亚马逊创建新父体后权重怎么算

亚马逊创建新父体后权重怎么算
Acos =广告支出/销售收入
Acos=(点击单价点击量)/生成销售销售额=客户单价销售数量
Acos=(点击单价点击)/(客单价销售数量)销售数量=转化率点击流量。
Acos=(点击单价点击)/(客单价转化率点击流量)
Acos=点击单价/(客单价转化率)=cpc/(客单价cr)
Spend是单次点击的成本，sales是单价和客户单数。acos值越小，广告投入产生的效益越好。
亚马逊权重的四个标准
1、订单缺陷率(ODR)：
ODR由多种指标构成，包括负面反馈、A-to-Z索赔、客服回复时间、退货、卖家取消订单以及客户有没有因为任何问题联系过你。这些都被称之为“缺陷订单”，可以通过下载过去90天的缺陷订单报告来查看，分析哪种产品会带来最多的缺陷订单，是什么原因造成的，降低缺陷订单的第一步是什么，然后采取相应的措施。
2、取消率(CR)：
配送前取消率的计算是在一定时间段内卖家在确认订单前取消的订单数量除以订单数。配送前取消率=(已取消订单)/(订单总数)。计算该指标时，亚马逊统计所有由卖家取消的订单，买家使用其亚马逊账户中的订单取消选项请求的订单取消除外。由买家直接在Amazoncom上取消的未决订单也不包括在内。指标要求：目标<25%，必须达到。卖家尽量不要取消买家的订单，卖家应该指导客户自己取消订单，亚马逊会给他们一个小时的时间，这样双方都不会有损失。
3、迟发率(LSR)(仅支持自配送订单)：
延迟发货率是在统计时间段内在预计配送日期之后确认的订单数量除以订单数。指标要求：目标<4%，必须达到。如果超标的话，可能会收到亚马逊的警告邮件，情节严重者，很有可能会导致帐号受限。
4、有效追踪率(VTR)(仅支持自配送订单)：拥有有效跟踪号的自配送发货订单占所有自配送发货订单的比例。有效跟踪需要有有效跟踪号。亚马逊仅目前支持以下物流商的追踪信息：UPS、UPSMI、USPS、DHL、DHLGlobalMail、FedEx、FedExSmartpost、OnTrac、Newgistics、CanadaPost、Lasership、EMS、EUB。指标要求：目标>95%。
亚马逊规定，卖家需要在 2 个工作日之内给买家发货，最晚不超过 3 个工作日，超时未发货，就被计入延迟发货订单。亚马逊指标迟发率<4%。如果超标的话，可能会收到亚马逊的警告邮件，情节严重者，很有可能会导致帐号受限。
针对卖家自配送，亚马逊要求有效追踪率达 95%以上。这项指标反映了卖家的配送服务中的缺陷，或者没有能力处理一天之中的订单量，这种情况下，可以做出短期的调整，修改不能按时送达的产品的运输时间，这样会有一定的帮助，然而对于大多数客户来说，他们购买产品的时候并不会看产品送达时间，如果修改后的时间仍然在客户的预期之外，他们仍然会不满意。

权重确定的第一步是用层次分析法（AHP）建立问题的递阶层次结构并建立判断矩阵，具体如下：

（1）建立问题的递阶层次结构

首先，根据对问题的了解和初步分析，把复杂的问题按特定的目标、准则和约束条件等分解成被称为因素的各个组成部分，把这些因素属性做不同分层排列。地质环境评价是个复杂得决策系统，根据层次分析法的基本原理，可划分为三个层次：

目标层（A）：把基坑降水环境评价作为工作的目标。

准则层（B）：把影响基坑降水环境评价的因素归为3个主要方面，并列为评价的基本准则如设计要素、施工要素、环境条件。

指标层（C）：根据评价准则，将上述基坑降水环境评价的因素进一步细分为9个具体评价指标，如降水方式、岩土性质、渗透系数、水文地质边界、基坑侧壁状态、边载分布、建设年代、基础型式、监测数据。

