CN102831526A - 一种针对在线交易应用的商品搜索排序的方法和系统 - Google Patents

Abstract

本发明揭示了一种针对在线交易应用的商品搜索排序的方法和系统，涉及利用搜索引擎访问商品清单绩效数据。该方法包括如下步骤：商品清单绩效数据引擎模块处理来自于客户端计算系统的API指令，以识别和传输商品清单绩效算法使用的相关商品清单绩效数据；指定商品清单绩效分数给商品，最终满足用户的搜索要求。商品清单绩效数据用于比较卖家自身的商品清单与其它商品清单在排序中的性能差异。

Description

一种针对在线交易应用的商品搜索排序的方法和系统

技术领域

本发明涉及数据处理系统和数据处理技术，特别涉及对搜索结果排序的方法和系统。

背景技术

搜索引擎是一种基于软件的工具，用于搜索信息。例如，网络搜索引擎依据查询条目向用户提供相关的搜索结果。通常，评价一个搜索引擎的重要标准就是能否给用户提供最佳搜索结果。为确保最佳(最相关)搜索结果居于首位，搜索引擎会利用一种基于多种数据的复杂算法为搜索结果排序。若想使某特定搜索结果排名首位，有必要充分理解搜索引擎对搜索结果排名时所依赖的底层算法和数据。

电子商务网站通常利用搜索引擎提供给用户(如潜在用户)他们最需要的商品(如产品和服务)。对于一些电子商务网站(综合卖家和买家)中的卖家来说，理解搜索引擎如何运作，熟悉决定排序的底层数据，有助于提高他们的商品出现在搜索结果中的机率，最终提高商品被购买的可能性。例如，若卖家熟悉决定排序的底层算法和数据，他就可以巧妙地制定商品清单，使该商品更易于出现在搜索结果中突出的位置，最终提高商品被购买的可能性。然而，传统的电子商务市场中，卖家几乎无法获取搜索引擎为搜索结果排名时使用的任何底层数据。

发明内容

本发明揭示了一种对搜索结果排序的方法和系统，涉及搜索引擎使用的数据展示。为通俗易懂，下面对本发明作进一步描述，提供对不同实施方案的全面理解。然而，本领域的技术人员很清楚不需这些具体细节本发明也可付诸实践。

在一些具体实施方案中，电子商务或在线交易应用程序包含一个API，API访问搜索引擎排名算法使用的数据为搜索结果排序。例如，电子商务和在线交易应用程序包含用户搜索商品的搜索引擎。搜索引擎利用一种排名算法(这里指商品清单绩效算法)将排名分数(这里指商品清单绩效分数)指定给各个商品，以满足用户的查询需求。例如，选择搜索结果(如商品)满足用户自主查询之后，商品清单绩效分数被指定给一组搜索结果中的每个商品。商品清单绩效分数再对出现在搜索结果中的商品排序。例如，一些具体实施方案中，商品清单绩效分数最高的商品会显示在搜索结果首页的第一位。

为使卖家能通过在线交易应用程序，访问并分析影响商品清单绩效排名分数的数据，在线交易应用程序包含可以通过开放API访问的一个商品清单绩效数据引擎模块。据此，软件应用程序充分利用API向商品清单绩效数据引擎模块发送数据请求。这样，卖家可以访问生成商品清单绩效分数的数据，从而了解为什么某商品在搜索结果中会显示在特定的页面和位置。例如，卖家若想了解某商品为什么没有出现在搜索结果的首页，他会通过商品清单绩效分析应用程序向商品清单绩效数据引擎模块查询影响商品清单绩效分数的商品清单绩效数据。理解了底层算法如何运用数据之后，卖家可以决定是否修改商品的一个或多个属性来提高商品清单绩效分数，从而针对某一特定查询提高该商品显示在搜索结果中的页面排名和位置排名，最终提高商品交易(如销售)成功的机率。

