数理逻辑推算中，可以知道亚马孙搜索引擎的排名逻辑不是简单的 listing 销量越大其在某关键字搜索结果下排名就越靠前，也不是我们主观逻辑上的“匹配”程度越高排名就越靠前，而是符合以下基本准则:

(1)搜索 keyword 包含于 isting 的标题/广告/关键字中。即使你的产品表现再好，listing 表现再优秀，如果某个 keyword 不包含于listing 的标题/广告关键字中，且该 keyword 无高热度近义词那么无论如何该listing不会存在于搜索界面。举例来说，在部分类目的常用关键词下并不会展示带有橙底白字徽标的“Bestseller”(销量最佳)产品而是展示了带有黑底白字徽标的“Amazons Choice”(亚马逊推荐)产品。

这个逻辑比较容易理解，假设某件产品特别适合 A/B/C 场景或者拥有 A/B/C卖点，而产品题/广告/关键字只包含了A/B 关键字且无C同词/近义词，那么哪怕C属于该产品的“有效关键字”之一，亚马逊也不会将产品在 C相关 keyword的搜索结果下进行呈现。(当然，为了防止这种情况发生，可以使用在捆绑营销review来实现强行关联曝光)。

(2)全部页面呈现的结果符合订单额最大排列。我们知道，订单量=流量 X转化率;订单额=流量X 转化率 客单价。而亚马是根据订单额收取一定比例的佣金，所以对于亚马逊而言，每个 keyword 搜索界面的排列都是符合其自身长期佣金收取额最大原则来排列的。

了解以上两条基本准则后，如何利用广告来提升销量呢?答案只有一个:提升关键字排名。

即在某些高流量关键字的搜索结果下产品 listing 排名前列且拥有较高的点击转化率和订单转化率(点击转化与图片相关，本节主要讲述订单转化率)。

这里涉及两个技术指标:高流量和高转化率。

下面以 Q&A的形式来解答大家可能会有的疑问。

Q:为何高流量?

A: 对于 listing 而言广告流量是助推器，可以在短时间内快速提升整体流量并验证产品在各关键词下的表现效果。假设我们产品的标题为“women loose fitcocktail party elegant long maxidress”,那么如果广告关键字设置为“loose fit cocktailparty long dress”这种与标题/关键字极为重合的精准长尾词时，即使尊龙集团官网产品每次都通过广告可以使该 keyword 搜索排序第一，但是因为关键词本身搜索流量过低。很难引来高流量并促成订单。这时不单损失了销量还浪费了有效推广时间listing 开广告和没开广告一个样，失去了广告推广的意义。

Q:为何要提高订单转化率?

A: 在资金量足够的情况下，任何一家店铺都有机会使用广告把自己的产品listing 推到该类目大类词排序第一的位置。但是这里存在两个问题:1.罔顾产品实际情况强行使用广告手段进行推广，往往回因为产品本身元素/卖点与 A9 搜索引擎具体搜索栏位的不匹配导致广告投入产出比(ACoS)非常高，从而出现“花钱赚吆喝”的不利情况;2.亚马逊对于广告 listing 的展示有一套完整的竞价排名规则，如果你的 listing 占据的最佳展示位却没有与之匹配的曝光点击率和点击转化率，亚马逊会逐步降低该 listing 的曝光量最终产生虽然打了广告但花不出去的尴尬情况。

Q:为何有时开自动/手动广告ACS 非常高?

A: 产品属性与广告推广属性不匹配。每个产品都有各种各样的属性，例如颜色、尺码、价格、款式、评价等。而这些父属性中又有很多子属性，例如服装类目尺码一般包含 XS、S、M、L、XL、XXL 等，标准品价格一般包含单品价格套餐价格、定制价格等。

而某一款产品真正能够热卖的原因是因为其销量非常高，而销量非常高的前提是在匹配的高流量关键字下拥有极其优秀的排名，而我们就是要在这些形形色色的子属性中去找到某个最匹配的属性并通过广告加强其联系。但是，一旦广告加强联系的关键字组合并非产品最大的属性与卖点，那么 ACoS 就会因为转化率极低而变得非常高，

Q:怎么在产品上架时分析各个属性搜索权重呢?

