Wayfair平台上产品如何更容易让客户看到？附产品上架的方法

Wayfair的CTO Fiona Tan在5月底麻省理工举办的EmTech科技公司峰会上分享了他们关于机器学习的应用实践，分享的内容对于卖家如何让自己的产品更容易让更多客户看到也是一个启发。包括Wayfair的3000名技术人员如何在5个主网站上管理2万名供应商提供的1400万种产品，给浏览网站的消费者从海量数据中提供即时推荐和个性化体验。对于风格品味差异化巨大的家居平台来说，这更加是一个挑战

而对于非常明确自己想要的产品的各方面要求的客户来说，可以用精准的搜索或者通过细分目录找到需要的产品，但有时候客户不是很明确自己要什么，或者只有一个大致的概念，用的关键词是比较模糊的，那么平台的算法需要综合各类信息，给客户推荐他们最可能希望看到的结果，使得客户在平台上停留更长的时间

最开始Wayfair采用的是一种叫做“词法搜索”的逻辑，比如客户搜索红色沙发，那么平台只会在具有红色+沙发的属性内去返回结果，以求与客户的需求尽量接近

现在Wayfair更多地采用一种叫做业内更通用的“语义搜索”，涵盖搜索词更广泛的关联，还是上面的例子，搜索红色沙发，出来的结果里面也会含酒红色的沙发凳，猩红色的沙发床等，这些扩大的结果使得客户更能够有逛街的感觉，停留在网站上的时间就会更长。下图可见，red couch的搜索结果不仅仅就是红色的沙发。当然如果你只想筛选红色，也可以在左边进行颜色筛选

Wayfair也在对供应商提供的产品信息进行整合，结合客户对产品的反馈，通过循环的机器学习，构建自己的产品目录数据库，增加产品信息的准确性，提高搜索推荐的适配。也就是说Wayfair对于市面上主流的家居产品整理了一个自己的产品目录，这个目录是实时更新的，里面产品的各项属性它都会有一个比较合理的评估，我们提交的产品会被作为这个大目录的数据来源，也会被用来和这个大目录来比对。这就是为什么Wayfair要求我们提供产品更明确的tags，也就是标签属性，这个问题之前文章也讲到过（查重如何挽回）。总的来讲，还是要提高listing的质量，一个是各项规格属性的准确性，一个是完整性

另一个方面就是物流距离。Fiona Tan提到，Wayfair 产品平均距离客户约 1,000 英里，因此能够将客户与更接近的所需产品联系起来以降低成本非常重要。从2022年开始启用的新的“地理分类”功能，利用机器学习来识别和提升更接近客户的产品，目标是 250 英里半径。她提到平台对产品进行了一些重新排名，在产品选择相关性的基础上，更接近客户的选择会得到提升。这也再一次印证了，仓库与客户的接近程度对产品在客户搜索结果页面的排名相关性进一步提升了，这一点我们也多次说过。