淘宝搜索指数计算公式是什么？淘宝搜索加权法是什么？

淘宝的朋友一定知道，我们搜索的时候会有一个指数index，但是搜索的指数是计算出来的，是有公式的。下面介绍一下计算的公式，看看这个搜索加权是怎么做的！

一、淘宝搜索体重概念查询淘宝宝贝体重工具https://www.de18.com/cqz.html

权重是响应参数指标在整个评价体系中的重要性。权重越高，指标越重要。

比如某校入学考试有三科：语文(100分)、数学(100分)、英语(100分)。最后按照语文30%、数学40%、英语30%的比例，累计一个总分，分数最高的优先录取。

其中百分比是各科权重，数学占40%，可见学校对学生数学的重视程度。

计算权重的方法有很多，如：加权计算法、加权平均法、层次分析法、优先图法等。今天我们通过最简单的加权计算方法实现一个商品权重模型，对其他权重算法感兴趣的朋友可以自行搜索学习。

二、淘宝搜索加权法

加权方法是什么？

还是上面的例子，如果一个考生的成绩如下：语文(85)，数学(90)，英语(80)，那么他的权重计算过程就是：85*30% 90*40% 80*30%。

=85.5——就是一个简单的【分数*比例】然后累加的过程。

将上述科目映射到商品有如下关系：

主题=商品属性得分=属性得分得分=属性得分比例=属性权重。这是什么意思？让我们逐一解释。

1.确定权重指标【账户=商品属性】

权重指数很好理解。我们前面讲的标题、类目、品牌等等都属于商品属性。

需要注意的是，在权重模型中，并不是商品的所有属性都会参与权重计算，但是影响用户搜索习惯和销量的属性会参与计算。

如：品牌、价格、总销量、月销量、浏览量、收藏、产品评级等。对于不同的品类，一些独有的属性也会参与计算，比如服装品类的材质，适配季节，手机品类的内存大小和存储大小。

2.定义指标满分【得分=属性得分】

指标的满分就像是为一个科目定义的满分。只有设定了上限，才能对数据进行比较，才能判断一个具体分数的好坏。

在商品属性中，有些属性在系统设计之初就已经定义了分值，比如评分，通常设置为10分制或者五星评分法。

但是这里还是需要为他们重新定义一套权重的满分，而不是用原来的10分制或者5星来计算，因为后面涉及到用户自定义权重，需要动态调整。

还有一个需要注意的地方。满分的定义需要基于属性值的个数。如果平台上有500个独立品牌，品牌的满分值就不应该定义为100，而是1000；否则会出现集群现象，某个分数会有多个品牌，要尽量避免。

3.除以指标得分[得分=属性得分]

对于科目来说，试卷已经规定了，能得多少分就看学生自己发挥了。

大宗商品也是如此。属性满分定义后，具体属性能得多少分，需要根据统计数据和评分标准进行评分。

首先，你需要定制评分标准。规定标准有两种方式：

人工体验定义：根据后台销售数据，人工确定分数，搜索多、销量高的可以得分高，反之则得分低；比如手机类的品牌通常是华为、苹果、小米，其次是vivo、oppo、三星等。并且可以人为为他们设定分数：华为(500)，苹果(450)，小米(400)，vivo(380)，oppo(350)，三星(320)。有明确的数据参考：根据系统反馈的统计数据，通过计算得出分数；比如月销售额，默认满分定义为1000分。月销售额超过5000单，就可以获得1000积分。如果月销售额不超过5000单，动态获得的分数将按比例计算。

4.确定指标的权重[比例=属性权重]

权重模型和每个科目的比重一样，需要为参与计算的每个属性设置相应的权重。这里之所以不叫比例，是因为我们通常理解的比例是用百分制计算的，所有参与因素的比例最终需要等于100%。

但是商品模型的参数属性比较多，100分制的最终权重值非常聚合，搜索效果不好。

因此，通常采用重量设计方法。什么是对的？

例如，数字8692=8* 1000 6*100 9*10。

2*1，其中千分之一权重为1000，百分位数权重为100，十分位数权重为10，单位权重为1。

同理，我们定义参与权重的商品属性的权重，比如比较重要的属性：品牌(10万)、价格(10万)、总销量(1万)、月销量(1万)；重要属性：浏览量(1000)，收藏量(1000)；一般属性：存货(10)，物料(10)；不同的属性可以定义相同的权重。

了解以上几点后，设计权重模型的基本框架，将累计得分乘以权重即可得到最终的权重值。