（2）确定判断矩阵B

按表32所示的TLSatty的1～9标度，每位专家独立地两两比较所有的评价因子后得出各自的判断矩阵，接着将每个成员构造的判断矩阵集中得到综合判断矩阵，并经全体专家讨论修改直至所有专家对综合判断矩阵没有意见为止。

表32 层次分析定权法的判断矩阵标度及其含义

（3）构造的判断矩阵如下表33、表34、表35、表36

表33 A→B

表34 B→C1

表35 B→C2

表36 B→C3

权重确定的第二步是计算指标权重（即求解判断矩阵的最大特征向量）具体如下：

（1）计算各行n个元素乘积

基坑降水工程的环境效应与评价方法

A→B：m1=3/5，m2=1/18，m3=30

B→C1：m1=40，m2=4/5，m3=1/32

B→C2：m1=1/21，m2=3/5，m3=35

B→C3：m1=3/5，m2=1/21，m3=35

（2）计算n次方根

基坑降水工程的环境效应与评价方法

A→B：x1=084，x2=038，x3=311

B→C1：x1=342，x2=093，x3=031

B→C2：x1=036，x2=084，x3=327

B→C3：x1=084，x2=036，x3=327

（3）对向量进行规范量化

将上述n次方根所得的n个向量组成矩阵，并对向量进行归一化处理。

基坑降水工程的环境效应与评价方法

A→B：w1=019，w2=009，w3=072

B→C1：w1=073，w2=020，w3=007

B→C2：w1=008，w2=019，w3=073

B→C3：w1=019，w2=008，w3=073

（4）计算矩阵的特征值

基坑降水工程的环境效应与评价方法

A→B：

基坑降水工程的环境效应与评价方法

B→C1：

基坑降水工程的环境效应与评价方法

B→C2：

基坑降水工程的环境效应与评价方法

B→C3：

基坑降水工程的环境效应与评价方法

（5）一致性检验

由于客观事物的复杂性及对事物认识的片面性，构造的判断矩阵不一定是一致性矩阵，但当偏离一致性过大时，会导致一些自相矛盾的问题。因此，得到λmax后，还需进行随机一致性检验，检验公式为

基坑降水工程的环境效应与评价方法

式中CI——一致性指标；

λmax——最大特征根；

n——矩阵阶数。

RI——平均随机一致性指标，取值如表37所示，CR为随机一致性比率。

只有当CR＜010时，判断矩阵才具有满意的一致性，才认为所获取的权值是合理的。

表37 层次分析法的平均随机一致性指标值

A→B：CI=（310-3）/（3-1）=005 CR=CI/RI=005/058=009＜010

B→C1：CI=（310-3）/（3-1）=005 CR=CI/RI=005/058=009＜010

B→C2：CI=（304-3）/（3-1）=002 CR=CI/RI=002/058=003＜010

B→C3：CI=（304-3）/（3-1）=002 CR=CI/RI=002/058=003＜010

如果在第一次专家打分后，打分结果不能通过一致性检验，则返回重新进行打分，直到通过检验为止。

权重确定的第三步是计算各层次因子的组合权重。即：求出某一层的因素权重后，再按第二步的步骤计算其他层次的因素权重并最终求得指标层（最下层）的组合权重。

权重矩阵：B=[ 014 004 001 001 002 007 013 006 052 ]

计算权重是一种常见的分析方法，在实际研究中，需要结合数据的特征情况进行选择，比如数据之间的波动性是一种信息量，那么可考虑使用CRITIC权重法或信息量权重法；也或者专家打分数据，那么可使用AHP层次法或优序图法。

本文列出常见的权重计算方法，并且对比各类权重计算法的思想和大概原理，使用条件等，便于研究人员选择出科学的权重计算方法。

首先列出常见的8类权重计算方法，如下表所示：

这8类权重计算的原理各不相同，结合各类方法计算权重的原理大致上可分成4类，分别如下：

第一类、信息浓缩 (因子分析和主成分分析)

