CN106844371A - 搜索优化方法和装置 - Google Patents
搜索优化方法和装置 Download PDFInfo
- Publication number
- CN106844371A CN106844371A CN201510882648.0A CN201510882648A CN106844371A CN 106844371 A CN106844371 A CN 106844371A CN 201510882648 A CN201510882648 A CN 201510882648A CN 106844371 A CN106844371 A CN 106844371A
- Authority
- CN
- China
- Prior art keywords
- seller user
- seller
- user
- keyword
- mentioned
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000000694 effects Effects 0.000 claims abstract description 57
- 230000036541 health Effects 0.000 claims description 43
- 238000005259 measurement Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 8
- 239000004744 fabric Substances 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 10
- 230000008901 benefit Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000009897 systematic effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001795 light effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提出一种搜索优化方法和装置，上述搜索优化方法包括：根据卖家用户在网站的历史数据，确定推荐给所述卖家用户的关键词；根据所述关键词与所述卖家用户发布的产品的相关性，以及所述卖家用户发布的产品在所述关键词下的曝光量，从产品维度和卖家维度向所述卖家用户提供优化建议；根据所述优化建议，以及所述卖家用户是否完成了所述优化建议对应的优化操作，调整所述卖家用户的得分。本申请极大地缩短了卖家用户从优化到获得评估效果的周期，在不需要通过类似试错的方式反复摸索的情况下，提高了卖家用户通过正当途径优化的积极性，促进了卖家用户之间良性竞争关系的形成，最终可以更好地满足买家用户的需求。
Description
技术领域
本申请涉及电子商务技术领域，尤其涉及一种搜索优化方法和装置。
背景技术
在信息展示类电子商务搜索网站中，买家、卖家和网站平台，三者共同构成了完整的生态环境。从网站运营的情况看，买家和卖家的利益并不是完全一致的。站在卖家的角度，网站卖家提高自身产品在网站内曝光效果，可以更多的吸引潜在买家的注意，从而增大达成交易的概率。然而在每一个卖家最大化自身效果的同时，网站对买家需求的整体满足程度并不会直接得到提升。例如：
1)卖家为了捕获行业内的更多流量，会通过大量发布产品的方式，使产品标题匹配到流量中的关键词；
2)卖家为了提升已覆盖流量内的产品排名和转化率，会通过对自身产品刷点击和刷询盘的方式提升产品在排序因子中的得分，来牟取不正当的排名提升。
从买家的角度看，网站买家希望以最高的效率搜索到满足需求的商品。卖家不正当的竞争使得网站对买家的服务效率下降，甚至使部分质量并不过关的产品拥有大量的曝光机会，使买家受到欺骗，也影响到网站的声誉。
发明内容
本申请的目的旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本申请的第一个目的在于提出一种搜索优化方法。该方法通过明示卖家用户在特定关键词中相关产品的买家偏好、产品质量和未满足的运营规则，极大地缩短了卖家用户从优化到获得评估效果的周期，在不需要通过类似试错的方式反复摸索的情况下，提高了卖家用户通过正当途径优化的积极性，促进了卖家用户之间良性竞争关系的形成，最终可以更好地满足买家用户的需求。
本申请的第二个目的在于提出一种搜索优化装置。
为了实现上述目的，本申请第一方面实施例的搜索优化方法，包括：根据卖家用户在网站的历史数据，确定推荐给所述卖家用户的关键词，所述推荐给所述卖家用户的关键词包括系统推荐词，所述系统推荐词包括基于所述卖家用户自身效果的推荐词；根据所述关键词与所述卖家用户发布的产品的相关性，以及所述卖家用户发布的产品在所述关键词下的曝光量，从产品维度和卖家维度向所述卖家用户提供优化建议；根据所述优化建议，以及所述卖家用户是否完成了所述优化建议对应的优化操作，调整所述卖家用户的得分。
本申请实施例的搜索优化方法，根据卖家用户在网站的历史数据，确定推荐给上述卖家用户的关键词，然后根据上述关键词与上述卖家用户发布的产品的相关性，以及上述卖家用户发布的产品在上述关键词下的曝光量，从产品维度和卖家维度向上述卖家用户提供优化建议，最后根据上述优化建议，以及上述卖家用户是否完成了上述优化建议对应的优化操作，调整上述卖家用户的得分，从而可以通过明示卖家用户在特定关键词中相关产品的买家偏好、产品质量和未满足的运营规则，极大地缩短了卖家用户从优化到获得评估效果的周期，在不需要通过类似试错的方式反复摸索的情况下，提高了卖家用户通过正当途径优化的积极性，使卖家用户的优化方向与网站整体优化方向一致，并可以促进卖家用户之间良性竞争关系的形成，最终可以更好地满足买家用户的需求。
