU缺货率等。

常见运营手法：1.为listing上QA，2.上产品开箱视频等提升转化率的操作。3.分析优化后台各项数据包含广告 转化率等等。

供应链要求：确保畅销SKU不断货，有些卖家可能会考虑为listing新增SKU，可以是产品的pro版，用以增加listing利润。

决定因素：产品质量稳定能确保listing评分高于行业平均，畅销SKU不断货能稳住listing销量与类目排名。

加权：可能会有“amazon choice”这种平台加权的标签，实际只要能稳住排名，稳住平台的免费流量就是加权。

B.3:成熟期

商品表现数据：可能会有best seller等平台加权标签。

常见运营手法：1.优化与降低广告成本。2.思考产品升级迭代方案。

供应链要求：梳理好产品供应链是此阶段老板工作的核心，确保交货期与产品质量稳定。

决定因素：供应链稳定，现金流健康，这2个要素特别重要。

加权：可能会有“best seller”这种标签，但概率很小，毕竟它只有一个，能稳定住自己预期的排名即可。

第二部分：商品数据结构的消费者视角。

商品数据我们通过基础数据与表现数据做分类后，实际也可以切换到“消费者”视角来理解产品数据，因为是消费者视角，所以通常叫“产品标签”。我的理解是“产品标签”有二个维度：一个是产品基础标签，二是平台辅助消费者做购买决策的市场反馈标签。

产品基础标签：

1. 售价

2.   产品类目 产品关键词 功能 颜色 型号 功率 大小等关键词。

3.      图片  卖点描述

协助消费者做购买决策的标签：

1.      产品评分

2.      reviews内容  QA等。

3.      产品new release NO.1   best seller  amazon choice 等平台标签。

4.      产品BSR排名标签。

由于消费者视角的商品数据不能反应产品的部分表现数据，所以建议卖家朋友们从“商品基础数据与表现数据”来理解会更加严谨。

第三部分：商品数据化处理的利弊，及衍生出来的问题。

平台制定的这些商品量化指标能客观反应一个产品的好坏吗？

我的答案是不管电商平台的用的“商品数据结构”多么逻辑自洽，都没办法客观反应一个产品的好坏，但是以目前的技术水平又找不到更好的替代方案，人毕竟是高级动物可以调动五感来感知一个产品，而机器判断一个产品只能通过具体指标的数据和最大公约数，让正反馈高的产品慢慢脱颖而出。所以电商平台的机制，你说它是赛马制或者科举制都行，不客观但是却有效。就像高考实际是对一个人的量化，它不能反映人品好坏，脾气性格好坏，但是社会运转法则如此。

我们可以再延伸一个思考，为什么电商会有刷单，实际就是因为在数字化的电商场景中它不对但是它有用。

因此关于文章标题里的疑问“选品需要迎合算法吗”，我的答案是选品肯定要迎合算法。

如果你有疑问，看完这2个问题，你可能就会同意我的观点了：

1.      材质差异与外观差异，哪个更讨巧？

我的答案是外观差异化明显的产品更容易在电商这种购物场景中跑出更好的商品表现数据。除非这个产品的材质差异能同时带来外观上的差异，比如我在“亚马逊选品十步走之第5步—如何做产品差异化“里提到的产品案例“透明小蛮腰花洒”。

2.      质量做到65分价格便宜与质量做到90分价格更高的产品，哪个更讨巧？

我的答案是其他要素相同的情况下质量65分但价格便宜的产品，更容易在电商的购物场景中跑出更好的商品表现数据。

我经常会跟做工厂或做B2B的朋友们聊天，大家都会抱怨电商把产品做死了，无休止的内卷与价格战，实际就是大家都在迎合电商平台的底层逻辑做产品。所以只要产品好坏的标准还是基于数据量化做判断，那这种情况就永远也避免不了，但有一种情况除外，就是品牌有消费者认知的卖家。

作2个说明：以上两个问题的观点都接受反驳，有不同看法的朋友欢迎私信讨论。然后我在文章前半部分聊的“商品表现数据”里关于产品的新品期，成长期，成熟期，这么划分并不一定严谨，只是为了方便大家理解不同阶段产品的表现数据是不同的，也是在提醒卖家朋友们做运营时阶段目标要合理，一个上架6个月的listing想做成best seller实际是好高骛远。

未完待续。整篇文章写下来修改加排版发现有7000多字了，一次性发出来大家也不一定有耐心看完，所以选择了这种分系列发布的方式。接下来的第3篇，我们聊聊在电商平台这种对商品做“数据结构”处理的方式，我们的该采用什么样的选品与产品设计策略。

最后，我做了一张“电商平台人货匹配逻辑”的图，有兴趣的朋友可以私信索要。

卡卡孔庆黎

讲我懂的，讲大家能听懂的。