计算权重时，因子分析法和主成分法均可计算权重，而且利用的原理完全一模一样，都是利用信息浓缩的思想。因子分析法和主成分法的区别在于，因子分析法加带了‘旋转’的功能，而主成分法目的更多是浓缩信息。

‘旋转’功能可以让因子更具有解释意义，如果希望提取出的因子具有可解释性，一般使用因子分析法更多；并非说主成分出来的结果就完全没有可解释性，只是有时候其解释性相对较差而已，但其计算更快，因而受到广泛的应用。

比如有14个分析项，该14项可以浓缩成4个方面(也称因子或主成分)，此时该4个方面分别的权重是多少呢？此即为因子分析或主成分法计算权重的原理，它利用信息量提取的原理，将14项浓缩成4个方面（因子或主成分），每个因子或主成分提取出的信息量（方差解释率）即可用于计算权重。接下来以SPSSAU为例讲解具体使用因子分析法计算权重。

如果说预期14项可分为4个因子，那么可主动设置提取出4个因子，相当于14句话可浓缩成4个关键词。

但有的时候并不知晓到底应该多少个因子更适合，此时可结合软件自动推荐的结果和专业知识综合进行判断。点击SPSSAU‘开始分析’后，输出关键表格结果如下：

上表格中底纹为‘旋转前方差解释率’，其为没有旋转前的结果，实质上就是主成分的结果。如果是使用因子分析，一般使用‘旋转后方差解释率’对应的结果。

结果中方差解释率%表示每个因子提取的信息量，比如第1个因子提取信息量为223%，第2个因子为21862%，第3个因子为18051%，第4个因子为10931%。并且4个因子累积提取的信息量为73145%。

那么当前4个因子可以表述14项，而且4个因子提取出14项的累积信息量为73145%。现希望得到4个因子分别的权重，此时可利用归一化处理，即相当于4个因子全部代表了整体14项，那么第1个因子的信息量为223%/73145%=3049%；类似的第2个因子为21862%/73145%=2989%；第3个因子为18051%/73145%=2468%；第4个因子为10931%/73145%=1494%。

如果是使用主成分法进行权重计算，其原理也类似，事实上结果上就是‘旋转前方差解释率’值的对应计算即可。

使用浓缩信息的原理进行权重计算时，只能得到各个因子的权重，无法得到具体每个分析项的权重，此时可继续结合后续的权重方法（通常是熵值法），得到具体各项的权重，然后汇总在一起，最终构建出权重体系。

通过因子分析或主成分分析进行权重计算的核心点即得到方差解释率值，但在得到权重前，事实上还有较多的准备工作，比如本例子中提取出4个因子，为什么是4个不是5个或者6个；这是结合专业知识和分析方法提取的其它指标进行了判断；以及有的时候某些分析项并不适合进行分析，还需要进行删除处理后才能进行分析等，此类准备工作是在分析前准备好，具体可参考SPSSAU帮助手册里面有具体的实际案例和视频说明等。

第二类、数字相对大小 (AHP层次法和优序图法)

计算权重的第二类方法原理是利用数字相对大小，数字越大其权重会相对越高。此类原理的代表性方法为AHP层次法和优序图法。

1 AHP层次法

AHP层次分析法的第一步是构建判断矩阵，即建立一个表格，表格里面表述了分析项的相对重要性大小。比如选择旅游景点时共有4个考虑因素，分别是景色，门票，交通和拥护度，那么此4个因素的相对重要性构建出判断矩阵如下表：

表格中数字代表相对重要的大小，比如门票和景色的数字为3分，其说明门票相对于景色来讲，门票更加重要。当然反过来，景色相对于门票就更不重要，因此得分为1/3=03333分。

AHP层次分析法正是利用了数字大小的相对性，数字越大越重要权重会越高的原理，最终计算得到每个因素的重要性。AHP层次分析法一般用于专家打分，直接让多位专家（一般是4~7个）提供相对重要性的打分判断矩阵，然后进行汇总（一般是去掉最大值和最小值，然后计算平均值得到最终的判断矩阵，最终计算得到各因素的权重。