A:我还是以“women loose fit cocktail party elegant long maxi dress”这一标题关键字为例，其产品根属性为“dress”是毋庸置疑的，父属性包含颜色、尺码、价格、款式、评价等，但是由于这是一条裙子，那么款式这一父属性至关重要，根据其标题/关键字，我们可以得出父属性的款式包含如下子属性: loose fit、cocktailparty、elegant、long、maxi。

在一开始上架的时候，其各个子属性的权重及各个子属性的搜索结果。

为什么在“loosefit”上权重较大呢?这是因为其搜索结果在women类目下仅为10000个，远小于其他子属性搜索结果的数值，所以其在“loose fit dress”上的曝光概率相对于其他组合更大。但是需要注意的是，这里是将其标题/关键字直按拆分与根属性“dress”进行组合，在 A9 算法进行匹配时更多会进行二次、三次甚至多次组合，所以我们还是选择刚刚的 6 个子属性进行二次组合，其二次组合各个组合词的权重及各个子属性的搜索结果。

通过二次组合可以发现，虽然之前“loose fit”的子属性权重更高，但是其与其他词汇搭配后会呈现完全不同的权重分布。当然，现在模拟是产品刚刚上架后的各个属性权重的对比，当产品开始曝光后，A9算法会根据产品真实的属性匹配其对应的搜索栏位，关键字/标题的作用会被逐渐弱化。但是即便如此，如果刚刚上架的产品采用的关键字/标题是属于那种流量很大又很多的组合的时候，其子属性的权重很可能会很低，使得产品难以曝光。

与之相对的是，产品某些属性并没有包含在标题/关键字中，那么此时无论其他子属性权重有多高，一旦热卖属性是那个遗漏的词汇或者词组，产品 listing的成长就会非；郝。

这就好比你一开始是一个卖西瓜的瓜农，西瓜的卖点有甜和无仔两个，但是你偏偏只宣传甜这一卖点(即关键字缺少某一卖点或者该子属性权重不大 )，那么即使市场上都是甜西瓜而没有无籽西瓜的时候，消费者也无法获知你产品无仔的特点从而进行购买。

Q:怎么找到匹配产品的子属性(卖点)呢?

A:这里分为两种情况。

第一种情况是该产品属于创意类产品，即之前市场上无/极少该属性( 卖点 )产品，那么其匹配的子属性需要在上架时通过标题/关键字强行赋予且完成关联如图 7-42 所示(这些肚皮包曾在 2017 年末时火极一时)。

而非常匹配该肚皮包的子属性词就是“funny”，所以在上架创意性产品时如果有某一个非常亮眼的属性与创新,可以通过人工方法直接找到其匹配子属性。第二种情况是该产品虽与同类目有所不同，但是其匹配子属性非常模糊，即找不到最大卖点，如果遇到此类产品，完全可以使用关键词优化时的方法制作竞品分析表，并通过手动查询的方法统计在不同关键词的搜索结果页下类似产品出现的频率，找到出现次数最多的一批关键词进行投放。当然卖家也可以通过上架操作与 A9 算法的演算在一段时间 (7~21 天) 找到其产品最匹配子属性，然后通过广告(一般为手动广告 ) 加强其属性与产品的关联度从而提升关键字排名。上架操作就是在上架时，需要确保标题/关键字包含产品主要子属性，不能发生遗漏，其后续操作详见“广告优化方法一概率矩阵匹配法”。

广告优化方法一概率矩阵匹配法。

亚马逊A9 搜索算法的两点性质:

(1)搜索 keyword 包含于listing 的标题/广告/关键字中。

(2)全部页面呈现的结果符合订单额最大排列。

由此可以了解到亚马逊的 A9 算法为了让产品获得最大的销售额必然要在产品 listing 标题/关键字的范围内寻找其最匹配的子属性从而给予不错的关键字排名，那么只要通过某些方法，在产品上架一段时间且拥有一定销量后，通过亚马逊 A9搜索引擎算法的结果呈现分析出产品最匹配的子属性，然后通过广告将其大量曝光即可。当曝光产品匹配子属性时，长期来看 ACOS 不会出现偏高的情况因为亚马逊也不会将一个转化率低的产品给予高的关键字排名，所以如果长期ACoS过高，表明现在广告曝光的属性词非产品匹配属性词。注意，短期ACOS偏高属于正常情况，因为不可能100%盖精准关键字)。

那么我们可以进行以下数理推导。

设某一listing关键字组合为矩阵A:

其中a11~ann都是其关键字排列组合中的一种，即n×n种组合方式。

以“sexy，casual，dress”为例(注意“dress”这种根属性词不需要在矩阵排列中):

