关于网上流传A9算法深入讨论和普及A9—破解A9算法调整的谣言

 亚马逊利用A9：搜索引擎计算搜索排名服务的计算方法。简单理解就是权重。在这里我普及下列一些因子。其实A9除了以前文章总结的以外，店铺注册时间、地区、广告排名和广告消费数据都会是影响排名的一个权重系数。最重点的广告排名一定会是的了。

   下面是最近朋友圈很多的一篇分享，刚开始体会一下还真是那么回事，但是经过思考以后，除了最早之前大家总结了的因素以外，新调整的因素，像A+提高转化率啊，这些类的信息早在亚马逊官方文件都有公布，评论量越多listing权重越高这些都是之前就已经有的东西了，其他新调整的因素中，我对该文持有同样怀疑态度，那些并不是A9之后更改调整的东西。
 其他因素原文抄录如下，我又花时间去计算了几个产品评分，证明均值依据给出亚马逊产品评论评分依据还是没有改变，下面附录网上流传的文章字段：“现在：亚马逊不再按照Listing的Review平均分来影响排名了。引入了机器人机制，由Machine根据以下条件来决定你的Listing的星级评定：
1，Review的留评时间，早期的Review的权重大于最近刚留的Review，时间越久评级越高。
2，Review被客户点赞的越多，权重越大。如果你的好评都有几十个赞，就算来个差评也不会很大程度影响你的review评分，不至于从4.5降到3.5，如果你的review都没有赞或者很少那来个差评对你的评分就是跳水式打击，星级一落千丈从此没单。同时如果你的好评点赞数多，也可以抵抗其他竞争对手恶意点NO带来的打击。。”
  这两条说法是我不能接受的，其一根据我以往研究，5月24号左右A9调整之前（调整算法时候应该是这个时间点，出现很多破解版插件都无法使用和估算销量问题），有些产品评分评级review从数量各方面验证显示不是完全从评论权重来评分的，这些我有历史跟踪过几家公司评分变化。
  其二，我现在再次随机取样验证评分是按照均值来判定评级的，例如：https://www.amazon.com/Gerber-Unisex-Piece-Essentials-Months/product-reviews/B00QQ8TMSG/ref=cm_cr_arp_d_viewopt_sr?ie=UTF8&reviewerType=all_reviews&pageNumber=1&filterByStar=one_star
  显示评论数据如下

上图亚马逊页面评论占比和评分截图（因为亚马逊评分显示一直不是以完全的评论数量占比来规定评分的，更加像是以评论页面比值或者他自己的一套占比权重得到评分的。）比如我统计他的这款产品1星是14个，总评论量400，那么占比应该是14/400=3.5%，但是亚马逊显示给客户看到的是3%，意味着差评1星的数量为3%*400=12个。
   本来实际得分4.495，但是现在亚马逊给予得分为4.51分，亚马逊在前端显示为4.5分（原因是其好评实际占比为70.75%.实际差评3.5%，如果选择一项做四舍五入，亚马逊选择了对好评加分，直接让好评占比变成71%而不是让差评占比显示为3.5%），同时采样几个产品。如果实际评论占比率低于0.05%，则亚马逊采用四舍五入，该占比缩小而已，进而在另一个占比类将好评放大0.05%以上。下面附上产品现有评论数量截图：

以上数据算法表明亚马逊评分不完全按照评论数量来判段综合分数，不是采用的实际均值为依据是模糊的，该数据计算表明：亚马逊会微调评分，但是总体评分依据是依照前端显示客户评分来判定的。在此项评分中，并非是依据产品评论客户时间越久评分权重会越高使得综合评分提高。
  至于亚马逊前端评分依据不会依照亚马逊客户评论时间可等级来给予评分的了，至少我们前端没有依据的，如果单独说亚马逊后台中排名算法中对于亚马逊老客户的排名权重或者留言时间久（这就是老客户的定义了）给予排名算法中权重会提高这个也不一定，因为从客户体验方面来说，市场完全是越早进入市场的产品越早有留言的评论的产品的市场占有率会相对较高（同等产品品牌竞争条件下），那么他的评论量会多，会导致权重上升排名Rank上升，但是这并不代表是亚马逊对老客户或者留言时间越早的评论评分给予提高权重的表现和。
 所以关于此文章中很多事一些之前A9算法的再次总结，并不是什么新的调整的东西。而且总结的某些部分还是比较牵强。

 不过之前提到的A9算法因素还是具有参考意义。新调整的因素中对单价越高的产品排名上升越高还是有问题的，因为亚马逊完全不需要依靠调整这个部分，根据市场需求和供给理论以及目前亚马逊排名结果数量来看，没有感觉到亚马逊将价格高的产品排到靠前，或者更确切的说，TOP100还是没有看到高价产品。因为如果按照现在网上传播的文章调整的算法来说，TOP100是会抄入一部分权重较高的高客户单价产品才对。
附录：A9算法因子
 
  影响A9搜索算法的因素有哪些？（这是以前就有的因子）
一、转化率:
1、销量排名 2、买家评论 3、Q&A  4、图片尺寸和质量 5、价格 6、父子关系产品 7、页面停留时间和跳转率 8、Listing完整性
二、相关性因素:
1、标题 2、Bullet Points  3、产品描述 4、品牌和制造商 5、技术参数 6、类目和子类目 7、Search Term
三、买家留存率:
1、订单处理速度 2、可售库存 3、完美订单率 4、订单缺陷率 5、退出率 6、包装选择 7、页面停留时间和跳转率 8、Listing完整性
A9搜索算法新调整              （这是最近网上文章写得最新调整的部分，实际里面几条并不是最新调整，第5和后面关于评论的部分还是有问题的。）
1 、search terms权重在降低，listing其他地方如标题，卖点，大描述A+里面的关键词权重在变高。
2、销量权重比例在变低。
3、转化率销量权重比例在变高。
4、Review越多权重越高。
5、单价越高，排名上升越快。
Review政策变革影响着A9
过去：Review平均分来评级，平均分越高，转化率容易越高。
现在：亚马逊不再按照Listing的Review平均分来影响排名了。引入了机器人机制，由Machine根据以下条件来决定你的Listing的星级评定：
1，Review的留评时间，早期的Review的权重大于最近刚留的Review，时间越久评级越高。
2，Review被客户点赞的越多，权重越大。如果你的好评都有几十个赞，就算来个差评也不会很大程度影响你的review评分，不至于从4.5降到3.5，如果你的review都没有赞或者很少那来个差评对你的评分就是跳水式打击，星级一落千丈从此没单。同时如果你的好评点赞数多，也可以抵抗其他竞争对手恶意点NO带来的打击。
3，没有VP的Review对排名的影响会降到最低，以前Top Reviewer的评论权重也会下降甚至删掉，VP排名权重会升至最高。
A9是如何反刷单的？
A9算法会根据用户的浏览记录和历史购买情况去给卖家推荐关联产品，刷单机构给多个卖家刷单导致刷单的这些卖家形成了一个虚假用户圈，产品无法触及到真实购买的买家，离真实用户这个大池子原来越远，所以导致越刷单越没单，大量刷单的卖家要慎重。
很多人会说做广告也是花钱，刷单反而效果来的更直接，其实不然，广告虽然花了钱未必都能出单，但是广告所触及的客户是亚马逊这个大池子里的真实客户，A9推荐自然也是推给了真实客户，形成良性循环。所以大家想要做好亚马逊还是要踏踏实实的走好每一步，不走歪门邪道，心无旁骛。