SPSSAU共有两个按键可进行AHP层次分析法计算。

如果是问卷数据，比如本例中共有4个因素，问卷中可以直接问“景色的重要性多大？”，“门票的重要性多大？”，“交通的重要性多大？”，“拥护度的重要性多大？”。可使用SPSSAU问卷研究--权重，系统会自动计算平均值，然后直接利用平均值大小相除得到相对重要性大小，即自动计算得到判断矩阵而不需要研究人员手工输入。

如果是使用综合评价--AHP层次分析法，研究人员需要自己手工输入判断矩阵。

2 优序图法

除了AHP层次分析法外，优序图法也是利用数字的相对大小进行权重计算。

数字相对更大时编码为1，数字完全相同为05，数字相对更我码为0。然后利用求和且归一化的方法计算得到权重。比如当前有9个指标，而且都有9个指标的平均值，9个指标两两之间的相对大小可以进行对比，并且SPSSAU会自动建立优序图权重计算表并且计算权重，如下表格：

上表格中数字0表示相对不重要，数字1表示相对更重要，数字05表示一样重要。比如指标2的平均值为3967，指标1的平均值是41，因此指标1不如指标2重要；指标4的平均值为43，重要性高于指标1。也或者指标7和指标9的平均得发均为4133分，因此它们的重要性一样，记为05。结合上面最关键的优序图权重计算表，然后得到各个具体指标（因素）的权重值。

优序图法适用于专家打分法，专家只需要对每个指标的重要性打分即可，然后让软件SPSSAU直接结合重要性打分值计算出相对重要性指标表格，最终计算得到权重。

优序图法和AHP法的思想上基本一致，均是利用了数字的相对重要性大小计算。一般在问卷研究和专家打分时，使用AHP层次分析法或优序图法较多。

第三类、信息量 (熵值法)

计算权重可以利用信息浓缩，也可利用数字相对重要性大小，除此之外，还可利用信息量的多少，即数据携带的信息量大小（物理学上的熵值原理）进行权重计算。

熵值是不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。因而利用熵值携带的信息进行权重计算，结合各项指标的变异程度，利用信息熵这个工具，计算出各项指标的权重，为多指标综合评价提供依据。

在实际研究中，通常情况下是先进行信息浓缩法（因子或主成分法）得到因子或主成分的权重，即得到高维度的权重，然后想得到具体每项的权重时，可使用熵值法进行计算。

SPSSAU在综合评价模块中提供此方法，其计算也较为简单易懂，直接把分析项放在框中即可得到具体的权重值。

第四类、数据波动性或相关性 (CRITIC、独立性和信息量权重)

可利用因子或主成分法对信息进行浓缩，也可以利用数字相对大小进行AHP或优序图法分析得到权重，还可利用物理学上的熵值原理（即信息量携带多少）的方法得到权重。除此之外，数据之间的波动性大小也是一种信息，也或者数据之间的相关关系大小，也是一种信息，可利用数据波动性大小或数据相关关系大小计算权重。

1 CRITIC权重法

CRITIC权重法是一种客观赋权法。其思想在于用两项指标，分别是对比强度和冲突性指标。对比强度使用标准差进行表示，如果数据标准差越大说明波动越大，权重会越高；冲突性使用相关系数进行表示，如果指标之间的相关系数值越大，说明冲突性越小，那么其权重也就越低。权重计算时，对比强度与冲突性指标相乘，并且进行归一化处理，即得到最终的权重。使用SPSSAU时，自动会建立对比强度和冲突性指标，并且计算得到权重值。

CRITIC权重法适用于这样一类数据，即数据稳定性可视作一种信息，并且分析的指标或因素之间有着一定的关联关系时。比如医院里面的指标：出院人数、入出院诊断符合率、治疗有效率、平均床位使用率、病床周转次数共5个指标；此5个指标的稳定性是一种信息，而且此5个指标之间本身就可能有着相关性。因此CRITIC权重法刚好利用数据的波动性（对比强度）和相关性（冲突性）进行权重计算。

