第三章 商品中心

一、商品的基本概述

SKU(Stock Keeping Unit，库存量单位）库存控制的最小可用单位。例如“iPhone 7 Plus 128G银色”就是一个SKU，仓库管理、采购进货、库存管理都是以SKU为记录单元。

SPU(Standard Product Unit，标准化产品单元）一组标准化信息的集合，例如“iPhone 7 Plus”就是一个SPU

类目：分类树。电商常用的有两层类目：前台展示类目和后端商品类目。

属性：分为关键属性、销售属性、非关键属性。关键属性是指能够唯一确定产品的属性，是必填项，例如手机的屏幕尺寸、型号属于关键属性。销售属性是组成SKU的特殊属性，或“规格属性”，例如手机的“颜色”、“内存”。非关键属性指的是除关键属性、销售属性外的其他属性，如手机的手机接口类型。

二、类目管理和品牌管理

商品类分为两层：基础数据类目层（后台），前台展示类目层（前台类目）

为什么要将前、后台类目分开管理，而不是前、后台公用一套类目？

（1）这是业务驱动产品的一个实例

（2）随着商品量的增多，类目树的层级越来越深，一方面，如果买家直接使用后台类目，那么查找商品时将越来越难，另一方面，出于日常运营需要，运营人员在调整类目时，都需要去变更商品的类目，工作量巨大，而且随着节日、时令季节变动，运营会经常变更类目

（3）后台类目面向商家或供应链人员，商品属性、销售属性以及品牌等很多数据都是在基础类目上进行管理；前台类目面向用户，方便用户查找商品，还可以随着运营需要去调整

（4）前、后台类目通过映射关联

2.1 后台类目

后台类目主要面向平台商家，用户管理商品和属性。在添加和管理商品时，都是在基础数据类目层对商品进行管理。如下图：

 

2.2 前台类目

前台类目主要面向用户，方便用户筛选查找商品。前台类目可以根据运营需要，灵活多变。

三、属性管理

属性是对产品性质的描述，是区分产品差异性的集合。在电商中，属性通常分为关键属性、销售属性、非关键属性、商品属性。

（1）关键属性：能够确认唯一“产品”属性。关键属性可以是一个属性，也可以是多个属性的组合。例如：通过手机的“品牌”，“型号”两个属性组合就能确定唯一的产品，这两个就是关键属性；通过服装的“品牌”、“货号”两个属性组合能确定唯一的产品，所以这两个也是关键属性。

（2）销售属性：规格属性。是组成SKU的特殊属性，它会影响买家的购买和卖家的库存管理。例如服装的“颜色”、“套餐”和“尺码”，都是销售属性。

（3）非关键属性

（4）商品属性：表示商品的特有特征，比如新旧程度、保修方式等

属性编辑主要是定义当前分类的商品具有哪些属性。在属性管理上，有两个产品方法可以使用，属性分组和属性继承：

3.1 属性分组

由于一个类目的属性有时会很多，可能几十个，甚至上百个，所以引入了属性分组的概念，把形容某一类特征的几个属性归属与一个组。

如屏幕参数、镜头参数、曝光控制、闪光灯参数等都属于属性分组。

 

3.2 属性继承

如果网站的商品分类为三个层级，每个商品由很多的商品属性构成，其中同一层级的商品属性可能有很多都是相同的属性，为了减少属性添加时的工作量，我们将这部分公用的属性归来后赋值在上一层级的分类汇总。

如上图，1级类目有属性A，2级类目有属性B，3级类目有属性C，那3级类目下的商品SKU1就具有属性A、B、C。比如实物商品佳能EOS 800D（在类目“数码”“摄影摄像”“单反相机”中）就有商品毛重、像素、套头三个属性需要填写。

四、SKU与SPU

五、商品编辑

六、商品管理

七、商品搜索与筛选

搜索是通过对关键词的匹配，对目标内容进行检索查找。搜索是快速找到信息的工具，也是流量的入口。商品搜索可以帮助用户快速找到自己想要的商品。当用户开始搜索时候，搜索引擎会在得到口令后，按照搜索规则从海量的商品库中寻找用户最想要的商品。

搜索是属于技术要求比较高的功能，本节主要从产品角度分析商品搜索以及筛选功能。搜索涉及的主要有PC端、移动端、H5商城的搜索页面，商品列表页，店铺搜索等。

商品搜索的主业务流程主要如下图所示：先输入关键字，进行分词服务，开始数据查询，获得搜索排序，最后搜索结果输出。

7.1 分词服务

在搜索框中输入关键词，单击“搜索”按钮后，搜索引擎对搜索词进行处理，比如中文分词处理，会判断是否整合类目属性信息，判断是否有拼写错误或错别字等情况。搜索词的处理必须十分快速。