为了实现上述目的，本申请第二方面实施例的搜索优化装置，包括：确定模块，用于根据卖家用户在网站的历史数据，确定推荐给所述卖家用户的关键词，所述推荐给所述卖家用户的关键词包括系统推荐词，所述系统推荐词包括基于所述卖家用户自身效果的推荐词；提供模块，用于根据所述确定模块确定的关键词与所述卖家用户发布的产品的相关性，以及所述卖家用户发布的产品在所述确定模块确定的关键词下的曝光量，从产品维度和卖家维度向所述卖家用户提供优化建议；调整模块，用于根据所述提供模块提供的优化建议，以及所述卖家用户是否完成了所述优化建议对应的优化操作，调整所述卖家用户的得分。
本申请实施例的搜索优化装置，确定模块根据卖家用户在网站的历史数据，确定推荐给上述卖家用户的关键词，然后提供模块根据上述关键词与上述卖家用户发布的产品的相关性，以及上述卖家用户发布的产品在上述关键词下的曝光量，从产品维度和卖家维度向上述卖家用户提供优化建议，最后调整模块根据上述优化建议，以及上述卖家用户是否完成了上述优化建议对应的优化操作，调整上述卖家用户的得分，从而可以通过明示卖家用户在特定关键词中相关产品的买家偏好、产品质量和未满足的运营规则，极大地缩短了卖家用户从优化到获得评估效果的周期，在不需要通过类似试错的方式反复摸索的情况下，提高了卖家用户通过正当途径优化的积极性，使卖家用户的优化方向与网站整体优化方向一致，并可以促进卖家用户之间良性竞争关系的形成，最终可以更好地满足买家用户的需求。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请搜索优化方法一个实施例的流程图；
图2为本申请搜索优化方法中搜索排序调分的实现示意图；
图3为本申请搜索优化方法另一个实施例的流程图；
图4为本申请搜索优化装置一个实施例的结构示意图；
图5为本申请搜索优化装置另一个实施例的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。相反，本申请的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
图1为本申请搜索优化方法一个实施例的流程图，如图1所示，该搜索优化方法可以包括：
步骤101，根据卖家用户在网站的历史数据，确定推荐给上述卖家用户的关键词，上述推荐给上述卖家用户的关键词包括系统推荐词，上述系统推荐词包括基于上述卖家用户自身效果的推荐词。
具体地，根据卖家用户在网站的历史数据，确定推荐给上述卖家用户的关键词可以为：根据卖家用户在网站的历史数据，获得上述卖家用户的关键词中曝光量和点击量之一或组合的排名在预定名次之前的关键词作为基于上述卖家用户自身效果的推荐词。
另外，上述系统推荐词还可以包括：基于上述卖家用户的同行效果的推荐词；则根据卖家用户在网站的历史数据，确定推荐给上述卖家用户的关键词可以为：根据上述卖家用户在网站的历史数据，获得在所有卖家用户上的平均点击率比在上述卖家用户上的平均点击率高出预定倍数的关键词，作为基于上述卖家用户的同行效果的推荐词。
其中，上述预定名次可以在具体实现时根据系统性能和/或实现需求等自行设定，本实施例对上述预定名次的大小不作限定，举例来说，上述预定名次可以为100。
其中，上述预定倍数可以在具体实现时根据系统性能和/或实现需求等自行设定，本实施例对上述预定倍数的大小不作限定，举例来说，上述预定倍数可以为1.5。
本实施例中，上述网站的服务器可以根据卖家用户过去一段时间在网站内的实际表现(即卖家用户过去一段时间在上述网站的历史数据)，给出该卖家用户需要重点关注的关键词，上述关键词既包括卖家用户产生转化的主要流量来源(即基于上述卖家用户自身效果的推荐词)，也包括与上述卖家用户同行业的其他卖家用户产生好的效果，但该卖家用户并未有太多产品覆盖到的流量(即基于上述卖家用户的同行效果的推荐词)。
在具体实现时，上述网站的服务器可以根据上述卖家用户在上述网站的历史数据，每天计算得到一批系统推荐词，然后经过实时数据服务同步到前端页面。
其中，上述系统推荐词包括基于上述卖家用户自身效果的推荐词和基于上述卖家用户的同行效果的推荐词。下面分别叙述这两类推荐词的含义。
1)基于上述卖家用户自身效果的推荐词，是上述卖家用户曝光量和/或点击量排名在预定名次之前的关键词；例如：可以按照式(1)获得的分数对关键词进行排名，排名在100名之前的关键词将作为基于上述卖家用户自身效果的推荐词被推荐出来，如果上述卖家用户的关键词不足100，则按实际数量进行推荐。
Scoreself-recommand＝weightpv×pv+weightclick×click (1)
式(1)中，Scoreself-recommand为上述卖家用户的关键词的得分，weightpv为上述卖家用户的关键词的曝光量的权重，weightpv＝1；pv为上述卖家用户的关键词的曝光量；weightclick为上述卖家用户的关键词的点击量的权重，weightclick＝10；click为上述卖家用户的关键词的点击量。
2)基于上述卖家用户的同行效果的推荐词，这类关键词在上述卖家用户下有少量的曝光量，但基于上述卖家用户自身效果的规则不会被推荐出来，但这类关键词在所有卖家用户上的平均点击率高于在上述卖家用户上的平均点击率的1.5倍时，确定这类关键词为基于上述卖家用户的同行效果的推荐词，认为上述卖家用户应该用更多的产品覆盖这类关键词所对应的流量，公式描述可以如式(2)所示。
式(2)中，Ctr(·)表示平均点击率；companyi为卖家用户，i为卖家用户的标号，n为所有卖家用户的总数；wordj即为基于上述卖家用户的同行效果的推荐词，j为基于上述卖家用户的同行效果的推荐词的标号，m为基于上述卖家用户的同行效果的推荐词的总数。
本实施例中，客户自填词是前端页面接收到卖家用户的关注请求，将客户自填词缓存在前端数据库。后端数据库每天从前端数据库中读取一次客户自填词，并在计算相关诊断建议数据后将客户自填词与系统推荐词合并。
步骤102，根据上述关键词与上述卖家用户发布的产品的相关性，以及上述卖家用户发布的产品在上述关键词下的曝光量，从产品维度和卖家维度向上述卖家用户提供优化建议。