另外，开放API为第三方软件开发者提供开发第三方软件的需求接口，以执行商品清单分析和商品清单相关的绩效数据分析。通常，通过数据引擎和API访问的数据有两种-一种是属性数据，另一种是绩效数据。属性数据是由列出商品进行销售的卖家输入或选定的，而绩效数据是通过由在线交易应用程序检测到的大量用户活动和行为获取的。例如，商品清单的属性数据可以包含以下数据项：商品标题，商品编码，商品价格，运输方式和运费，清单商品或库存商品的总量，清单起始日期，价格机制(如一口价，竞拍价)，以及商品类别。商品清单绩效数据可以包含以下数据项：商品的展示次数(如商品显示在一组搜索结果的次数)，不同用户选择(如点击)搜索结果中的商品的次数(如点击数)，点击数和展示数的比率(如点击率)，不同用户关注跟踪商品的次数(如商品被浏览的次数)，商品清单生成的销售数，已售商品的总量，商品每展示一次的销售数等等。通过操作在线交易应用程序结合多个API，第三方软件开发者可以为商品开发出一台全自动或半自动绩效分析器或控制器。综上所述，本发明中这两种数据(如属性数据和绩效数据)指代商品清单绩效数据。为使本发明的内容和优势更加通俗易懂，下面结合附图和具体实施方案作进一步详细说明。

附图说明

图1是本发明在网络环境中执行电子商务和在线交易应用程序的框图，它包括一个服务器系统和两个客户端系统；

图2是本发明计算商品清单绩效分数的一个公式示意图；

图3是本发明开发商品清单绩效分析应用程序的一套范例软件架构的框图；

图4是本发明处理来自于商品清单绩效分析应用程序的基于API的数据请求的一种方法示意图；

图5，6，7是本发明商品清单绩效分析应用程序的多个范例用户界面的示意图；

图8是本发明内部执行指令的移动装置机器的框图，该机器执行本发明的实施方案。

具体实施方式

图1是网络环境10的框图，它包括由网络连接的两个客户端12和14，和一个服务器系统16。如图1所示，服务器系统16包含一个在线交易应用程序18。该实施方案中，在线交易应用程序18包含两个主模块-一个在线交易引擎模块20，一个商品清单展示管理模块22。另外，一个商品清单展示管理模块22包含一个商品清单绩效数据引擎模块24和一个应用程序接口26。

在一些具体实施方案中，在线交易引擎模块20可以包含大量子组件或模块，该模块提供在线交易应用程序18的部分功能。进一步说，每个模块可以包含软件指令，计算机硬件组件，或两者的组合。为便于理解，在此仅描述在线交易引擎的部分功能。例如，在线交易引擎模块20可以包含一个商品清单控制模块(未显示)，接收和储存表示商品属性的数据，这些数据共同构成一个商品清单。若用户要出售商品，他会提供商品的相关信息。这些信息可以通过多种形式提交，例如通过单个或多个网页，通过下拉式列表，或者通过相似用户界面元素。商品清单控制模块在数据库28内接收并储存商品属性。一些实施方案中，商品清单储存在商品清单数据库表30中。进一步说，输入每个商品属性，对其进行分析并运用于多个算法，这些算法将排名分数指定给商品，反过来排名分数又决定商品在搜索结果中的位置。

在线交易引擎模块20可以包含一个或多个模块，接收和储存历史数据，该数据通常表示由在线交易应用程序检测的用户自主活动和事件，用于判断出现在搜索结果中的商品最终能否交易成功。例如，该模块为预测未来用户活动会分析和采集用户自主活动的相关数据。若用户提交了搜索请求，并完成某商品的交易，为预测未来其他用户的活动，该模块会采集并储存用户与在线交易应用程序的互动信息。部分数据通常指相关性数据32，因为它决定搜索条目与商品的相关性。例如，若潜在用户提交“手机”这个搜索请求，那么包含该属性的商品更有可能交易成功。仍然搜索“手机”这个条目，那么相比将商品类别设为“汽车”或“珠宝”的商品，设为“电子产品”或更具体的“手机”的商品更容易交易成功。同样，还是搜索“手机”这个条目，相比商品标题中不包含该条目的商品，包含该条目的商品更容易交易成功。据此，在线交易引擎20包含一个或多个模块，接收并分析历史数据，生成上述相关数据。用户搜索某条目时，该相关性数据用于获取商品成功交易的可能性，这里的商品是指商品属性中包含该搜索条目的商品。根据该实施方案，获取的相关性是表示排名分数的数字，第三方应用程序利用API可以将相关性数字提供给卖家。

在线交易引擎模块20也可以包含一个或多个模块，用于接收和储存数据，该数据表示卖家在交易中履行义务的程度。例如，交易完成后，买家会被提示及时反馈对卖家表现的评价。买家会评价卖家对商品的描述是否属实。例如，若买家收到的商品质量很差，商品描述与实物有很大出入，买家会反映卖家对商品的描述并不属实。进一步说来，该模块以多种方式通过卖家绩效信息生成商品排名分数。例如，买家对卖家的反馈信息决定该卖家其他商品的排名分数。如图1所示，上述信息通过有编号的卖家质量数据34储存在数据库28中。据此，一个具体实施方案中，卖家可以通过第三方应用程序利用API访问并观察分析上述信息。

