流浪地球中的迭代算法在淘客选款中的运用

最近流浪地球很火，电影里刘德华的“电子版女儿”据称经历了四百多次迭代才到了拥有自我意识的程度，在银幕上出现、和父亲刘德华对话的时候已经迭代了九百多次。

其实迭代并不是什么高大上的东西，如果用我们已知的几个简单的字来解释，那可能是“吃一堑长一智”，或者是“精益求精”。

迭代是重复反馈过程的活动，其目的通常是为了逼近所需目标或结果。每一次对过程的重复称为一次“迭代”，而每一次迭代得到的结果会作为下一次迭代的初始值。

重复执行一系列运算步骤，从前面的量依次求出后面的量的过程。此过程的每一次结果，都是由对前一次所得结果施行相同的运算步骤得到的。

最早看到迭代是从计算机语言中了解到的，与之相关的还有递归、遍历等概念。

著名的音频节目卓老板聊科技中就有介绍过一个机器人通过不断迭代迅速找出迷宫出口的算法。

其实我们在生活中也经常运用这种思维。

有钱了，买车，买房，再有钱一点，换好车，换好房，再有钱一点，换豪车，换豪宅，这是迭代思维的体现。

第一次做一件事，做得一般，第二次做同样一件事，做得好一点了，第N次做同样一件事，就成大师了，这是迭代思维的体现。

人类的生命进化从一个单细胞开始，到多细胞，到有意识的智慧生命，也是一个不断迭代优化的过程。

那么，淘客选款可以用迭代模式吗？

先说答案，当然是可行的。无论你是维护社群选款、引流落地、粉丝变现都可以用到迭代思维模式。

只要你严格的记录重要的相关的信息，并不断的加以改进和优化，绝大部分工作都可以不断的得到新的提升。

说个具体迭代的例子

就拿一个具体的小红书引流选款的例子来说吧，我们之前引流的时候，是从大淘客商品库直接生成文案发布的。

成千上万的商品依次组织文案发布笔记，看看哪些款能出单。发着发着，发现有些商品有粉丝会搜索和看到，并且寻过来关注成了粉丝还下单了，而且订单还挺多，而更多的一些款却没有出单。

可这样的成本和周期是相当大的，可能很多人还没有挖掘到真正的好款就已经放弃了。

当我们积累到一定的商品数据以后，如果要扩大战果，提升选款效率。我们第一时间考虑的肯定是寻找那些优秀的商品和那些低劣的商品之间的差异，并更多的以优秀商品的特性来寻找新的目标商品。

看，其实人做事，本来也是这么干的。

只是使用一些软件系统会让这个迭代优化的过程更加严谨和有规律，我们看看软件系统的话可以怎么做。

一般商品的主要属性有：商品价格、品牌名称、长尾词流量、佣金比例、月销量、商品类目等。

我们可以将商品按价格和成功率进行分段打分，这里所说的成功率是指有出单且ROI(投入产出比)>1的商品，因为理论上一个商品只要发布的笔记足够多，总是会出单的，只是划不划算的问题。

那么我们这样统计，比如：

1-20元的商品成功率10%

20-50元的商品成功率20%

50-100元的商品成功率30%

100-200元的商品成功率20%

同理也可以按佣金的区间进行分段打分，比如：

10%佣金的商品成功率10%

20%佣金的商品成功率20%

30%佣金的商品成功率30%

80%佣金的商品成功率10%

从上面价格和佣金的两个数据来看，50-100元且佣金为30%左右的商品成功率最高，其他的可能依次分为稍次、很次、最次。

当然，实际操作时具体的数据并不会像上面这么清晰，可能会有很多干扰和特例，导致我们的分析产生偏差。但是没有关系，因为我们后面还会继续积累反馈和汇总优化，前面犯点小错是可以理解的。

在此基础上我们继续加上月销量、商品类目、品牌知名度等其他重要属性的打分。

为便于统计分析与排序，我们可以将这些属性按一定的权重进行汇总，得出一个单一的指标数字，用以衡量某个新款是有成为优秀商品的基因。

这样评估出来“优秀”的商品真的优秀的可能性就大大提升了，可以大大缩短测款的周期和减少成本，然后将这些优秀的商品纳入我们的商品库中进行推广发布，继续记录这些商品的真实出单反馈。

然后下一轮，我们又可以重新用新的商品池作为评估对象，重新统计以上的维度的成功率，并用以评估新的商品成为优秀商品的基因指标。

如此往返，周而复始。

一般来说根据计算因素的准确度，迭代3-7次以上，积累足够多的数据，就可以比较精准的选出比较好能出单的商品。