其中，上述产品维度可以包括：上述卖家用户所发布产品的信息的质量，以及上述卖家用户所发布产品的评估质量；具体地，产品维度可以提供产品标题、产品内容和/或产品图片等维度的信息质量，以及是否有作弊信息、是否加入了橱窗产品等维度的评估质量。上述卖家用户所发布产品在上述产品维度的质量越高，越容易受到买家用户的青睐，在同类型产品的排序中越占优势。
上述卖家维度可以包括上述卖家用户服务意愿的度量，以及上述卖家用户管理能力的度量。其中，上述卖家用户服务意愿的度量可以包括上述卖家用户是否加入信保、一达通、询盘回复率和/或报价请求(Request For Quotation；以下简称：RFQ)回复率等指标，排名靠前的卖家用户将作为优质卖家用户在排序中获得更多优势；上述卖家用户管理能力的度量可以包括卖家用户整体的重复铺货产品量和/或零效果产品量等指标，管理能力低于同行的卖家用户将一定程度上在排序中受到打压，直到优化自己的账号状态为止。
步骤103，根据上述优化建议，以及上述卖家用户是否完成了上述优化建议对应的优化操作，调整上述卖家用户的得分。
具体地，根据上述优化建议，以及上述卖家用户是否完成了上述优化建议对应的优化操作，调整上述卖家用户的得分可以为：确定上述卖家用户完成的优化操作中，每一类优化建议对应的调分计算公式；通过上述调分计算公式，根据上述网站的运营规则计算上述优化建议中的数据所对应的调分分值，并消解不同优化建议之间的调分冲突。
具体地，在获得每个卖家用户的关键词和优化建议之后，可以根据上述优化建议，以及上述卖家用户是否完成了上述优化建议对应的优化操作，调整上述卖家用户的得分。图2为本申请搜索优化方法中搜索排序调分的实现示意图，如图2所示，离线优化建议索引中存储了卖家维度和产品维度的优化建议的标签，用于标识是哪一类的建议已经优化或尚未完成。
同时通过读入上述网站的运营规则，确定每一类优化建议对应的调分计算公式。然后，通过上述调分计算公式，根据上述网站的运营规则计算上述优化建议中的数据所对应的调分分值，并消解不同优化建议之间的调分冲突。
其中，调分冲突消解逻辑可以为：
1、产品维度或卖家维度内：
1)各模块加/减分、加/减档冲突时以减分、减档为准，加分、加档不生效；
2)各模块同时加/减分(绝对值)时，分数累加；
3)各模块同时加/减档位时，档位取有变化的最大档位；
4)各模块同时乘以百分比打折时，打折百分比取打折的最大力度(按百分比扣分只减分，不加分)。
2、产品维度和卖家维度之间：
1)加/减分、加/减档位互相独立，分数和档位加分、减分结果叠加；
2)可能出现的情况是卖家维度加分，而卖家维度的某一个具体产品减分；
离线优化建议索引中的数据通过以上逻辑被写入静态排序索引，并在线上搜索引擎中读入上述静态排序索引，进而确定调分、调档的对应分值，从而调整卖家用户的得分，并最终影响排序结果。
上述搜索优化方法中，根据卖家用户在网站的历史数据，确定推荐给上述卖家用户的关键词，然后根据上述关键词与上述卖家用户发布的产品的相关性，以及上述卖家用户发布的产品在上述关键词下的曝光量，从产品维度和卖家维度向上述卖家用户提供优化建议，最后根据上述优化建议，以及上述卖家用户是否完成了上述优化建议对应的优化操作，调整上述卖家用户的得分，从而可以通过明示卖家用户在特定关键词中相关产品的买家偏好、产品质量和未满足的运营规则，极大地缩短了卖家用户从优化到获得评估效果的周期，在不需要通过类似试错的方式反复摸索的情况下，提高了卖家用户通过正当途径优化的积极性，使卖家用户的优化方向与网站整体优化方向一致，并可以促进卖家用户之间良性竞争关系的形成，最终可以更好地满足买家用户的需求。
图3为本申请搜索优化方法另一个实施例的流程图，如图3所示，步骤103之后，还可以包括：
步骤301，根据上述卖家用户的关键词，确定上述卖家用户的健康度。
具体地，根据上述卖家用户的关键词，确定上述卖家用户的健康度可以为：根据上述关键词的曝光竞争度和点击竞争度确定上述关键词的健康度评分；对上述卖家用户所有关键词的健康度评分进行加权平均，获得上述卖家用户的健康度。
其中，上述卖家用户的健康度是卖家用户在同行中竞争度的指标，用于量化卖家用户的优化效果。其定义的核心在于，健康度只与买家用户的偏好相关，与卖家用户对优化建议的完成程度无关。为了确定健康度，先介绍与之相关的指标：
1)关键词曝光竞争度，反映了上述卖家用户的关键词在与其同时曝光的竞争对手上的曝光数的排名百分比，取值范围是[0,1]，数值越大说明上述卖家用户的关键词的曝光量在同行中越占优势，计算公式可以如式(3)所示。
式(3)中，wordPvScore为关键词曝光竞争度；competitor′s pv为上述卖家用户的关键词在同行中的曝光量；current word′s pv为上述卖家用户的关键词在上述卖家用户中的曝光量；为上述卖家用户的关键词在上述卖家用户的所有同行中的曝光量，comp指卖家用户，word指卖家用户，i为卖家用户的标号，n为上述卖家用户的所有同行的总数；currentpv(comp，word)为上述卖家用户的关键词在该卖家用户的曝光量。
2)关键词点击竞争度，反映了上述卖家用户的关键词在与其同时曝光的竞争对手上的点击数的排名百分比，取值范围是[0,1]，数值越大说明上述卖家用户的关键词的点击量在同行中越占优势，计算公式可以如式(4)所示。
式(4)中，wordClickScore为关键词点击竞争度；competitor′s click为上述卖家用户的关键词在同行中的点击数；current word′s click为上述卖家用户的关键词在上述卖家用户中的点击数；为上述卖家用户的关键词在上述卖家用户的所有同行中的点击量，comp指卖家用户，word指卖家用户，i为卖家用户的标号，n为上述卖家用户的所有同行的总数；currentclick(comp，word)为上述卖家用户的关键词在该卖家用户的点击量。
3)关键词健康度评分，反映了上述卖家用户关键词在与其同时曝光的竞争对手上的曝光效果的优势程度，计算公式可以如式(5)所示。
wordHealthScore＝wordPvScore×weightpv+wordClickScore×weightclick (5)
