1分钟判定5000个关键词的相关性-多竞品拓词并自动筛查-筛查相关性
1488“筛查相关性（自动化）”网页版需搭配最新版浏览器插件(最新版本为V0.4.6，点击下载)，高级会员和旗舰会员可直接使用，非会员用户可联系客户经理免费试用（无需分享任何内容，直接开通）。
在该版本发布之前，Sif已经为关键词调研做了大量的基础性工作，包括：
选择目标竞品：在浏览器插件中快速收集竞品，省去复制粘贴的麻烦
拓词：从单变体扩展到整个Listing，防止遗漏关键词——目前该设计已经成为行业标准，同行竞相模仿
筛查相关性：通过每个关键词下自然流量排名前10的产品，快速批量确定关键词的相关性，不用再去亚马逊搜索，然后通过计数相似产品的方式，低效的确定相关性
以上几个小小的创新，让拓词数量提升了数十倍，也让关键词调研的效率提升了上千倍。但我们认为，依然还不够。这就是这个新版本的来由。
本次更新对于Sif来讲是划时代的，对于整个亚马逊行业的关键词调研，我们认为也是划时代的。其划时代的意义主要表现在，我们将相关性用数据量化了，于是相关性筛查，就实现了从纯人工到自动化的巨大飞跃。
为了直观的感受整个关键词调研过程的丝般顺滑，建议大家观看我们的秒懂视频：
暂时无法在飞书文档外展示此内容
底层逻辑
接下来，我们为大家详细说明，相关性筛查是如何实现自动化的。
这个方法，其实也衍生于大家最原始的筛查方法：在亚马逊搜索关键词，然后查看自然位里有多少比例的产品与自己的产品相似。
区别仅仅在于，自动化筛查预先定义好了相似的竞品，然后通过计算这些竞品在每个关键词下的自然位的前x位里的占位率的高低来确定相关性的大小。
什么叫占位率？
其实很简单，就是在关键词的自然位的前x个位置里的产品，有y个产品在你选择的目标竞品内，则：
占位率=y/x
举个栗子。比如你选择了50个竞品，在你要筛查相关性的某个关键词的搜索结果下：
前4的自然位里的4个产品，4个都在你选择的50个目标竞品内，则占位率=4/4=100%
前8的自然位里的8个产品，有7个在你选择的50个目标竞品内，则占位率=7/8=87.5%
前16的自然位里的16个产品，有12个在你选择的50个目标竞品内，则占位率=12/16=75%
前32的自然位里的32个产品，有20个在你选择的50个目标竞品内，则占位率=20/32=62.5%
前48的自然位里的48个产品，有28个在你选择的50个目标竞品内，则占位率=28/48=58.3%
占位率越高，相关性就越高。只要你选择的产品本身都是高度相似的，那么这个占位率基本可以认为完全等同于相关性。
关于占位率的计算，有两点需要特别说明一下：
计算占位率时，我们会默认拓展到目标产品同组的所有变体，因为在没有特定指向性的关键词上（比如颜色词），不同变体会交替展示，所以只用目标产品计算的占位率会偏低。这个设置可以在高级筛选中更改为仅仅只使用目标产品。
占位率不是在某一次搜索该关键词时的占位率，而是所选择的时间范围内的综合占位率，目的是一定程度上平滑掉因产品自然排名偶然的波动导致的占位率偏低（尤其是排名越靠后的产品波动性越大）。
由于多个自然位的占位率涉及到多个指标，大家判断起来会有些许不便，所以我们提出了一个整合性的相关性指标，该指标是由多个自然位的相关性经过加权之后得来的，越是靠前的自然位的占位率，权重越高；整体的分值越高，相关性就越高。
为了实现预期中的效果，有几个小Tip供大家在使用时参考：
选择的产品尽量是优质的竞品，所以我们推荐在Best Seller榜单里的产品，或者核心关键词搜索结果下自然排名靠前的产品。
选择的产品数量最好大于48个，这样才能保证自然位前4/8/16/32/48的占位率的数据不存在人为导致的“偏小”，从而影响整体相关性的指标的可参考性。
如果你的产品是有季节性的，可以在这里选择拓展关键词的时间区间，让您的关键词调研可以充分参考产品在旺季时的流量词
选择竞品时，搭配Sif的浏览器插件效果更佳，可以在亚马逊页面快速完成目标竞品的选取。点击下载插件
相关性算法更新——2022.04.20
本次更新，优化了自动拓展变体和多时段综合占位率的计算逻辑，修正了旧版算法中相关性偏高的问题，提升了相关性自动化判定算法的精准度。
本次优化对在亚马逊有多类目节点并且变体较多的产品会有显著影响（比如服装行业），建议此类产品在选择目标竞品时以最精准(甚至长尾)的关键词进行搜索，然后选择目标竞品，否则计算出的相关性可能会整体上都比较低。
经过我们的研究，我们发现不同品类产品反查出来的关键词的整体相关性差异较大（比如服装行业的整体相关性都会偏低），所以建议大家针对不同品类的产品要使用不同的分级标准来区分相关性的高中低，Sif的默认相关性高低标准仅供参考。
尤其是如果大家将关键词加入词库，我们会将相关性高中低存储到词库，方便大家后续查询和使用。所以强烈建议在加入词库之前就要设置好相关性高低标准，防止出现错误，影响使用或者需要重复工作。