SPSSAU综合评价里面提供CRITIC权重法，如下图所示：

2 独立性权重法

独立性权重法是一种客观赋权法。其思想在于利用指标之间的共线性强弱来确定权重。如果说某指标与其它指标的相关性很强，说明信息有着较大的重叠，意味着该指标的权重会比较低，反之如果说某指标与其它指标的相关性较弱，那么说明该指标携带的信息量较大，该指标应该赋予更高的权重。

独立性权重法仅仅只考虑了数据之间相关性，其计算方式是使用回归分析得到的复相关系数R 值来表示共线性强弱（即相关性强弱），该值越大说明共线性越强，权重会越低。比如有5个指标，那么指标1作为因变量，其余4个指标作为自变量进行回归分析，就会得到复相关系数R 值，余下4个指标重复进行即可。计算权重时，首先得到复相关系数R 值的倒数即1/R ，然后将值进行归一化即得到权重。

比如某企业计划招聘5名研究岗位人员，应聘人员共有30名，企业进行了五门专业方面的笔试，并且记录下30名应聘者的成绩。由于专业课成绩具有信息重叠，因此不能简单的直接把成绩加和用于评价应聘者的专业素质。因此使用独立性权重进行计算，便于得到更加科学客观的评价，选出最适合的应聘者。

SPSSAU综合评价里面提供独立性权重法，如下图所示：

3 信息量权重法

信息量权重法也称变异系数法，信息量权重法是一种客观赋权法。其思想在于利用数据的变异系数进行权重赋值，如果变异系数越大，说明其携带的信息越大，因而权重也会越大，此种方法适用于专家打分、或者面试官进行面试打分时对评价对象（面试者）进行综合评价。

比如有5个水平差不多的面试官对10个面试者进行打分，如果说某个面试官对面试者打分数据变异系数值较小，说明该面试官对所有面试者的评价都基本一致，因而其携带信息较小，权重也会较低；反之如果某个面试官对面试者打分数据变异系数值较大，说明该面试官对所有面试者的评价差异较大，因而其携带信息大，权重也会较高。

SPSSAU综合评价里面提供信息量权重法，如下图所示：

 对应方法的案例说明、结果解读这里不再一一详述，有兴趣可以参考SPSSAU帮助手册。

需要构造判断矩阵。

层次分析法根据问题的性质和要达到的总目标，将问题分解为不同的组成因素，并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合，形成一个多层次的分析结构模型，从而最终使问题归结为最低层(供决策的方案、措施等)相对于最高层(总目标)的相对重要权值的确定或相对优劣次序的排定。

扩展资料：

层次分析法注意事项

在运用层次分析法时，如果所选的要素不合理，其含义混淆不清，或要素间的关系不正确，都会降低AHP法的结果质量，甚至导致AHP法决策失败。为保证递阶层次结构的合理性，需把握以下原则：

