亚马逊关键词相关性原理 - 静态相关性
静态相关性主要讲的是我们lsting上架之后亚马逊通过主动抓取卖家编辑Listing时定义的Title、Search Term和Bullet Point、所属类目甚至是qa等进行的流量分配，
它是产品上架之后亚马逊A9初次分配流量的基础，是一个新品冷启动时的流量来源。
而关键词权重决定于listing上架时关键词匹配程度，关键词分布位置，以及关键词重复频率等，这个具体我们在“如何从亚马逊算法和用户视角优化listing？”这篇也有给大家细讲过如何优化页面才能加强收录，这里不再赘述。
亚马逊关键词相关性原理 - 动态相关性
动态相关性主要指的是亚马逊基于用户行为所建立的关键词和商品相关性，其核心的影响要素主要是：
点击量+点击率（点击率占比整体listing权重10%-20%）
加购量+加购率（加购率占比整体listing权重5%-10%）
评论数+评分值（评分值占比整体listing权重15%-25%）
退货数量+退货率（评分值占比整体listing权重5%-10%）
购买量+转化率（占比权重系数最高，无法估计，其他都是影响指标，这个是决定性指标）
基于时间：最近7天（占比60%）、最近14天（占比20%）、最近150天（占比20%）、等用户行为权重占比均不同......
权重计算周期：点击量权重目前大概是24小时计算一次
不同的行为对于一个listing来说影响权重占比都是不同的，包括不同时间周期亚马逊对于listing的权重计算占比也是不同的。
之前我们也有为大家分享过一个亚马逊官方付费渠道的listing不同位置用户行为可能会带来的影响占比思维导图，这里给大家放一下：
图片来源：跨境有道
根据上面的权重算法其实我们可以得出：
①前面14天是新品推广最重要的时期，如果表现得好会得到良性循环，反之亦然，所以我们一定要好好把握前面14天的推广期，争取良性循环的新品推广期；
②一个历史销量已经表现很差的listing，时间越长，越不好推，这不仅仅是转化率的原因，更多的是亚马逊对于你这个链接权重计算周期的原因；
而为什么有的best seller可以在亚马逊上维持很长时间，并且长盛不衰，这就不得不讲到亚马逊的另外一个关键词相关性原理计算机制：“累积效应”了。
亚马逊关键词相关性原理 – 飞轮累积效应
关联效应
① 当一个新Listing上架，基于其关键词设置(静态关联性)，亚马逊分配初始的流量；
② 基于用户行为，产生关键词K和产品A的关联；
③ 基于产品的并排展示和用户行为，产生了产品A和产品B的关联；
④ 最终，会产生关键词K和产品B的关联；
⑤ 当产品B的点击量、销量不断爬升，会带动其关键词K和相关关键词的排名进一步提升；
最终效果
• 原来100个静态关联的关键词，平均权重从10到60分(关键词初始权重如：35 23 21 19 11 8 5 5 4 3 3 3 …，后来各关键词有升有降) • 后来引入了50个动态关联的关键词，平均权重从0到40分(就像sony的耳机有bose关键词流量)
这也就很好地解释了“为什么有的listing明明链接里面没有埋这个关键词，但是自动广告跑着跑着却能出来这个关键词”的问题了。
当然，明白了原理之后主要还是需要根据原理来做动作，下面我们也给大家讲几种让亚马逊加快动态关联收录的方法吧。
亚马逊关键词相关性原理 – 动态关联
动态关联冷启动- 两件商品初次建立联系的方式
基于搜索结果列表：
✔商品上架的时候为变体
✔商品主推关键词交叉
✔让亚马逊有部分流量分配交叉
......
基于BSR类目/类目导航等列表：
✔商品上架时类目节点相同，
✔抢占同一个bs或者ns标志
......
基于卖家设置的组合销售：
✔商品设置的捆绑销售
✔关联促销设置，买A送B的折扣等
✔买一送一，买2送80%等
......
基于店铺内商品列表被用户同时点击或购买：
✔商品详情页面A+关联销售
✔newer model等
......
动态关联 热启动- 基于两件商品已有的关联关系，从而推动更强的关联，比如冷启动后，在产品下面又会产生如下关联：
看了又看/ 买了又买/ 比较同类商品
✔主动加购自己与竞品asin产生关联，
✔主动定投竞品asin
✔投放与竞品类似的关键词
......
广告推荐
✔自动广告关联匹配
✔手动广告定投
✔SD广告定投
✔SD视频广告定投asin
......
基于历史记录推荐
例如：SD广告再营销定向
......
写到这里相信大家对于亚马逊listing的整体收录底层逻辑也都有了一个明确的了解，最后再多说几句，亚马逊listing的内在逻辑无非也就是“以客户至上”的利益最大化。
那么，你的整体优化和上升方式只要是遵循了这个逻辑一定是没有什么问题的，即使短期之内没有什么成果，也不要轻易就否定自己的方向，有效的动作是一个累积的过程。
相关文章
