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（一）

图片来源：图虫创意

看到很多做亚马逊的卖家朋友们在推listing排名的时候，都会聊到亚马逊A9算法，现在据说升级到A13算法了，但不管是A几算法，实际大部分卖家朋友对算法的理解都是不完整的，本人之前在国内的电商公司阿里呆过几年，对编程与算法有一些了解，所以想借本篇文章聊聊到底什么是算法，以及我们做运营具体在做哪些指标。

第一：到底什么是算法，以及我们对亚马逊A9算法的误解。

我以大家都熟悉的查字典为例来聊聊算法及大家对算法的误解吧。如何快速的找到你要查的字这个操作步骤其实就是算法，这个也是我们人生最早接触到的搜索算法。大家可以回想一下我们上小学的时候是如何查字典的，一般是二种方法，拼音查字法和偏旁查字法。但在真正开始用字典之前，我们已经有了拼音和偏旁的知识积累，如果不懂拼音和偏旁就不会查字典。而我们所学的拼音和偏旁就是一个字的数据结构，所以讲算法的第一步要先了解“数据结构”概念。

数据结构：是指相互之间存在着一种或多种关系的数据元素的集合和该集合中数据元素之间的关系组成，常用的数据结构有：数组，栈，链表，队列，树，图，堆，散列表等。这个说法比较枯燥，我们举例说明一下什么是数据结构。比如拼音查字法的“cai”我们需要先在字典里找到C开头的字从哪一页开始，然后找韵母“ai”在后面的哪一页，找到之后再根据声调，最后找到我们想要的“菜”在字典的哪一页，这个查字的过程是算法。而菜这个字由“声母C+韵母ai+声调“3个元素组成就是“菜”字的数据结构。再讲一个例子图书管理系统，一个图片馆有10万本书，如何快速的找到你想要的书是算法，而针对这些书设计与布局书架就是数据结构。一本书它可能有科幻+悬疑+言情“等标签组成的数据结构，放在几区几号书架的几层。最后把书和书架的数据录入到图书馆的数据库，想要找某一本书时，只要按分类进行查找，很快就能找到相要的书。

在理解了数据结构与算法后，我们来看一下他们的区别。

算法：解决一个问题而采用的方法，一系列解决问题的清晰指令。

区别：算法跟数据结构是二个不同的概念，它们的区别是，数据结构用于存储数据，而算法用于处理和分析数据。

讲一个编程里的大家经常听到的算法“if语句”，这个算法表达的意思就是如果某些条件成立，执行某些结果。比如算法的指令是找符合“惊悚+言情+武侠”条件的小说，则符合这些条件的小说会展示出来。

当我们理解了算法与数据结构的关系与区别后，我找了一些网上对亚马逊A9算法比较靠谱的描述。

亚马逊listing排序的几个原则：

1. 亚马逊所有事物的首要原则就是最大化买家收益（RPC）

2. 亚马逊追踪买家在亚马逊的每一个行为

3. A9算法是将#2(亚马逊追踪买家在亚马逊的每一个行为)的数据追踪指向#1（最大化买家收益）的首要指标

简单提练一下就是，亚马逊会追踪买家行为，形成用户行为数据，然后把符合“买家收益最大化”原则的商品优先展示给买家。

重点来了！

亚马逊并没有告诉我们，他到底用了哪种算法，哪些函数来处理数据。只是告诉了大家，符合哪些数据标准的listing可以排名靠前。所以对所有卖家来说，我们需要关注的其实并不是亚马逊具体用哪种函数或者数学公式来编程自己的算法，而是产品的“数据结构”。

第二：电商平台的基本逻辑是实现人与货的精准匹配，具体做法是把用户与商品数据化。

所有的电商平台不管是国内的淘宝 拼多多还是国外的亚马逊，它们作为平台型企业核心逻辑就是实现人与货的精准匹配。但是电脑与手机都只认识二进制的代码，如何让具像的商品与人实现精准匹配呢？做法都是把商品与用户数字化。

看到这里，大家应该就知道为啥大的互联网公司都在搞云计算了吧。因为平台需要收集与存储的数据越来越大，之前是文字，慢慢变成文字+图片，到现在流行的是视频，但这些都是平面的二维信息载体，后面可能就是“元宇宙”AR VR这种三维的信息展示方式了。

第三：电商平台需要收集与处理哪些数据。

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。这个我想后面单独写一篇文章从“数据运营”的视角深化与细致的聊这个话题。本文我先讲一下电商平台是如何把商品数据化的。

一个产品，电商平台一般会依据二个维度来做“商品的数据化”。

A;商品基础数据。

B:商品表现数据。

商品表现数据里有一个细分维度大家应该都听说过叫“产品标签”，大家肯定也听说过“用户画像”实际就是用户数据。有了这些数据，平台就可以做人与货的匹配了。

最后：未完带续，后面一篇文章我们聊聊，做运营时到底哪些数据是商品的基础数据，哪些是产品的表现数据，以及每个阶段，商品表现数据的异同。最后回答标题中所提及的问题，选品需要迎合算法吗？以及选品策略。

卡卡孔庆黎

讲我懂的，讲大家能听懂的。