今年年初的时候我分享过一个亚马逊的科学家团队的官方博客，他们会定期发布内部研究的一些成果，相信不少人当时确实有关注，但是到现在恐怕还记得的人就寥寥无几了，所以今天就发一篇他们撰写过的结论，价值可以自行判断。

产品信息元素揭示了可以改进产品发现算法的信息源。

使亚马逊的产品发现算法更令人满意的一种方法是确保我们将高质量的产品与客户查询相匹配。最近我们进行了一项研究，其中我们使用产品信息元素来识别可以帮助预测人类对质量的判断的产品数据；在该项研究中，我们向被调研对象批量的提供了成对相关产品的图像，以及卖家和买家提供在公共页面的公开信息，然后询问被调研对象从产品信息中提取的哪些关键点对他们最有价值。

上述图片是亚马逊的科学家自定义的界面，主要用户被调研对象做产品质量比较。在卖家对每种产品（C）的公开描述下，是由买家（D和E）提供的与公共产品相关的信息的可拓展列表。右边是从卖家和买家信息（I）中提取的短语，被调研对象习惯于使用这些短语来提供质量判断标准的依据。

我们的第一个发现是，单纯的产品质量感知并不能很好的预测客户的购买决策。但是我们怀疑这与我们的第二个发现有关：感知质量与价格高度相关。客户可以选择价格较低的低质量产品。

如果这个假设是正确的，那么好的产品发现算法应该考虑与价格无关的质量指标。应该在哪里发现它们呢？

我们发现，大多数时候，最能说明被调研对象的判断标准的部分来自于产品页面内公开的买家提供的信息，而不是卖家的信息。买家提供信息的两个来源：买家评论和问答，其中买家回答了其他客户与产品有关的问题。

在我们的研究中，每个产品对都包含一个实际购买的产品和一个在同一查询中被点击但是最终没有购买的产品。产品还必须是同在亚马逊产品分类节点下最小的节点。呈现给被调研对象的可选条件是根据他们在最小节点下的所有产品出现共同具备的特征来调研的。

现有的关于产品推荐的研究主要集中在直接对购买进行建模，却很少试图去挖掘客户决策背后的原因。我们相信，了解构成客户购买决策依据的流程将有助于我们提供更好的产品建议。（完）

亚马逊官方的博客给出我们非常重要的信息：

1、脱离价格谈质量其实没有太大意义，换句话来说，一旦产品发现存在质量不高的情况，最有效的方式就是快速降价；

2、在价格差异不大的情况下，产品的质量和用户关系的维护就显得至关重要了，我们不单单要去优化例如标题图片描述这些基本的要素，更需要非常重视前台可见的评价和问答内容，这对于新的用户的最终决策有着很大的意义；

那么问题来了，对于新品，评价和问答到底如何去布局比较好呢？

最后说一句，建议大家在闲暇时间可以多去看一些官方的或者是亚马逊的科学家的博客，比你去读水文要有用的多，虽然这篇论文的结论是大家都知道的，但是有多少人是真正理解背后动因呢？

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 yubaibai360@qq.com 举报，一经查实，本站将立刻删除。