本篇内容相当硬核,会从数学原理的角度,慢慢把各种业务指标为大家解释清楚。
请运营或者其它业务同学结合自己的工作经验,重点理解文中结论。
首先,排名方案由平台决定,那么他们就需要一个定量的优化目标。ECPM:expected cost per mille,公式如下补充:revenue = impression * ctr * cvr * price,代入即可得出上面公式。
补充:此处忽略了平台的FBA等其他服务的收益(默认使用FBA),因此可忽略。考虑到commission在某个时段的某个类目中是固定的(每个产品都一样),那么作为固定值可忽略它的影响因素。同理1000是常数,也可忽略。因此得出结论,亚马逊为了实现收入的最大化,需要参考各个产品的ctr,cvr和price,选择综合最优的产品获得高排名。用数学精确表达,我们用Rank代表排名,那么Rank就是ctr, cvr, price的函数。
归根结底,我们的目标是提升产品的排名,但是这不是一个可执行的目标。那如何落地呢?我们只需要影响上面公式当中的ctr, cvr, price,就能影响排名。把参数拆开来看,price是可以直接修改的,不用深究。重点在于ctr, cvr的影响因素。
a)CTR
在计算广告工业界,已经有深入研究,我们直接写出公式1:
其中a代表ads(也就是listing),u代表user,c代表context。意思是,CTR由产品和用户的搜索上下文共同决定。再通俗点的说法是,CTR由用户搜索词和产品决定。
p代表product, q代表query。也就是在某个时间段内,给定产品和搜索词,CTR就是确定的了。上述函数参数中的a和p是一样的,可以理解,但是为什么用q来代替u,c呢?因为和国内的淘宝等平台不同,亚马逊目前仍未开放点击流量中的用户信息,以及用户的搜索过程。因此,我们只能用用户搜索词来表示用户以及上下文。根据公式2,我们就能明白,为什么选品为王了。因为在搜索词确定的情况下,点击率是由产品决定的,推理得出:排名是由产品决定的。
产品是指整个listing,包含了选品,价格,listing文案和图片优化。以上因素共同对review评分产生影响,进而影响点击率。
但是这似乎还不能指导我们运营应该如何做,或者说广告应该如何投。众所周知CTR=click/impression ,而平台在取click和impression时,只会取近k天的数据(并按时间距离加权)。考虑到具体的某段时间内的click和impression都是随机变量(也就是说具体值有一定随机的成分),因此CTR也是一个随机变量。如下图,deal过后,销量会逐渐回归:平台只会考虑近期数据,并按时间距离加权
小声BB:手动画图,不要丑拒
既然CTR是一个随机变量,我们不妨设CTR的期望和方差分别为:
那么平台通常会根据他们计算的 μ和 σ2在做排名时设置如下优化目标:
γ读做伽马,叫做风险规避系数,maximize是最大化,s.t.是限制条件。这个公式的意思是,平台会在做排名时算CTR,但是CTR是一个随机变量,必需通过取期望μ之后才能参与ECPM的计算。又因为平台也不一定把CTR算得那么准,所以得出的μ作为期望点击率,还需要和算得是否准(也就是方差σ2)做一个加权平均。简单来说就是平台算出来的点击率越高越好,算的越准越好。
再举个理财的例子方便大家理解,收益越高的理财产品,风险也越大。因此,国债、定期存款、股市等虽然收益是不同的,但是我们在购买时,除了考虑收益率,还会考虑风险。电商平台也是一个道理,他们有时候会调整推荐算法,本质也就是调整γ的大小,γ大一点的话,那么就算是产品期望点击率低一点(μ低一点),只要流量够多,也能让亚马逊能算得更准(也就是σ2更低),排名也能在期望点击率(μ)更高的产品之上。补充:期望点击率可以用平均点击率去近似,平均点击率就是大家在亚马逊后台看到的点击率。小结:对于任意搜索词,平台会综合计算产品对该搜索词的CTR(随机变量)的期望与方差,加权后构成一个参与ECPM计算的CTR(不再是随机变量)。而平台想要算得准(减小方差),就一定需要更多的流量数据。因此,用站内广告来获取该搜索词的点击,本质就是给平台喂数据,进而让平台算得准(降低σ2),进而提升排名。广告本质是不可能提升CTR的期望(μ)的。由于平台算法会调整系数,当 γ调大时,广告流量等运营手段对自然搜索排名帮助更有效。同时,由于平台在计算流量时会优先近期的流量,因此广告等营销手段想要保持效果就不能停。
b)CVR
CVR的计算方法和CTR类似,单纯的广告流量只能提升CVR的计算精度,进而提升排名。a)产品为王的数学原理:产品决定点击率和转化率的期望;b)运营通过广告等引流手段对排名影响的原因:提升点击率和转化率的计算精度,降低方差;c)广告要一直开启,才能保持对自然排名的提升的原因:因为平台只会优先计算最近若干天的数据。