這里的商品列表不包含站內搜索結果列表，商品搜索結果的排序和內容呈現，請參考我的另一文章：B2C站內搜索初探–排序和內容呈現。

　　傳統零售中，貨架的陳列對銷量的影響巨大。如何合理的分配有限的空間，通過促銷品吸引顧客、從而促進最大利潤產品的銷售、清理滯銷品和庫存貨，顯得尤其重要。網上零售雖然理論上沒有貨架和空間的限制，但商品的展示機會從來都是不公平和不平等的。

　　有人總結b2c商品銷量是二八法則，20%的商品貢獻了80%的銷量，但很多網站可能更加極端，10%以下的商品貢獻了90%的銷量。導致這種結果的原因之一是商品的展示機會嚴重不均衡。

　　總結下來，以下因素將直接影響商品的展示機會：

　　著陸頁導致的流量分布不均。

　　通常b2c網站的主要著陸頁面有3種：首頁、專題頁和商品詳情頁，人工主觀推薦商品、seo和廣告投放帶來的流量傾斜導致部分商品展示機會太多，而更多商品卻缺乏展示機會。

　　智能推薦系統給予商品展示的機會的不均衡

　　無論是基于內容過濾還是基于協同過濾的算法，都間接的放大商品展示不均衡的情況。

　　站內搜索給予商品的展示機會不均衡

　　站內搜索的查準率和查全率問題、搜索結果排序問題也將對商品的展示機會造成影響。

　　導航、分類、商品列表排序給予商品的展示機會不均

　　這是本文重點要闡述的方向

　　由于一般b2c網站用戶通過導航、分類瀏覽到達目標商品頁面所占的比例巨大，我們這里主要談談商品列表的排序方式。

　　目前大部分網站提供如下排序方式：

　　按銷量排序

　　按人氣排序(按瀏覽次數)

　　按新品排序(按上架時間)

　　按價格排序

　　按商品評論數量排序等等

　　這些排序方式多是單維度的，系統默認一種排序方式(當然還支持人工調整排序)，同時支持用戶自由選擇其他排序方式。

　　商品列表中單維度排序的問題

　　1、單維度的排序方式容易造成商品銷量的“馬太效應”，如按銷量排序，一開始賣得好的商品愈加賣得好，一開始賣得不好的商品和新品將再難有機會。

　　2、如果說默認按銷量排序還能基本反映用戶的需求，那么按新品排序就只能算是網站的一廂情愿了，老客才會更多的關注您網站的新品。

　　3、按價格排序和按評價數量排序也同樣造成新品或暢銷品缺少展示機會。

　　4、大部分用戶很懶，只看默認的排序方式;雖然你自認為提供了多種明顯的排序方式供用戶選擇，但多數用戶只是懶得點擊(這個比例有多少大家可以統計)。

　　我們知道，給予了用戶不認可的商品過多的展示機會，或者沒有給有潛力的新品足夠的展示機會，都將帶來銷量的損失。當商品SKU少時，可以通過人工排序較完美解決商品列表排序問題。而當商品SKU數眾多，商品上下架頻繁時，人工排序就顯得費時費力了。為了解決展示機會不公的情況，排序的原則應該是：

　　1、 盡量給予用戶認可的商品更多的展示機會;

　　2、 給予用戶不認可的商品更少的展示機會;

　　3、 從商家的角度考慮則是：把利潤最高的商品展示給用戶;

　　4、 給予有銷售潛力的新品足夠多的展示機會。

　　總結下來，這些事情還得通過系統+人工的方式操作。在下認為系統的默認排序因素應簡單的包含以下5個方面：

　　1、 商品在若干時間內的展示次數 (這里用A表示)

　　2、 商品在若干時間內的銷量(這里用B表示)

　　3、 商品的利潤(毛利：銷售價-進價)(這里用C表示)

　　4、 商品離當前的上架時間 (這里用D表示)

　　5、 商品若干天內的好評率 (這里用E表示)

　　1和2計算出的是商品平均x次展示機會的銷量，如我們可以計算商品最近7天內每千次展示的銷售量。但如果排序僅僅包含這兩個因素會有明顯的缺陷，如在相同展示量下，一個售價10萬的鉆石和一本售價10元的書銷量理論上是無非相提并論的。所以我們需要適當考慮商品利潤金額的問題。此外還需考慮上架時間因素和好評率因素。

　　商品的排序系數= B/A*C *1/D*E (“B/A*C”表示平均每次展示機會帶來的銷售利潤，“1/D”表示距離當前的天數的系數值)系數越大，排名越靠前。

　　舉例一，某商品M，在若干天內展示了1000次，銷量為5，利潤為150元，離當前的上架時間為5天，若干天內的好評率是98%，則該商品的排序系數為：5/1000×150×1/5×98%=0.147

　　舉例二，某商品N，在若干天內展示了100次，銷量為5，利潤為15元，離當前的上架時間為1天，若干天內的好評率是95%，則該商品的排序系數為：5/100×15×1/1×95%=0.713

　　最終，某商品N應該排在商品M前面。

　　本文拋開很多細節再考慮問題，也未實戰過，僅提出想法，歡迎批評!

　　文章來源：aboutb2c.com