如图1所示，数据库28包含交易规则数据36。交易规则管理模块管理运用交易规则数据36提高或降低商品排名，从而满足用户查询需求。例如，对搜索结果中的商品排序时，商品排名可能提高也可能降低，即商品可能出现在搜索结果中突出的位置也可能出现在不够突出的位置，这是由基于交易规则数据对交易规则的评价决定的。一些具体实施方案中，商品属性和卖家属性可以联合交易规则数据，共同评价交易规则。另一些实践方案则通过将交易规则分数与排名分数相乘，提高或降低商品排名。交易规则用于优化交易政策以影响用户行为。例如，一种可以提高商品排名的免运费交易规则可以鼓励卖家实行免运费措施，使他们的商品出现在搜索结果中最突出的位置。同样，根据买家对卖家反馈的负面信息降低卖家商品排名显然也可以敦促卖家依照承诺履行义务。在一些具体实施方案中，用户可以通过API获取交易规则的评价结果。例如，卖家对某商品实施免运费政策，一条交易规则可以取值为真，该商品的商品清单绩效分数则会提高。据此，用户可以通过API请求获知上述信息，从而了解免运费或者不免运费最终将如何影响商品清单绩效。

如图1所示，在线交易应用程序18的第二主模块是商品清单展示管理模块22。商品清单展示管理模块22提供逻辑规则将排名分数(这里指最佳匹配分数或商品清单绩效分数)指定给商品，从而满足用户的查询需求，并由排名分数决定商品在搜索结果中的排序。

例如，潜在买家在客户端系统12运作浏览器应用程序38，与驻留在服务器系统16中并执行的在线交易应用程序互相配合。在搜索界面40中，用户可以在搜索中指定多个条目提交给在线交易应用程序18。一些具体实施方案中，除了指定搜索条目，用户还可以选择特定的商品属性，如期望的商品颜色，商品类别等。在线交易应用程序18接收并处理搜索请求后，在客户端系统12中将对象传输给浏览器应用程序38。例如，该对象是网络对象或网页，由浏览器应用程序38发出，显示出满足用户搜索请求的搜索结果页面42。如图1中范例搜索结果页面42所示，商品清单展示管理模块22决定商品在搜索结果中的排序。一些具体实践方案中，展示模块显示商品清单，该模块可能是网络服务器或应用程序服务器。

通常，显示在搜索结果中的商品是基于排名分数排序的，排名分数是指定给各个商品以满足用户查询的分数。在一些具体的实践方案中，商品清单被列入一个简单列表，排名分数最高的显示在列表的首位，排名分数次高的显示在列表第二位，依此类推。另一些实践方案要求搜索结果页面显示满足用户查询的所有商品。据此，只有符合查询要求的商品集的子集会显示在搜索结果的首页。还有一些实施方案中，商品会基于它们的排名分数以其他方式排序。例如，这些实施方案不通过自上而下的简单列表对商品排序，而是一个页面只显示一个商品，或是通过表格等其他方式。

进一步说，排名分数基于组件分数或子分数确定，包括相关性分数，商品清单质量分数，交易规则分数，但并不是说这三种分数即为全部的排名分数。相关性分数表示商品与搜索条目的相关性。商品清单质量分数表示商品成功交易的可能性，这种可能性某种程度上基于相似商品的相关历史数据。交易规则分数表示排名提高或降低的因素，这种因素由对交易规则的评价确定。这里，组件分数和子分数用于获取商品的综合排名。然而，某个实施方案中的组件分数在另一个实施方案中也许是排名分数。排名分数可能和组件分数是等值的，如商品清单质量分数。另一些实践方案中，排名分数可能和交易规则分数是等值的。

如图1所示，卖家会在客户端系统14上执行商品清单绩效分析应用程序44，以重新获取，观察，分析在线交易应用程序18的商品清单数据。进一步说，商品清单绩效分析应用程序44会通过开放API定义并提供一组指令，再利用这组指令向商品清单绩效数据引擎模块24请求获取商品清单绩效数据。如图1所示，商品清单绩效分析应用程序44会提供用户界面46给卖家，以生成查询数据。通常，卖家可以通过商品编号，商品种类，关键词，或以上项目的组合请求获取商品清单绩效数据。例如，卖家输入某特定商品的既定商品编号后，即可以重新获取并观察商品清单绩效数据。通过API请求向商品清单绩效数据引擎模块24提交查询，卖家可以获取同商品编号相关的商品信息。如图1中的用户界面48所示，卖家可以获取大量信息，如子分数，排名算法通过这些信息获取排名分数或商品清单绩效分数为搜索结果排序。