式(5)中，wordHealthScore为关键词的健康度评分；wordPvScore为关键词曝光竞争度；wordClickScore为关键词点击竞争度；weightpv为关键词曝光竞争度的权重，weightclick为关键词点击竞争度的权重，weightpv＝weightclick＝0.5。
也就是说，可以根据上述关键词的曝光竞争度和点击竞争度确定上述关键词的健康度评分。
4)卖家用户的健康度，由该卖家用户的所有关键词的健康度评分进行加权平均获得，如式(6)所示。
式(6)中，compHealthScore为卖家用户的健康度，为卖家用户所有关键词的曝光量，i为上述卖家用户的关键词的标号，num of word为上述卖家用户所有关键词的总数，wordHealthScorei为上述卖家用户的关键词的健康度评分。
步骤302，将上述卖家用户的健康度显示给上述卖家用户。
本实施例中，上述卖家用户的健康度每天计算一次，最终的计算结果将显示在卖家用户诊断优化页面的醒目位置，为卖家用户提供独立于具体优化建议的、客观的优化效果量化指标。从而可以实现根据买家偏好，量化卖家在同行中的竞争度，进而得到作为优化目标的卖家用户的健康度，使卖家用户可以在优化后看到优化效果的客观评价。
图4为本申请搜索优化装置一个实施例的结构示意图，本实施例中的搜索优化装置可以作为网站的服务器，或者网站的服务器的一部分实现本申请图1和图3所示实施例的流程，如图4所示，上述搜索优化装置可以包括：确定模块41、提供模块42和调整模块43；
其中，确定模块41，用于根据卖家用户在网站的历史数据，确定推荐给上述卖家用户的关键词，上述推荐给上述卖家用户的关键词包括系统推荐词，上述系统推荐词包括基于上述卖家用户自身效果的推荐词；
本实施例中，确定模块41，具体用于根据卖家用户在网站的历史数据，获得上述卖家用户的关键词中曝光量和点击量之一或组合的排名在预定名次之前的关键词作为基于上述卖家用户自身效果的推荐词。
上述系统推荐词还可以包括：基于上述卖家用户的同行效果的推荐词；
则确定模块41，具体用于根据上述卖家用户在网站的历史数据，获得在所有卖家用户上的平均点击率比在上述卖家用户上的平均点击率高出预定倍数的关键词，作为基于上述卖家用户的同行效果的推荐词。
其中，上述预定名次可以在具体实现时根据系统性能和/或实现需求等自行设定，本实施例对上述预定名次的大小不作限定，举例来说，上述预定名次可以为100。
其中，上述预定倍数可以在具体实现时根据系统性能和/或实现需求等自行设定，本实施例对上述预定倍数的大小不作限定，举例来说，上述预定倍数可以为1.5。
本实施例中，确定模块41可以根据卖家用户过去一段时间在网站内的实际表现(即卖家用户过去一段时间在上述网站的历史数据)，给出该卖家用户需要重点关注的关键词，上述关键词既包括卖家用户产生转化的主要流量来源(即基于上述卖家用户自身效果的推荐词)，也包括与上述卖家用户同行业的其他卖家用户产生好的效果，但该卖家用户并未有太多产品覆盖到的流量(即基于上述卖家用户的同行效果的推荐词)。
在具体实现时，确定模块41可以根据上述卖家用户在上述网站的历史数据，每天计算得到一批系统推荐词，然后经过实时数据服务同步到前端页面。
其中，上述系统推荐词包括基于上述卖家用户自身效果的推荐词和基于上述卖家用户的同行效果的推荐词。下面分别叙述这两类推荐词的含义。
1)基于上述卖家用户自身效果的推荐词，是上述卖家用户曝光量和/或点击量排名在预定名次之前的关键词；例如：可以按照式(1)获得的分数对关键词进行排名，排名在100名之前的关键词将作为基于上述卖家用户自身效果的推荐词被推荐出来，如果上述卖家用户的关键词不足100，则按实际数量进行推荐。
2)基于上述卖家用户的同行效果的推荐词，这类关键词在上述卖家用户下有少量的曝光量，但基于上述卖家用户自身效果的规则不会被推荐出来，但这类关键词在所有卖家用户上的平均点击率高于在上述卖家用户上的平均点击率的1.5倍时，确定这类关键词为基于上述卖家用户的同行效果的推荐词，认为上述卖家用户应该用更多的产品覆盖这类关键词所对应的流量，公式描述可以如式(2)所示。
本实施例中，客户自填词是前端页面接收到卖家用户的关注请求，将客户自填词缓存在前端数据库。后端数据库每天从前端数据库中读取一次客户自填词，并在计算相关诊断建议数据后将客户自填词与系统推荐词合并。
提供模块42，用于根据确定模块41确定的关键词与上述卖家用户发布的产品的相关性，以及上述卖家用户发布的产品在确定模块41确定的关键词下的曝光量，从产品维度和卖家维度向上述卖家用户提供优化建议。
其中，上述产品维度可以包括：上述卖家用户所发布产品的信息的质量，以及上述卖家用户所发布产品的评估质量；具体地，产品维度可以提供产品标题、产品内容和/或产品图片等维度的信息质量，以及是否有作弊信息、是否加入了橱窗产品等维度的评估质量。上述卖家用户所发布产品在上述产品维度的质量越高，越容易受到买家用户的青睐，在同类型产品的排序中越占优势。
上述卖家维度可以包括上述卖家用户服务意愿的度量，以及上述卖家用户管理能力的度量。其中，上述卖家用户服务意愿的度量可以包括上述卖家用户是否加入信保、一达通、询盘回复率和/或RFQ回复率等指标，排名靠前的卖家用户将作为优质卖家用户在排序中获得更多优势；上述卖家用户管理能力的度量可以包括卖家用户整体的重复铺货产品量和/或零效果产品量等指标，管理能力低于同行的卖家用户将一定程度上在排序中受到打压，直到优化自己的账号状态为止。
调整模块43，用于根据提供模块42提供的优化建议，以及上述卖家用户是否完成了上述优化建议对应的优化操作，调整上述卖家用户的得分。
上述搜索优化装置中，确定模块41根据卖家用户在网站的历史数据，确定推荐给上述卖家用户的关键词，然后提供模块42根据上述关键词与上述卖家用户发布的产品的相关性，以及上述卖家用户发布的产品在上述关键词下的曝光量，从产品维度和卖家维度向上述卖家用户提供优化建议，最后调整模块43根据上述优化建议，以及上述卖家用户是否完成了上述优化建议对应的优化操作，调整上述卖家用户的得分，从而可以通过明示卖家用户在特定关键词中相关产品的买家偏好、产品质量和未满足的运营规则，极大地缩短了卖家用户从优化到获得评估效果的周期，在不需要通过类似试错的方式反复摸索的情况下，提高了卖家用户通过正当途径优化的积极性，使卖家用户的优化方向与网站整体优化方向一致，并可以促进卖家用户之间良性竞争关系的形成，最终可以更好地满足买家用户的需求。
