一、背景简介
目前，很多B2C电商平台（包含APP），在客户通过导航栏或者搜索进行查找商品时，其中包含综合排序、销量排序、好评排序、价格排序，如果仅仅使用单一排序，比如：销量排序，则只能会出现马太效应，使得强者更强，弱者更弱，所以电商商品列表当中的综合排序，就会尤为重要，列表页默认排序：人工干预+算法推荐，今天我们主要讨论下其中的默认排序（即综合排序）的规则算法推荐的建立。
二、排序依据
排序以一个值作为依据，从大到小排列，所以我们的排序方法就放在怎么算这个值上来说。
三、确定目标
确定你的排序目标，如：优质的排前面、新的排前面、合作商的排前面....
四、列出排序因子
影响商品综合排序的因素有：成交量、好评率、收藏量、上下架、转化率、橱窗推荐、回购率、页面停留时间、浏览量等，根据结合自己的平台列出影响商品排序的因素，前期可以少列一些，不然操作比较复杂；
五、升权项因子和降权项因子
将所有排序因子分成两类：升权项和降权项，升降权除了要考虑质量优劣的维度，也要考虑马太效应
六、权重比例系数
给所有因子的影响权重比例给他一个系数如下：（权重比例需要归一化）
B：成交量：15%
C ：好评率：15%
D：收藏量：10%
E：上下架：15%
F：转化率：15%
G：橱窗推荐：10%
H：回购率：10%
I：页面停留时间：5%
J：浏览量：5%
N：活动设置（满减/满返/折扣）（各个活动设置分别为N1、N2、N3）
七、一个很棒的数学公式
找到一个你觉得很棒的数学公式，如指数函数...以此作为你的算法框架来套你的所有因子，当然，最后这个公式会比较复杂,下面给大家一个简单的公式举例，想淘宝京东，这个公式就是财富啊，肯定很复杂的。
M（权值）=B+C+D+E+F+G+H+I+J+N1*系数+N2*系数+N3*系数
八、测试
拿初始公式在线上或测试环境（真实数据）中跑一跑，看看排序结果是否符合，不符合的话通过调整系数，也就是权重来进行优化。
九、总结
1、据目标列出影响的排序因子
2、将所有排序因子分成两类：升权项和降权项，升降权除了要考虑质量优劣的维度，也要考虑马太效应
3、所有排序因子罗列出来，给所有因子的影响权重比例给他一个系数
4、差一个很棒的数学公式
其实综合排序入门逻辑其实很好理解，但是做深很难：
例如：你手里有10个offer，你要这10个从1到10进行排序，你如何做？
1、可以通过 发展空间、薪酬、公司规模，文化与氛围，保险，吃住问题，上班时间与距离等8个影响因素决定（影响你决策的因子）
2、这8个影响因素有你最看重的，有你不太看重的，你可以把这8个在你心目中所占的比例给一个比重，比如：薪资（占40%）、其他7各项挨个给出你心目中的比重，所有8个比重加起来100%。
3、给这10家公司分别进行8项影响因素打分（满分10分）
4、计算公司进行计算。
A公司数值=薪酬打分值＊40%+发展空间打分值＊。。。。。
B公司到G公司数值计算同理可得。
5、然后你得到了这10家公司的数值大小，通过数字大小进行排序。
以上 10个offer就是电商的10个商品，8个因素就商品的销量、浏览量、收藏量，权重就是这8个因素在单个商品当中所占比重，分数就是系统记录的销量数值、浏览量数值。
同理可得，有10个很帅的意向对象，要选择一个当你男朋友，影响因素、给权重、打分、计算、数字排序。