图2是计算商品清单绩效分数的公式示意图，该实施方案中，排名算法利用公式获取对搜索结果排序的排名分数。排名分数指最佳匹配分数或商品清单绩效分数。不同实践方案中，用户通过API获取的运用于排名算法的数据本质和类别也有很大的不同。据此，图2显示的仅仅是许多可能的实施方案的一种，结合图2描述的特定数据要素也仅是通过API获取的数据本质和类别。

在一些具体实施方案中，处理潜在买家的搜索请求时，满足搜索条件的商品会依据指定到每个商品的商品清单绩效分数在搜索结果页面(如网络集合或网页)对商品排序。例如，为接收和处理搜索请求，商品清单绩效分数会通过多种算法指定给每个商品，以满足用户搜索请求。商品清单绩效分数决定商品在搜索结果中的排名。据此，一些实施方案中，排名分数最高的商品会位于最突出的位置，因而最容易被用户发现并选定。例如，排名分数最高的商品会位于搜索结果首页的第一位，这些页面构成一个很长的商品列表满足潜在买家的搜索请求。

一些具体的实施方案中，排名分数本身包含一些子分数或组件分数。如图2所示，排名分数(如商品清单绩效分数60)可以由相关性分数62，商品清单质量分数64和交易规则分数66相乘计算得出。

如图2所示，排名分数部分基于相关性分数62。相关性分数62是指商品与用户提交的搜索条目之间的相关性。相关性分数是通过对商品标题(如标题相关性)，商品描述和历史数据的分析获取的，其中历史数据是反映用户如何交易其他相似商品的数据。相关性分数62是处理用户查询时计算的。因此，在一些具体实施方案中，当一组商品满足用户搜索时，商品会基于相应的相关性分数62排序。据此，通过API获取的商品相关性分数由用户查询的关键词决定。卖家则可以依据关键词查询相关性分数。反过来，若潜在买家查询关键词，卖家则可以获知其商品在搜索结果的位置。

如图2所示，排名分数部分基于商品清单质量分数64。商品清单质量分数64表示商品质量的好坏。例如，商品清单质量分数代表显示在搜索结果中的商品最终交易成功的可能性(即一些实施方案中所说的概率)。商品清单质量分数是通过一个预测分数和一个观察分数的权重总合来计算的，预测分数基于商品属性，观察分数基于商品或其他既定相似商品的实际绩效。

代表预测分数的部分商品清单绩效分数是通过对比分析该商品的属性与其他相似商品的属性得出的。不同的实施方案需要考虑不同商品的属性，然而在部分实施方案中，商品价格和运费是决定商品质量的首要因素。例如，对比某特定商品的价格与其他相似商品成功交易的价格，可以反映出该商品最终能否成功交易。若该商品价格低于相似商品的平均价格，那么该商品出现的次数越多，则越有可能交易成功。同样，若该商品价格高于相似商品的平均价格，那么该商品交易成功的机率会降低。对运费也可采取相同的分析。一些具体实施方案中，运费是撇开商品价格单独分析的，另一些实施方案是将商品价格和运费相加综合分析的。

商品清单质量分数部分基于观察分数，观察分数代表一个需求矩阵或多个需求矩阵的集合。一个需求矩阵代表基于历史数据的商品的需求度。例如，用于计算商品清单质量分数的需求矩阵通过商品或相似商品每展示一次实现交易数的比率计算。一种多数量商品(如一百部手机)通过商品每展示一次实现交易数的比率计算观察需求矩阵。假设该商品是手机，出现在搜索结果中十次其中五次交易成功，那么该手机每展示一次实现交易数的比率为50％。需求矩阵可以标准化，这样最终观察分数会对比该商品的商品清单绩效与其他相似商品的商品清单绩效。例如，对于某些特定的商品(如汽车，硬币，邮票，手机等)来说，不同的观察分数会反映出不同的问题。若某商品每展示一次实现的交易数的比率为50％，对于某种商品(如汽车)来说，它的商品清单绩效很高。而对于另一种商品(如手机)来说，它的商品清单绩效较低。