图5为本申请搜索优化装置另一个实施例的结构示意图，与图4所示的搜索优化装置相比，不同之处在于，图5所示的搜索优化装置中，调整模块43可以包括：公式确定子模块431和计算子模块432；
其中，公式确定子模块431，用于确定上述卖家用户完成的优化操作中，每一类优化建议对应的调分计算公式；
计算子模块432，用于通过上述调分计算公式，根据上述网站的运营规则计算上述优化建议中的数据所对应的调分分值，并消解不同优化建议之间的调分冲突。
具体地，在获得每个卖家用户的关键词和优化建议之后，调整模块43可以根据上述优化建议，以及上述卖家用户是否完成了上述优化建议对应的优化操作，调整上述卖家用户的得分。如图2所示，离线优化建议索引中存储了卖家维度和产品维度的优化建议的标签，用于标识是哪一类的建议已经优化或尚未完成。
公式确定子模块431可以通过读入上述网站的运营规则，确定每一类优化建议对应的调分计算公式。然后，计算子模块432通过上述调分计算公式，根据上述网站的运营规则计算上述优化建议中的数据所对应的调分分值，并消解不同优化建议之间的调分冲突。
其中，调分冲突消解逻辑可以为：
1、产品维度或卖家维度内：
1)各模块加/减分、加/减档冲突时以减分、减档为准，加分、加档不生效；
2)各模块同时加/减分(绝对值)时，分数累加；
3)各模块同时加/减档位时，档位取有变化的最大档位；
4)各模块同时乘以百分比打折时，打折百分比取打折的最大力度(按百分比扣分只减分，不加分)。
2、产品维度和卖家维度之间：
1)加/减分、加/减档位互相独立，分数和档位加分、减分结果叠加；
2)可能出现的情况是卖家维度加分，而卖家维度的某一个具体产品减分；
离线优化建议索引中的数据通过以上逻辑被写入静态排序索引，并在线上搜索引擎中读入上述静态排序索引，进而确定调分、调档的对应分值，从而调整卖家用户的得分，并最终影响排序结果。
进一步地，上述搜索优化装置还可以包括：显示模块44；
确定模块41，还用于根据上述卖家用户的关键词，确定上述卖家用户的健康度；本实施例中，确定模块41，具体用于根据上述关键词的曝光竞争度和点击竞争度确定上述关键词的健康度评分；以及对上述卖家用户所有关键词的健康度评分进行加权平均，获得上述卖家用户的健康度。
其中，上述卖家用户的健康度是卖家用户在同行中竞争度的指标，用于量化卖家用户的优化效果。其定义的核心在于，健康度只与买家用户的偏好相关，与卖家用户对优化建议的完成程度无关。为了确定健康度，先介绍与之相关的指标：
1)关键词曝光竞争度，反映了上述卖家用户的关键词在与其同时曝光的竞争对手上的曝光数的排名百分比，取值范围是[0,1]，数值越大说明上述卖家用户的关键词的曝光量在同行中越占优势，计算公式可以如式(3)所示。
2)关键词点击竞争度，反映了上述卖家用户的关键词在与其同时曝光的竞争对手上的点击数的排名百分比，取值范围是[0,1]，数值越大说明上述卖家用户的关键词的点击量在同行中越占优势，计算公式可以如式(4)所示。
3)关键词健康度评分，反映了上述卖家用户关键词在与其同时曝光的竞争对手上的曝光效果的优势程度，计算公式可以如式(5)所示。从式(5)可以看出，可以根据上述关键词的曝光竞争度和点击竞争度确定上述关键词的健康度评分。
4)卖家用户的健康度，由该卖家用户的所有关键词的健康度评分进行加权平均获得，如式(6)所示。
显示模块44，用于将确定模块41确定的卖家用户的健康度显示给上述卖家用户。
本实施例中，上述卖家用户的健康度每天计算一次，最终的计算结果将由显示模块44显示在卖家用户诊断优化页面的醒目位置，为卖家用户提供独立于具体优化建议的、客观的优化效果量化指标。从而可以实现根据买家偏好，量化卖家在同行中的竞争度，进而得到作为优化目标的卖家用户的健康度，使卖家用户可以在优化后看到优化效果的客观评价。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。另外，在本申请的描述中，“A/B”表示A或B；“A和/或B”表示A或B，或者A和B。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(Programmable Gate Array；以下简称：PGA)，现场可编程门阵列(Field ProgrammableGate Array；以下简称：FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (14)
1.一种搜索优化方法，其特征在于，包括：
根据卖家用户在网站的历史数据，确定推荐给所述卖家用户的关键词，所述推荐给所述卖家用户的关键词包括系统推荐词，所述系统推荐词包括基于所述卖家用户自身效果的推荐词；
根据所述关键词与所述卖家用户发布的产品的相关性，以及所述卖家用户发布的产品在所述关键词下的曝光量，从产品维度和卖家维度向所述卖家用户提供优化建议；
根据所述优化建议，以及所述卖家用户是否完成了所述优化建议对应的优化操作，调整所述卖家用户的得分。
2.根据权利要求1所述的方法，其特征在于，所述根据卖家用户在网站的历史数据，确定推荐给所述卖家用户的关键词包括：
根据卖家用户在网站的历史数据，获得所述卖家用户的关键词中曝光量和点击量之一或组合的排名在预定名次之前的关键词作为基于所述卖家用户自身效果的推荐词。
3.根据权利要求1所述的方法，其特征在于，所述系统推荐词还包括：基于所述卖家用户的同行效果的推荐词；
所述根据卖家用户在网站的历史数据，确定推荐给所述卖家用户的关键词包括：
根据所述卖家用户在网站的历史数据，获得在所有卖家用户上的平均点击率比在所述卖家用户上的平均点击率高出预定倍数的关键词，作为基于所述卖家用户的同行效果的推荐词。
4.根据权利要求1所述的方法，其特征在于，所述产品维度包括：所述卖家用户所发布产品的信息的质量，以及所述卖家用户所发布产品的评估质量；
所述卖家维度包括所述卖家用户服务意愿的度量，以及所述卖家用户管理能力的度量。
