今天看一个新品，流量有小爆发，去sif看了下流量时光机，发现最近几天，推荐流量有一个trending now的入口有井喷式爆发，觉得挺好奇，不知道亚马逊这个轮播窗口的推荐逻辑是什么，就去Google搜了一下，发现了一个叫做Amazon science的网站，有一篇论文是阐释亚马逊trending now 是如何作用的。我下载下来扔给chatgpt帮我总结了一下，简单说来，就是他们设计了一个叫做TrendRec的预测模型，通过购买者和商品之间的互动，分析出商品之间的关联，并预测接下来，哪些商品会更受欢迎。

相比传统的模型只通过交互数据的绝对值来判断，如今的模型更看重交互数据的变化率，并通过时间序列预测，来解决趋势变化的实时性和数据稀疏性的问题。

也就是说，对于某些没有大量数据积累的新产品，和冷门需求产品，在某一个关键词的首页是无法获得曝光的，那么，系统就利用这个模型，把这些短时间数据快速增长的产品，以及与这些产品相似的关联产品利用trending now轮播出来，为消费者提供更有潜力的商品。 所以这个入口并不是我们理解的最受欢迎的产品，而是最近几天数据突然高速上升的潜力产品，这也可以解释为何很多月销量一般的产品也会出现在这个位置。

对了，这个位置很多时候需要投放广告才能获得，而且和sp广告位不冲突。

例子帮助理解
假设你有两件商品：

商品A：前两天每天的点击数是100、120、140。
商品B：前两天每天的点击数是10、50、90。
传统推荐：会更倾向推荐商品A，因为点击数高。
基于加速度的趋势推荐：会更倾向推荐商品B，因为它的加速度更高（每天增长40次）。

用时间序列预测解决实时性：

根据商品过去几天的点击数，预测未来点击数增长得最快的商品。例如：
商品C最近3天点击数是10、15、25，预测未来可能达到50；
商品D最近3天点击数是50、60、65，未来可能只有70。
模型会推荐商品C，因为它的增长速度更快。
用时间序列预测解决数据稀疏性：

商品E是个新品，数据稀少。但它的用户和商品F的用户重合度高，且商品F增长很快，模型可以预测商品E也会有类似趋势，从而更及时推荐商品E
#飞扬亚马逊杂谈#