通常，若商品每展示一次实现的交易数的比率很高，商品成功交易的可能性也较高。然而，若商品的展示次数很少，则需求矩阵的可信赖度会降低。若商品仅展示过一次后便交易成功，这种情况下很难判断该商品的质量。据此，具体说来，需求矩阵的权重因素是商品展示数的一个函数，或是网站停留时间(TOS)的矩阵，即指商品活跃周期和时间段。

在一些具体的实施方案中，权重因素是基于时间的矩阵的一个函数，当商品刚列出销售时，重点是预测分数，随着时间的推移重点会转移到观察分数。例如，权重因素是销售商品时所获取的展示数的一个函数。商品展示数(即商品显示在搜索结果页面的次数)达到最小阈值时，应用于预测分数的权重因素减少，这时不再强调预测分数，而应用于观察矩阵的权重因素增加，重点便转移到商品清单分数的观察矩阵组件。

一些具体实施方案中，卖家可以获取商品清单质量分数或者可以获取商品清单质量分数的任何输入。具体说来，卖家可以通过API请求获取商品清单绩效数据如：商品的展示数，点击率(或者说查看数)，完成的交易数，商品销售数。另外，商品属性可以通过API请求获取，它可以包含商品价格，运输方式和运费，商品状况，商品清单的活跃周期和时间段。这些商品属性会与其它商品的集合商品清单绩效数据进行比较。例如，针对某特定的关键词或商品种类，卖家可以获取显示在搜索结果首页的所有商品的商品清单绩效数据。据此，卖家可以对比自身商品的商品清单绩效数据与出现在搜索结果首页的商品的商品清单绩效数据，从而判断是否因为某个商品属性使卖家商品未显示在搜索结果的首页。

除了相关性分数和商品清单质量分数，对交易规则的评价即交易规则分数66，也会影响商品清单绩效分数。例如，若卖家有超级卖家身份，卖家商品免运费，或者卖家质量分数超过了已定阈值，则交易规则分数会提高商品清单绩效分数。同样，若卖家质量分数过低，或商品的运费过高，则交易规则分数会降低商品排名。

一些具体实施方案中，一种算法将分数指定给各个商品。例如，确定哪个商品满足搜索请求之后，算法将分数指定给各个既定满足搜索请求的商品。该分数(如商品清单绩效数据)决定呈现给用户的商品出现的位置。另一些实践方案利用多个算法将分数指定给商品。例如，一种算法基于商品特征将分数指定给商品，这样可以选定基于商品的某个特征或属性的算法。商品清单包含拍卖价清单和一口价清单时，一种算法将各个分数指定给一口价的所有商品，而另一种算法将分数指定给拍卖价商品。同样，对于一口价的多数量商品，即一口价的同一个多单元商品，不同的算法将分数指定给新商品和旧商品，旧商品有评价商品质量的历史数据，而新商品没有。同样，不同算法将商品清单绩效分数指定给不同类别的商品。例如，某些类别的商品(如手机)以每展示一次的交易数作为观察商品清单质量分数的观察需求矩阵，而其他类别的商品(如汽车)以每展示一次的查看率作为观察商品清单质量分数的需求矩阵。

图2描述了影响商品清单绩效分数的所有数据项，包括卖家、生成商品清单时由卖家提供的商品属性数据、及从在线交易应用程序检测的活动中获取的任何数据。用户可以通过API26和商品清单数据引擎模块24获取该数据项。某些具体实施方案中，因各种原因一些数据会被隐藏，无法通过API获取。

依据本发明，图3是开发商品清单绩效分析应用程序的一套范例软件架构的框图。如图3所示，在线交易应用程序18的商品清单绩效数据引擎模块24联合内部服务模块78和外部服务模块70共同运行。据此，商品清单绩效数据引擎模块可以与大量内部应用程序和工具，及面向用户的应用程序和工具共同运作。一些实践方案通过API访问外部应用程序和工具，以获取储存在数据库28的商品的商品清单绩效数据。据此，第三方应用程序开发者开发应用程序，该应用程序通过开放API使卖家可以观察分析自身商品的商品清单绩效数据。基于API的商品清单绩效分析工具72可以开发成基于网络的应用程序或本地桌面应用程序。卖家了解底层商品清单绩效算法如何运作后，便可以利用由API重新获取的商品清单绩效数据巧妙地制定自身的商品清单，从而提高商品清单的综合绩效分数，最终提高转换率(如销售数)。