5.根据权利要求1所述的方法，其特征在于，所述根据所述优化建议，以及所述卖家用户是否完成了所述优化建议对应的优化操作，调整所述卖家用户的得分包括：
确定所述卖家用户完成的优化操作中，每一类优化建议对应的调分计算公式；
通过所述调分计算公式，根据所述网站的运营规则计算所述优化建议中的数据所对应的调分分值，并消解不同优化建议之间的调分冲突。
6.根据权利要求1-5任意一项所述的方法，其特征在于，所述根据所述优化建议，以及所述卖家用户是否完成了所述优化建议对应的优化操作，调整所述卖家用户的得分之后，还包括：
根据所述卖家用户的关键词，确定所述卖家用户的健康度；
将所述卖家用户的健康度显示给所述卖家用户。
7.根据权利要求6所述的方法，其特征在于，所述根据所述卖家用户的关键词，确定所述卖家用户的健康度包括：
根据所述关键词的曝光竞争度和点击竞争度确定所述关键词的健康度评分；
对所述卖家用户所有关键词的健康度评分进行加权平均，获得所述卖家用户的健康度。
8.一种搜索优化装置，其特征在于，包括：
确定模块，用于根据卖家用户在网站的历史数据，确定推荐给所述卖家用户的关键词，所述推荐给所述卖家用户的关键词包括系统推荐词，所述系统推荐词包括基于所述卖家用户自身效果的推荐词；
提供模块，用于根据所述确定模块确定的关键词与所述卖家用户发布的产品的相关性，以及所述卖家用户发布的产品在所述确定模块确定的关键词下的曝光量，从产品维度和卖家维度向所述卖家用户提供优化建议；
调整模块，用于根据所述提供模块提供的优化建议，以及所述卖家用户是否完成了所述优化建议对应的优化操作，调整所述卖家用户的得分。
9.根据权利要求8所述的装置，其特征在于，
所述确定模块，具体用于根据卖家用户在网站的历史数据，获得所述卖家用户的关键词中曝光量和点击量之一或组合的排名在预定名次之前的关键词作为基于所述卖家用户自身效果的推荐词。
10.根据权利要求8所述的方法，其特征在于，所述系统推荐词还包括：基于所述卖家用户的同行效果的推荐词；
所述确定模块，具体用于根据所述卖家用户在网站的历史数据，获得在所有卖家用户上的平均点击率比在所述卖家用户上的平均点击率高出预定倍数的关键词，作为基于所述卖家用户的同行效果的推荐词。
11.根据权利要求8所述的装置，其特征在于，所述产品维度包括：所述卖家用户所发布产品的信息的质量，以及所述卖家用户所发布产品的评估质量；
所述卖家维度包括所述卖家用户服务意愿的度量，以及所述卖家用户管理能力的度量。
12.根据权利要求8所述的装置，其特征在于，所述调整模块包括：
公式确定子模块，用于确定所述卖家用户完成的优化操作中，每一类优化建议对应的调分计算公式；
计算子模块，用于通过所述调分计算公式，根据所述网站的运营规则计算所述优化建议中的数据所对应的调分分值，并消解不同优化建议之间的调分冲突。
13.根据权利要求8-12任意一项所述的装置，其特征在于，还包括：显示模块；
所述确定模块，还用于根据所述卖家用户的关键词，确定所述卖家用户的健康度；
所述显示模块，用于将所述确定模块确定的卖家用户的健康度显示给所述卖家用户。
14.根据权利要求13所述的装置，其特征在于，
所述确定模块，具体用于根据所述关键词的曝光竞争度和点击竞争度确定所述关键词的健康度评分；以及对所述卖家用户所有关键词的健康度评分进行加权平均，获得所述卖家用户的健康度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510882648.0A CN106844371B (zh) | 2015-12-03 | 2015-12-03 | 搜索优化方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510882648.0A CN106844371B (zh) | 2015-12-03 | 2015-12-03 | 搜索优化方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106844371A true CN106844371A (zh) | 2017-06-13 |
| CN106844371B CN106844371B (zh) | 2020-09-08 |
Family
ID=59150250
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510882648.0A Active CN106844371B (zh) | 2015-12-03 | 2015-12-03 | 搜索优化方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106844371B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107330037A (zh) * | 2017-06-27 | 2017-11-07 | 北京金山安全软件有限公司 | 用于关键词优化的方法、装置以及终端设备 |
| CN109299383A (zh) * | 2018-11-02 | 2019-02-01 | 北京字节跳动网络技术有限公司 | 生成推荐词的方法、装置、电子设备及存储介质 |
| CN110020173A (zh) * | 2017-12-29 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 用于优化搜索排序的方法、装置及电子设备 |
| CN113283965A (zh) * | 2021-06-11 | 2021-08-20 | 武汉智易农批科技有限公司 | 一种选择买家的推荐关键字的方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012149052A1 (en) * | 2011-04-27 | 2012-11-01 | 24/7 Customer, Inc. | Method and apparatus for enhancing customer service experience |