排除重复项后可以转变为不会涉及二次组合如“sexy casual dress”，因为该组合可以为“sexy casual+dress”或“sexy+casualdress”或“sexy+ casual+ dress”这种形式，在亚马逊A9算法中，所谓的“大词+长尾词”或者“形容词+名词”等形式都是由该词组矩阵排列组合而来。

在亚马逊搜索引擎中输入各个组合，然后选择相应类目可以获得排名集合 R。

当我们输入“y对应的“子属性词+根属性词”搭配时，可以看到亚马逊搜索引擎对应的该类目的搜索结果的多少。

而搜索结果的多少与搜索排名的多少直接决定了尊龙集团官网产品曝光率是多大，我们设该值为P，根据推算，可以利用流量公式。

其中单日流量为yi(1≤i≤n)，单日曝光量为xi(1≤i≤n)，单日关键字搜索量为fi(1≤i≤n)，单日能搜索到的商品的总数量为ni(1≤i≤n)。

曝光概率Pu 数值的计算中涉及单页流量流失率这一数值，该数值一般可以使用定值 0.3~0.7 不等，也可以通过网页数据抓取得出，但是这只是一参考变量在广告优化阶段无须过于严谨。

那么Py数值的逻辑意义是什么呢?假设一个产品在某一keyword 搜索结果下索到的商品的总数量”y为 10000，排名7为5，那么Py=（1000-5）/1000，约为99.95%，那么就能认为顾客看到该商品的概率为 99.95%，其成功曝光的概率为99.95%。同时，假设一个产品在某一 keyword 搜索结果下索到的商品的总数量”y为10000排名7为100，那么Py=[（10000-100）/10000]×（1-0.6）^3(设流量流失率这一数值为 0.6),约为 6.336%，那么我们就能认为顾客看到该商品的概率为 6.336%，其成功曝光的概率为6.336%。

曝光概率矩阵中的每个元素都可以求出。

之后是分析子属性匹配程度大小。以下一款产品为例。

该产品卖点大致分为:patchwork，maxi，floral，pocket。

删除重复项后依次在搜索引擎搜索子属性及其组合其排名矩阵(以下数据是于2018年5月抓取的，在你阅读本书时可能已经存在较大误差，所以本章数据仅作示范，在实际运营操作中，可以通过手动输入关键字，一个个记录排名数据最后再加以计算即可，进行单次广告概率矩阵优化，需要耗费 20~40 分钟时间)。

设单页流量流失率l,这一数值为 0.5(对于页面流失值较大的类目，可以设置为0.7;对于页面流失值较小的类目，可以设置为0.3)，那曝光概率矩阵为:

曝光矩阵分析过程，单子属性匹配patchwork 以99.65%的曝光率成为最强匹配单个子属性；子属性组合匹配 patchwork+floral 组合以9965%的曝光率成为首行最强配子属性组合；子属性组合匹配maxi+floral 组合以616%的曝光率成为第二行最强匹配子属性组合；子属性组合匹配floralpocket 组合以 12.23%的曝光率成为第三行最强匹配子属性组合。

第四行无子属性组合，因此无强匹配项。

我们可以得到如下结论:

(1)根属性的最强匹配子属性为 patchwork。

(2)子属性patchwork的最强匹配组合为“patchwork+floral”。

(3)子属性maxi除 patchwork 的最强配组合为“maxi+floral”。

(4)子属性floral除patchwork，maxi 最强配组合为 pocket。

(5)子属性 pocket 为最弱匹配。

根据以上结论删除弱匹配子属性及其组合可以得到如下矩阵组合。

为了方便比较，在搜索结果矩阵中选择其现留存元素的公倍数，可得公倍数为 30 000(设置公倍数的含义是假设竞争者数量相同，计算在现有竞争性的条件下产品预估排名是多少)。

可以看到patchwork的竞争力与“patchwork+floral”的竞争力在各自的keyword搜索结果下基本是相同的
？悸堑 patchwork 的搜索结果更多，如果要在该类目下利用手动广告推到 top 栏位花费的成本更高，因此以“patchwork+floral”为关键字组合加入到手动广告的关键字选择中性价比更高。

在其他组合中，虽然一开始“floral+pocket”有98名仿佛不错的关键字排名但是当竞争条件变为一样时，“maxi+floral”的组合表现更为优秀，但是考虑到其排名仍然非常低，不建议用手动广告推到搜索栏首栏,因此不需要点击多支付50%单次点击费的选项。