如图3所示，外部服务模块70可以作为网络服务模块运用，也可以联合在线交易应用程序18提供支持的应用程序(如卖家工具应用程序74)共同运用。例如，卖家工具应用程序74可以利用API和商品清单绩效数据引擎模块24，使卖家能够访问商品清单绩效数据。一些实践方案中，卖家工具应用程序74是可以通过网络浏览器76访问的基于网络的应用程序。另一些实践方案中，卖家工具应用系统74是通过API最终可用的简化版本。例如，卖家工具应用系统74可以提供基本功能使卖家能访问最基础数据元素。该数据元素包含卖家商品的商品清单绩效数据。

除了作为能使卖家访问商品清单绩效数据的应用程序之外，内部服务模块78还可以作为总线连接的大量内部使用工具80的商品清单绩效数据引擎模块24，该工具由在线交易应用程序的管理员使用。内部工具82是基于网络(例如可以通过网络浏览器访问)或是本地桌面应用程序的。一些具体实施方案中，内部使用工具会向卖家提供功能超集。例如，内部用户可以访问限制卖家访问的某些数据和功能。具体说来，内部工具通常可以访问属于某商品种类的或包含某关键词的所有商品的数据，卖家工具通常会利用一种认证方法仅向特定卖家提供商品清单绩效数据。

一些具体实践方案中，API支持可扩展置标语言(XML)或简单对象访问协议(SOAP)消息形式的请求和回应。例如，HTTP POST请求方式支持XML形式的请求。XML形式的请求的回应格式是XML。

同样，HTTP POST请求方式支持SOAP协议形式的请求。SOAP请求的回应格式是SOAP。

一些具体实施方案中，每个API请求包含以下成分：一个服务端点；一个HTTP头域；标准输入域；请求明细输入域。服务端点用于识别API网关；HTTP头域用于指明可选参数或必需参数，如认证符号或API请求名称；标准输入域用于定义参数，如entriesPerPage，该参数用于说明有多少商品回应了请求，或是指明什么商品会包含在搜索内以及什么商品会返回搜索的某个域；请求明细输入域是针对特定API请求的关键词或类别识别器。

根据本发明，图4显示了处理来自商品清单绩效分析应用程序的基于API的数据请求的一种方法。在操作90中，卖家利用驻留在远程客户端系统的商品清单绩效分析应用程序并执行该应用程序，以生成对针对在线交易应用程序的商品清单绩效数据的请求。具体说来，该请求是基于API并被处理的请求，例如它可以被商品清单绩效数据引擎模块处理。请求的商品清单绩效数据是通过API请求和该请求中指明的不同参数获取的。该请求包含一个预先认证请求或与之相关的请求，用于识别发送请求的卖家。据此，只有与认证卖家的商品相关的商品清单绩效数据才会回应该请求。通常，在线交易应用程序运用所请求的商品清单绩效数据将排名分数(如商品清单绩效分数)指定给各个商品，以满足用户查询。商品清单分数反过来又对显示在搜索结果中的商品排序。

操作方法92中，商品清单绩效数据引擎模块处理商品清单绩效数据请求，以识别相关商品清单绩效数据。具体说来，该相关数据是仅与卖家商品清单绩效数据相关的商品清单绩效数据和回应基于API的特定请求数据。最终，在操作方法94中，将已认证的相关商品清单绩效数据传输至请求客户端计算机系统。

根据本发明，图5，6，7说明了商品清单绩效分析应用程序的范例用户界面。不同实施方案中，现实中用户界面与在图5，6，7中显示的具体界面会有很大出入，但并不脱离本发明的技艺精神。

如图5所示，卖家会被要求提供商品编号，或卖家商品所属的类别。例如，手机通常归类于“电子产品”或“手机”。因此，卖家通过指定商品类别可以重新获取卖家所有属于“手机”这个类别的商品的商品清单绩效数据。同样，卖家通过指定商品编号也可以观察该商品编号的商品。

如图5所示，卖家通过认证之后，所获取的请求数据只能是与认证卖家回应的商品相关的数据。另外，因为卖家已经通过认证，用户界面给卖家提供卖家绩效等级，同时反映给卖家其绩效等级在潜在买家搜索商品时，会提高还是降低卖家商品的综合商品清单绩效分数。通向“卖家方向盘”的链接会提供给卖家对其绩效等级更为详细的分析。