| CN103064984A (zh) * | 2013-01-25 | 2013-04-24 | 清华大学 | 垃圾网页的识别方法及系统 |
| CN103309869A (zh) * | 2012-03-09 | 2013-09-18 | 阿里巴巴集团控股有限公司 | 数据对象的展示关键词推荐方法及系统 |
| CN103377232A (zh) * | 2012-04-25 | 2013-10-30 | 阿里巴巴集团控股有限公司 | 标题关键词推荐方法及系统 |
| CN103679511A (zh) * | 2013-12-18 | 2014-03-26 | 北京博雅立方科技有限公司 | 付费搜索方案优化方法和装置 |
| CN103810180A (zh) * | 2012-11-07 | 2014-05-21 | 江苏仕德伟网络科技股份有限公司 | 一种网站体检评分标准的方法 |
| CN103839178A (zh) * | 2014-02-28 | 2014-06-04 | 珠海市君天电子科技有限公司 | 一种获得商品质量信息的方法及系统 |
| US20150178770A1 (en) * | 2013-12-23 | 2015-06-25 | Nvista Co., Ltd. | Product advertisement management system and method |
| US9201967B1 (en) * | 2012-05-10 | 2015-12-01 | Amazon Technologies, Inc. | Rule based product classification |
-
2015
- 2015-12-03 CN CN201510882648.0A patent/CN106844371B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012149052A1 (en) * | 2011-04-27 | 2012-11-01 | 24/7 Customer, Inc. | Method and apparatus for enhancing customer service experience |
| CN103309869A (zh) * | 2012-03-09 | 2013-09-18 | 阿里巴巴集团控股有限公司 | 数据对象的展示关键词推荐方法及系统 |
| CN103377232A (zh) * | 2012-04-25 | 2013-10-30 | 阿里巴巴集团控股有限公司 | 标题关键词推荐方法及系统 |
| US9201967B1 (en) * | 2012-05-10 | 2015-12-01 | Amazon Technologies, Inc. | Rule based product classification |
| CN103810180A (zh) * | 2012-11-07 | 2014-05-21 | 江苏仕德伟网络科技股份有限公司 | 一种网站体检评分标准的方法 |
| CN103064984A (zh) * | 2013-01-25 | 2013-04-24 | 清华大学 | 垃圾网页的识别方法及系统 |
| CN103679511A (zh) * | 2013-12-18 | 2014-03-26 | 北京博雅立方科技有限公司 | 付费搜索方案优化方法和装置 |
| US20150178770A1 (en) * | 2013-12-23 | 2015-06-25 | Nvista Co., Ltd. | Product advertisement management system and method |
| CN103839178A (zh) * | 2014-02-28 | 2014-06-04 | 珠海市君天电子科技有限公司 | 一种获得商品质量信息的方法及系统 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107330037A (zh) * | 2017-06-27 | 2017-11-07 | 北京金山安全软件有限公司 | 用于关键词优化的方法、装置以及终端设备 |
| CN107330037B (zh) * | 2017-06-27 | 2020-03-27 | 北京金山安全软件有限公司 | 用于关键词优化的方法、装置以及终端设备 |
| CN110020173A (zh) * | 2017-12-29 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 用于优化搜索排序的方法、装置及电子设备 |
| CN110020173B (zh) * | 2017-12-29 | 2023-07-18 | 阿里巴巴集团控股有限公司 | 用于优化搜索排序的方法、装置及电子设备 |
| CN109299383A (zh) * | 2018-11-02 | 2019-02-01 | 北京字节跳动网络技术有限公司 | 生成推荐词的方法、装置、电子设备及存储介质 |
| CN109299383B (zh) * | 2018-11-02 | 2021-11-05 | 北京字节跳动网络技术有限公司 | 生成推荐词的方法、装置、电子设备及存储介质 |
| CN113283965A (zh) * | 2021-06-11 | 2021-08-20 | 武汉智易农批科技有限公司 | 一种选择买家的推荐关键字的方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106844371B (zh) | 2020-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200410531A1 (en) | Methods, systems, and apparatus for enhancing electronic commerce using social media | |
