这里的商品列表不包含站内搜索结果列表，商品搜索结果的排序和内容呈现，请参考我的另一文章：B2C站内搜索初探–排序和内容呈现。
传统零售中，货架的陈列对销量的影响巨大。如何合理的分配有限的空间，通过促销品吸引顾客、从而促进利润产品的销售、清理滞销品和库存货，显得尤其重要。网上零售虽然理论上没有货架和空间的限制，但商品的展示机会从来都是不公平和不平等的。
有人总结b2c商品销量是二八法则，20%的商品贡献了80%的销量，但很多网站可能更加极端，10%以下的商品贡献了90%的销量。导致这种结果的原因之一是商品的展示机会严重不均衡。
总结下来，以下因素将直接影响商品的展示机会：
着陆页导致的流量分布不均。
通常b2c网站的主要着陆页面有3种：首页、专题页和商品详情页，人工主观推荐商品、seo和广告投放带来的流量倾斜导致部分商品展示机会太多，而更多商品却缺乏展示机会。
智能推荐系统给予商品展示的机会的不均衡
无论是基于内容过滤还是基于协同过滤的算法，都间接的放大商品展示不均衡的情况。
站内搜索给予商品的展示机会不均衡
站内搜索的查准率和查全率问题、搜索结果排序问题也将对商品的展示机会造成影响。
导航、分类、商品列表排序给予商品的展示机会不均
这是本文重点要阐述的方向
由于一般b2c网站用户通过导航、分类浏览到达目标商品页面所占的比例巨大，我们这里主要谈谈商品列表的排序方式。
目前大部分网站提供如下排序方式：
按销量排序
按人气排序（按浏览次数）
按新品排序（按上架时间）
按价格排序
按商品评论数量排序等等
这些排序方式多是单维度的，系统默认一种排序方式（当然还支持人工调整排序），同时支持用户自由选择其他排序方式。
商品列表中单维度排序的问题
1、单维度的排序方式容易造成商品销量的“马太效应”，如按销量排序，一开始卖得好的商品愈加卖得好，一开始卖得不好的商品和新品将再难有机会。
2、如果说默认按销量排序还能基本反映用户的需求，那么按新品排序就只能算是网站的一厢情愿了，老客才会更多的关注您网站的新品。
3、按价格排序和按评价数量排序也同样造成新品或畅销品缺少展示机会。
4、大部分用户很懒，只看默认的排序方式；虽然你自认为提供了多种明显的排序方式供用户选择，但多数用户只是懒得点击（这个比例有多少大家可以统计）。
我们知道，给予了用户不认可的商品过多的展示机会，或者没有给有潜力的新品足够的展示机会，都将带来销量的损失。当商品SKU少时，可以通过人工排序较完美解决商品列表排序问题。而当商品SKU数众多，商品上下架频繁时，人工排序就显得费时费力了。为了解决展示机会不公的情况，排序的原则应该是：
1、 尽量给予用户认可的商品更多的展示机会；
2、 给予用户不认可的商品更少的展示机会；
3、 从商家的角度考虑则是：把利润高的商品展示给用户；
4、 给予有销售潜力的新品足够多的展示机会。
总结下来，这些事情还得通过系统+人工的方式操作。在下认为系统的默认排序因素应简单的包含以下5个方面：
1、 商品在若干时间内的展示次数 （这里用A表示）
2、 商品在若干时间内的销量（这里用B表示）
3、 商品的利润（毛利：销售价-进价）（这里用C表示）
4、 商品离当前的上架时间 （这里用D表示）
5、 商品若干天内的好评率 （这里用E表示）
1和2计算出的是商品平均x次展示机会的销量，如我们可以计算商品最近7天内每千次展示的销售量。但如果排序仅仅包含这两个因素会有明显的缺陷，如在相同展示量下，一个售价10万的钻石和一本售价10元的书销量理论上是无非相提并论的。所以我们需要适当考虑商品利润金额的问题。此外还需考虑上架时间因素和好评率因素。
商品的排序系数= B/A*C *1/D*E （“B/A*C”表示平均每次展示机会带来的销售利润，“1/D”表示距离当前的天数的系数值）系数越大，排名越靠前。
举例一，某商品M，在若干天内展示了1000次，销量为5，利润为150元，离当前的上架时间为5天，若干天内的好评率是98%，则该商品的排序系数为：5/1000×150×1/5×98%=0.147
举例二，某商品N，在若干天内展示了100次，销量为5，利润为15元，离当前的上架时间为1天，若干天内的好评率是95%，则该商品的排序系数为：5/100×15×1/1×95%=0.713
最终，某商品N应该排在商品M前面。
本文抛开很多细节再考虑问题，也未实战过，仅提出想法，欢迎批评！
重庆分公司
重庆分公司