图6所示的用户界面显示了某类别商品的商品清单绩效数据。例如，卖家发送该商品的商品清单绩效数据请求之后，则可以获取该类别(这里，次类别“电子产品≥电池”“电池≥可充电电池”)商品的商品清单绩效数据。该实施方案中，对于该类别内各个商品来说，商品清单绩效数据包含展示数、净点击率、和商品每展示一次的销售数。另外，每个商品都显示一个“执行报告”的按钮，卖家可以请求获取某商品的详细报告。

图7所示的用户界面显示了对某商品的具体绩效分析。分析显示了该商品的大量属性和其他商品的商品清单绩效数据。若卖家搜索某特定关键词，用户界面可以将商品出现的确切页面以及在页面中的位置(如页槽或在页面位置)提供给卖家。该实施方案中，潜在用户搜索的关键词为“AAA可充电电池”，商品会出现在一组搜索结果中的第二页。通过该工具，卖家可以巧妙修改其商品的描述，并重复该搜索以判断新的描述能否提高该商品的排名。

若潜在用户搜索已认证的关键词，用户界面除了显示商品所在页面的确切位置，还显示出现在搜索结果首页的商品的集合商品清单绩效数据。例如，搜索结果首页显示的一口价商品的价格在20.00元与90.00元之间。若卖家定价该商品的为9.00元，那么他的价格属于低端价格，不会降低他的商品清单绩效分数。显示在搜索结果首页的商品的集合商品清单绩效数据包含以下信息：运费范围，免运费商品的百分比，优秀卖家的百分比等。

某种程度上说，这里描述的大量操作方法由执行相关操作的暂时配置或由永久配置的一台或多台处理器执行。不管是暂时还是永久配置的处理器，它都包含执行单或多功能的处理器执行模块。一些具体实施方案中，模块包含处理器执行模块。

同样，这里描述的方法部分由处理器执行。具体说来，该方法的部分操作可以由多台处理器或由处理器执行模块执行。部分操作的执行会被分配至一台或多台处理器，不仅驻留于一台机器，而且通过多台机器展开。一些具体实施方案中，处理器处于一个位置(如在本地环境中，办公室环境或服务器群)，而另一些实践方案中，处理器可能会分布于多个位置。

一台或多台处理器在“云计算”环境或“软件即服务”(SaaS)中支持相关操作的执行。例如，部分操作可以由一组计算机(如包含处理器的机器)执行，这部分操作可通过网络(如互联网)和适当接口(如APIs)访问。

图8是内部执行指令的移动装置机器的框图，该机器执行本发明的实施方法。一些具体实施方案中，该机器作为一个独立装置或连接其他机器进行操作。在网络部署中，该机器在服务器客户端网络环境中操作，或作为点对点(或分布式)网络环境中的个别系统操作。该机器可能是个人电脑(PC)，平板电脑，机顶盒，掌上电脑，手机，网络网关，网络路由器，网桥或交换机，或可以执行指令的机器(相继的或以其他方式)，指令将动作指定给该机器。此外，说明一个机器时，该词“机器”包含任意机器的集合，单独或共同执行一组(或多组)指令以执行本发明的实施方案。

范例计算机系统1500包含一个处理器1502(如中央处理器，图形处理器，或两者并存)，一个主存储器1501，一个静态存储器1506，它们通过总线1508互相传输。计算机系统1500还可以包含一个显示单元1510，一个字母数字输入器1517(如键盘)，一个用户界面导航装置1511(如鼠标)。某具体实施方案中，显示输入装置和鼠标控制装置是触屏显示装置。计算机系统1500还包含储存装置(驱动单元1516)，信号发生器1518(如扬声器)，网络接口装置1520，一个或多个传感器1521，如GPS传感器，指南针传感器，加速度传感器或其他传感器。

驱动单元1516包含机器可读媒体1522，该媒体储存一组或多组指令和数据结构(如软件1523)，体现在并运用于本发明的方法中。软件1523在计算机系统1500执行过程中全部或部分驻留在主存储器1501和处理器1502，主存储器1501和处理器1502构成机器可读媒体。

“机器可读媒体”可以包含一个独媒体或多媒体(如集中式或分散式数据库，相关缓存和服务器)，该媒体储存一个或多个指令。“机器可读媒体”也可以包含任意有形媒体，可以为操作机器储存、编码、执行指令，从而使机器执行本发明的实施方案。该媒体也可以储存、编码、执行与指令相关或被指令运用的数据结构。据此“机器可读媒体”包含光学媒体和磁性媒体，但并不是说它只包含这两种媒体。“机器可读媒体”具体包含非易失性存储器，该存储器包括半导体存储装置，如可擦除可编程ROM，电可擦可编程ROM，闪存装置，磁盘，如内置硬盘，移动硬盘，磁光盘，CD，DVD。

