Algorithm 计算电子商务网站上产品排名的算法/公式（基于以下标准）

我一直在研究算法和公式，以找出我的电子商务网站上可用产品的分数。基本上，我想计算某种分数，以便在用户搜索产品时对其进行排名。 我将介绍一些我计划定义的计算排名标准的背景：

• 产品点击
• 产品视图
• 产品转换
• 产品评级（由用户给出）
• 与用户提供的搜索字符串的相关性

理想情况下，我需要一个算法，在该算法中，我可以计算所有分数并相应地对产品进行排序。我有所有可用的数据，但我不知道我应该给我上面描述的所有参数赋予多少权重

任何帮助都将不胜感激

提前谢谢

编辑： 我计划为每个参数分配权重，如下所示：

• 产品点击率（CTR）：1.0
• 产品视图：1.5
• 产品转化率：4.0
• 产品评级：2.0

---

计算分数的公式是什么？

考虑到产品的评级，计算起来更加困难，因为评论的数量总是大大低于查看/销售的数量/。。。因此，产品评论对产品得分的影响可能比你想要的更大

---

也许这篇文章会有帮助：

你可以把这个问题设置为一个预测或问题。首先，您需要定义一个目标函数。一个合理的假设是，最终你想让用户尽可能容易地购买你的产品，这意味着你想把这些产品排在他们最有可能购买的尽可能高的位置。“尽可能高”的概念可以通过已知的秩测度（参见参考）之一精确化，例如购买的标准折现累积增益（NDCG）或平均倒数排名（MRR）。根据预测转化率或购买概率的统计模型对产品进行排名将引导您实现这一目标

现在，让我们做以下简化假设：

没有查询（即，每个用户都看到相同的列表）

每天，每种产品的销售额都与前一天完全相同

每种产品每天至少购买一次

用户查看结果列表中的每个项目，然后决定是否购买以及购买什么

在这种情况下，根据前一天的销售额进行排名总是完美的。

当然，我们简化了太多

正如无处不在的金融免责声明所说，“过去的表现不一定预示着未来的结果”。销售额会随季节、每周和随机变化

许多（通常是大多数）销售数据是稀疏的；尤其是新产品根本没有数据，所以我们需要依赖其他信息

用户通过键入查询来表达其意图。理想情况下，我们可以通过分别记住每个查询的销售数字来减少这一方面；然而，在实践中，这将极大地加剧数据稀疏性问题，参见2） 因此，您需要根据输入功能（其中包括昨天的产品转化率）进行排名，以尽可能准确地预测今天的产品转化率。这个函数可以像你建议的那样，简单到特征的加权和，也可以像深度神经网络一样复杂。它们之间的共同点是如何计算模型参数：在第d天结束时收集训练数据：第d-1天的特征值，以及在第d天观察到的转换。后者是我们的基本事实，但我们假装不知道它，并试图仅基于前者预测它，例如，通过线性回归。这样一来，除了（以前的）销售之外的其他功能将被证明是有用的，以克服稀疏性

显然，我只触及了表面。有许多方面和改进；例如，上述假设4.）显然是不现实的。由于注意力有限，用户只看最上面的结果，这导致了所谓的位置偏差

---

然而，希望这个简短的总结能为您指明正确的方向

嗯，这将是特定领域的，特定目的的。投票以主观方式结束。我很困惑我需要给我在这里考虑的不同参数赋予什么权重，以及如何使所有分数正常化并得出一个公正的排名@amit这在很大程度上取决于你想做什么，而且没有一个明确的答案。@amit我基本上想给所有可用的产品打分，根据我指定的参数。因此，当用户在网站上搜索产品时，它会根据我指定的分数返回最相关的产品。我在这里面临的难题是，应该给哪个因素赋予多少权重。我知道这听起来有点模糊，但即使是近似公式也适用是。@user4115825您是如何解决这个问题的。我正在做类似的问题陈述，也在同样的情况下。你能帮我解决问题吗。