商品中心
類目管理
（1）前臺展示類目
主要面向用戶，方便用戶篩選查找商品；會根據季節、銷售策略、活動進行變動。
前臺類目可支持不同客戶端的設置。PC端、H5端、APP端等渠道由於用戶群體有所差異，
可分別設置前臺類目，獨立運營。
支持平臺商家自定義店鋪前臺類目。
（2）後端商品類目
屬於基礎數據，不可隨意變動，添加SKU時都需要選擇後臺類目，進行綁定。
後臺類目主要面對平臺商家，用於管理商品和屬性。
相對固定，確定了不會輕易變更或刪除，如果類目下掛載有商品，不能刪除或作廢。
類目樹的層次不能太深，一般三層或四層。類目樹中最後一層類目稱為葉子類目，商品必須掛載於葉子類目下。
屬性管理
屬性是對產品性質的描述，是區分產品差異性的集合。
關鍵屬性：能夠確認唯一“產品”的屬性。可以是一個屬性，也可以是多個屬性的組合。
銷售屬性：也稱為規格屬性，是組成SKU的特殊屬性，會影響買家的購買和賣家的庫存管理。
商品屬性：表示商品的特有特徵，例如保修方式。
非關鍵屬性：除關鍵屬性、銷售屬性外的其他屬性。
SKU與SPU
（1）SKU與SPU
SKU（Stock Keeping Uint）：即庫存量單位，庫存控制的最小可用單位，例如：iPhone 7 Plus 128G銀色
SPU（Standard Product Unit）：即標準化產品單元，是一組標準化信息的集合，例如：iPhone 7 Plus
（2）組合SKU
主要是解決出售組合商品的問題，組合SKU的屬性都繼承主SKU。組合SKU在前臺是一個商品，在訂單解析成發貨單時，組合SKU需解析成單一SKU，方便倉庫發貨，更新庫存。
（3）編碼問題
倉庫條碼方案：
全部自建條碼
有69碼的商品沿用69碼
無69碼的商品以及無法指定到單一的有碼商品重新貼SKU編碼
商品搜索
先輸入關鍵字，進入分詞服務，開始數據查詢，獲得搜索排序，最後搜索結果輸出。
（1）分詞服務
根據用戶搜索日誌、品牌名稱、屬性、類目或人工設定等數據構建搜索詞庫，定期更新和維護。系統會根據搜索的關鍵詞結合詞庫按字切詞、索引，保證查全率，將用戶搜索內容拆分出多個關鍵詞。
搜索過程也存在糾錯，主要有拼音糾錯。錯別字糾錯等。
在商品搜索時會出現搜索聯想詞。搜索下拉提示的數據來源主要是用戶搜索詞及搜索日誌，或者由相關運營人員添加的聯想詞，按照搜索詞相關性和熱度來進行排序。
（2）數據查詢
對搜索詞處理後，搜索引擎程序會從索引數據庫中找到所有包含搜索詞的商品。
（3）搜索排序
商品相關性：主要是標題、類目、屬性等因素的綜合權衡。
銷量相關性：銷量可以取某一時間段（通常是最近7天）商品銷售數量，價格傾向於取同類商品的常用價格區間。
評論數：主要是計算商品的好評度、評論數。
時效性：參考商品最近上架時間、最近更新日期。
個性化推薦：根據用戶消費軌跡、所在地區來進行個性化推薦。
商品推薦
（1）常規推薦
是指商家選擇一些固定商品放在推薦位，或者基於商品之間的關聯性，進行相關的商品推薦。
（2）個性化推薦
基於用戶購物習慣，根據商品特性來進行推薦。
（3）用戶畫像
根據用戶特徵（性別、年紀、地域等）、消費行為習慣（瀏覽、購買、評論、問答等）等信息進行抽象化，建立標籤化的用戶模型。
（4）電商推薦系統
電商推薦系統將收集的用戶信息、產品信息及用戶畫像分類作為系統輸入，利用適當的推薦算法和推薦方式，根據用戶設定的個性化程度和信息發送方式，給用戶提供個性化商品推薦。
用戶行為記錄模塊：負責採集能反映用戶喜好的行為，例如瀏覽、購買、評論、問答等。
用戶行為分析模塊：通過用戶的行為記錄，分析用戶對商品的潛在喜好及喜歡程度，簡歷用戶偏好模型。
商品分析模塊：對商品進行商品相似度、商品搭配度、目標用戶標籤進行分析。
推薦算法模塊：根據一定的規則從備選商品集合中篩選出目標用戶最可能感興趣的商品進行推薦。
商品評價
用戶評論之後，對商品評論的處理主要由以下幾點：
商品評論篩選。過濾惡意差評，對關鍵字篩選（髒話、廣告等），對出現敏感詞彙的評論直接過濾或人工審核。
分級顯示商品評論（好評、中評、差評），統計商品好評度，並提煉評論中的關鍵詞。
根據商品評論和服務評論對商家店鋪進行評級。
閱讀更多 壹點方圓 的文章