软件1523还可以在传输网络1526上传输或接收，该过程可以运用任一常用传输协议(如HTTP)的网络接口装置1520通过传输媒体实现。具体说来，传输网络包括一个局域网(LAN)，一个广域网(WAN)，互联网，手机网络，普通老式电话业务网络，和无线数据网络(如WiFi和WiMax无线网络)。“传输媒体”包含可以通过机器储存、编码、执行指令的任意有形媒体，数字或模拟通信信号或其他支持该软件传输的有形媒体。

本发明具体实施时会与上述实施方案有很大出入，但并不脱离本发明的技艺精神。本发明的详细说明和附图仅仅是为清楚起见，附图所示的实施方案，仅说明部分内容，不限制其他实施方案的执行。本说明对具体实施方案的大量细节描述，足以使本领域技术人员掌握并指导本发明的实施。依据本说明可以启用其他实施方案，在不脱离本发明精神的前提下实现结构和逻辑的替换和变更。据此，倘若本发明的这些修改和变型属于本发明权利要求及同等技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种由计算机执行对搜索结果排序的方法，包括以下步骤：

从客户端计算系统接收对商品清单绩效数据，商品清单绩效算法，商品清单绩效分数的请求。商品清单绩效数据用于在线交易应用程序的商品清单绩效算法，商品清单绩效算法用于生成商品清单绩效分数，由在线交易服务托管，商品清单绩效分数在用户自主搜索时对显示在搜索结果中的商品排序；

处理请求以识别相关商品清单数据；以及

将相关商品清单数据传输至客户端计算系统，并呈现给用户。

2.根据权利要求1所述的方法，其特征在于，该请求指明商品所属类别，相关商品清单绩效数据包括该类别商品的商品清单绩效数据。

3.根据权利要求1所述的方法，其特征在于，对于该类别的商品，商品清单绩效数据中的商品信息来源于：商品展示数，商品净点击率，商品每展示一次的销售比率。

4.根据权利要求1所述的方法，还包括以下步骤：

将集合商品清单绩效数据传输至客户端计算系统。该数据是用户搜索关键词时出现在搜索结果首页的所有商品的商品清单绩效数据。

5.根据权利要求1所述的方法，还包括以下步骤：

将相关商品清单绩效数据传输至客户端计算系统，呈现给用户之后，接收对某商品的商品清单绩效数据的另一项请求；以及

将额外的相关商品清单绩效数据传输至客户端系统，以呈现给用户。

6.一个处理系统，包括：

至少一台处理器；以及

一个机器可读媒体，与至少一台处理器相连，该机器可读媒体储存一个商品清单绩效数据引擎模块，由至少一台处理器执行，商品清单绩效数据引擎模块由至少一台处理器执行以实施操作，该操作包含如下步骤：

从客户端计算系统接收对商品清单绩效数据，商品清单绩效算法，商品清单绩效分数的请求。商品清单绩效数据用于在线交易应用程序的商品清单绩效算法，商品清单绩效算法用于生成商品清单绩效分数，由在线交易服务托管，商品清单绩效分数在用户自主搜索时对显示在搜索结果中的商品排序；

处理请求以识别相关商品清单数据；以及

将相关商品清单数据传输至客户端计算系统，并呈现给用户。

7.根据权利要求6所述的处理系统，其特征在于，该请求指明商品所属类别，相关商品清单绩效数据包括该类别商品的商品清单绩效数据。

8.根据权利要求6所述的处理系统，其特征在于，对于该类别的商品，商品清单绩效数据中的商品信息来源于：商品展示数，商品净点击率，商品每展示一次的销售比率。

9.根据权利要求6所述的处理系统，该操作还包括以下步骤：

将相关商品清单绩效数据传输至客户端计算系统，呈现给用户之后，接收对某商品的商品清单绩效数据另一项请求；以及

将额外的相关商品清单绩效数据传输至客户端系统，以呈现给用户。

10.一个商品清单绩效数据引擎模块用于配置处理API请求，从而重新获取卖家商品的商品清单绩效数据，商品清单绩效数据用于获取商品清单绩效分数，商品清单绩效分数决定用户搜索某关键词时出现的商品在一组搜索结果中的位置。

Images