| US9633388B2 (en) | Methods and systems for searching for and identifying data repository deficits | |
| US8108255B1 (en) | Methods and systems for obtaining reviews for items lacking reviews | |
| Ye et al. | Learning from other buyers: The effect of purchase history records in online marketplaces | |
| Graham | Google and advertising: digital capitalism in the context of Post-Fordism, the reification of language, and the rise of fake news | |
| US11610233B2 (en) | Method and system for integration among content publication, advertisement services, and rewards collection | |
| Wei Shi | Crowdfunding: Designing an effective reward structure | |
| US11200593B2 (en) | Predictive recommendation system using tiered feature data | |
| Grimes | Buyer power and retail gatekeeper power: protecting competition and the atomistic seller | |
| Weller et al. | The definitive guide to Google AdWords: Create versatile and powerful marketing and advertising campaigns | |
| CN106844371A (zh) | 搜索优化方法和装置 | |
| US11810151B2 (en) | Predictive recommendation system using tiered feature data | |
| US20140195312A1 (en) | System and method for management of processing workers | |
| Zhuang et al. | The effects of price rank on clicks and conversions in product list advertising on online retail platforms | |
| US11295370B1 (en) | Buyback offers using precalculated cached user data | |
| Giovannoni | Digital marketing planning | |
| Völckner et al. | Applying option thinking to value experiential marketing content | |
| Dowling | Consumer Behavior and Behavioral Biases in the Sharing Economy | |
| KR102653483B1 (ko) | 인공지능에 기반하여 미술품의 가격을 예측하는 방법 | |
| US20220101241A1 (en) | Method for Commercializing and Promoting Talents | |
| Rasool et al. | Word of mouse! What drives consumer voluntarism to write online reviews? | |
| Myo | The Effect of Food Delivery Applications Attributes on Consumer Perceived Value and Attitude in Yangon | |
| Nenonen et al. | Learn Shaping Principles and Plays | |
| Ramrattan et al. | Overview of Price and Nonprice Competition | |
| KAJANAN | POPULARITY AND AUDIENCE MEASUREMENT OF MOBILE APPS: ENABLING EFFECTIVE MOBILE ADVERTISEMENT |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240223 Address after: # 01-21, Lai Zan Da Building 1, 51 Belarusian Road, Singapore Patentee after: Alibaba Singapore Holdings Ltd. Country or region after: Singapore Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands Patentee before: ALIBABA GROUP HOLDING Ltd. Country or region before: Cayman Islands |
|
| TR01 | Transfer of patent right |