根据用户搜索日志、品牌名称、属性、类目或人工设定等数据构建搜索词库，定期更新和维护。系统会根据搜索的关键词结合词库按字切词、索引，保证查全率，将用户搜索内容拆分出多个关键词。例如：“夏季真丝连衣裙”会被拆分为“夏季”、“真丝”、“连衣裙”三个关键词。

在搜索过程中，根据之前买家的浏览习惯，同一搜索词的大量用户行为数据很容易聚焦在相应的热点类目，从而判断该关键词的第一展现类目，比如“手机”的搜索行为会集中到手机类目，而不是配件类目。另外根据中心词的相关属性词去判断类目，比如说搜索词为“苹果”、“苹果6S”、“新鲜苹果”几种情况，虽然系统判断的中心词都是苹果，但是因为属性的不同，所以会判断推送不同的第一展现类目。

另外搜索过程中也存在纠错，主要有拼音纠错、错别字纠错等，如图所示，当搜索“nuojiya”时，会显示“诺基亚”相关商品。纠错主要通过建立错词与正确词的映射关系表，在搜索的时候替换。数据来源主要有用户搜索词、搜索日志、运营部门人工更新等。

在商品搜索时候会出现搜索联想词。如下图，在搜索“苹果”时，搜索下拉提示会主动提供“苹果7手机”、“苹果5S”等搜索联想词。搜索下拉提示的数据来源主要是用户搜索词以及搜索日志，或者由相关运营人员添加的联想词，按照搜索词相关性和热度来进行排序。

7.2 数据查询

对搜索词处理后，搜索引擎程序会从索引数据库中找到所有包含搜索词的商品。商品搜索时，主要是从商品的名称、品牌、类目、属性等数据中查询。识别分词与类目关系，与商品名称、品牌相关性，与关键属性、销售属性的相关性。

7.3 搜索排序

搜索排序的因素主要分为 4类：商品相关性、销量相关性、评论数、时效性等。

（1）商品相关性：主要是标题、类目、属性等因素的综合权衡

（2）销量相关性：主要考虑销量、价格等因素。销量可以取某一段时间商品销售数量

（3）评论数：主要是计算商品的好评度、评论数

（4）时效性：参考商品最近上架时间，最新更新日期。

八、商品推荐

在电商网站里进行商品推荐，可以提高整个网站商品销售的有效转化率，增加商品销量。

8.1 常规推荐

常规推荐是商家选择一些固定商品放在推荐位，或者基于商品之间的关联性，进行相关的商品推荐。

常规推荐的商品不会因为用户不同产生差异，主要是根据运营配置的活动或固定商品。除了在固定推荐位选定某些商品进行配置，例如选择10件固定商品房在签到页进行推荐，海域一些固定推荐的动态配置商品。

8.2 个性化推荐

电商推荐系统将收集的用户信息、产品信息以及用户画像分类作为系统输入，利用适当的推荐算法和推荐方式，根据用户设定的个性化程度和信息发送方式，给用户提供个性化商品推荐。用户对推荐结果的点击、浏览、购买的反馈结果，又可以作为优化系统推荐的参考。

完善的推荐系统一般由 4 部分组成：采集、分析、推荐的步骤

九、商品评价

对用户来说：可以把用户在购买后对商品、服务、物流等相关信息的感受写出来，为其他用户提供购买决策，减少购物成本。

对平台来说：有质量的评价有助于降低退货率，提高优质商品的转化率，并且构建商家信用评价体系，合理分配平台资源，甚至帮助优化搜索。

 订单中的评论主要有两个维度：订单整体和商品。从订单整体上讲，主要对订单的物流服务、服务态度等进行打分；从商品讲，除了评分，就是详细描述。评价的方式有图片、文字等形式。

 

用户评论后，对商品评论的处理主要有以下几点：

（1）商品评论筛选。过滤恶意差评，对关键字筛选（脏话、广告等），对出现敏感词汇的评论直接过滤或人工审核

（2）分级显示商品评论（好评、中评、差评），统计商品好评度，并提炼评论中的关键词。

（3）根据商品评论和服务评论对商家店铺进行评级，根据商品评论和服务评论对商家店铺进行评级。需要制定严格的规则，避免商家刷信誉或用户恶意差评影响店铺等级。