1、分解简化问题时把握主要因素，不漏不多；

2、注意相比较元素之间的强度关系，相差太悬殊的要素不能在同一层次比较。

参考资料来源：百度百科-层次分析法

权重比例怎么算
问题一：权重计算方法学校领导9分，授课老师（10+9）/2=95分，班干部是9分，同学分别是（10+8）/2=9分
甲同学测评分数=9×04+95×03+9×畅2+9×01=915分
问题二：什么是权重比例权重是一个相对的概念，针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对重要程度。权重是要从若干评价指标中分出轻重来，一组评价指标体系相对应的权重组成了权重体系。
通常来说，设置权重的方法有以下几种：
主观经验法
考核者凭自己以往的经验直接给指标设定权重，一般适用于考核者对考核客体非常熟悉和了解的情况下。
主次指标排队分类法
这是比较常用的一种方法，也称A、B、C分类法。顾名思义，其具体 *** 作分为排队和设置权重两步：排队是将考核指标体系中所有指标按照一定标准，如按照其重要性程度进行排列；设置权重是在排队的基础上，按照A、B、C三类指标设置权重。
专家调查法
这种方法是聘请有关专家，对考核指标体系进行深入研究，由每位专家先独立地对考核指标设置权重，然后对每个考核指标的权重取平均值，作为最终权重。同样的指标，对不同的部门和人员来说，各个指标的权重应不一样；不同来源的数据权重也是不一样的。考核实践中应综合运用各种方法科学设置指标权重。通常的做法是主要根据指标的重要性进行设置，并可根据需要适时进行调整。
问题三：权重系数怎么算权重系数
在数学上，为了显示若干量数在总量中所具有的重要程度，分别给予不同的比例系数，这就是加权。
加权的指派系数就是权数，又称权重、权值。
权数分为两种，即自重权数与加重权数。
权重系数是表示某一指标项在指标项系统中的重要程度，它表示在其它指标项不变的情况下，这一指标项的变化，对结果的影响。
权重系数的大小与目标的重要程度有关。对于不同学科，不同年龄阶段，每个指标项的重要程度是不同的，所以各指标项的权重系数必须根据实际情况作出合理的规定。
自重权数：以权数作为指标的分值（或分数），或者以权数直接作为等级的分值。
加重权数：在各指标的已知分值（即自重权数）前面设立的权数。
（1）经验方法
通过访问有经验的专家、学者，以他们在实践中的经验分析哪项指标项重要、哪项指标项不太重要，从而确定这些指标项的权重系数的大小。
（2）多因素统计方法
事先设计好一些问卷问题，将各项指标项列出来，以最重要、重要、次重要的等级让调查对象打勾，再将调查的结果进行统计计算，以计算出来的排序指数Wi的大小来确定权重系数的大小
问题四：权重计算方法权重系数是表示某一指标项在指标项系统中的重要程度，它表示在其它指标项不变的情况下，这一指标项的变化，对结果户影响。
出题人的考察点在于看你是否理解了权重概念。
以题中所举案例，当权重为W1时，所有指标项均为1，也就是说不分重要程度，同等重要，当权重为W2时，突出技术能力和政治思想，此两项为1，高于其他项。当权重为W3时，突出学历和组织能力，此两项为1，高于其他项。
那么当突出技术能力和政治思想时，权重选项为W2，此时，甲得分为09×1+05×05+1×1+1×08+08×08+08×07+1×06=475乙得分为07×1+09×05+08×1+08×08+1×08+1×07+07×06=451
问题五：什么叫权重什么叫比重这么跟你说吧，所谓比重就是比例，比如说今年公司的主营业务收入了800万，其他业务收入了200万，那么主营业务的比重就是800/(800+200)=08。要说到权重的话，这个需要权重参数，举个例子说，企业通常更看重主营业务，因为这个比较稳定，而其他业务就不一定了，那么企业就会自己设定权重参数，例如主营业务的比重是08，但是企业一般就会设定权重参数为08以上的数值。不过大多数情况下，我们对于这二者是不加区分的，只有在一些风险比较高的行业，我们才加以区分。
问题六：权重比率的算法请教这个比例是以资金量来说的。打个比方，两市现在的总的资金量假如说是3万亿（这个数字百度一下应该好查到），某一只股票，比如中石化，你F10查看一下大致的资金量。剩下的就是一除，占得比例就出来了。我是这么理解。
我理解的公式是：
权重比例=某只股票的总金额/整个大盘的总资金量
有能人在帮补充吧。
问题七：51分权重占70%要怎么算权重就是占比例，70%就等于07，那么51（满分100的话）乘以07等于357，在比如另一项权重30%，得分100，那么100乘以03等于30，总分就是357+30=657及格了。
问题八：投标价格权重是什么意思投标价格权重是就是投标价格赋分的比例。比如当地投标要求，货物项目的价格分值占总分值的比重（权重）不得低于30%，不得高于70%；服务项目的价格分值占总分值的比重（权重）不得低于20%，不得高于40%。
投标价格是指投标人依据招标文件章程的条件完成招标项方针预算(假使有的话)、动工、竣工和修补任何缺陷的投标报价。投标的定义是承包者按照招标要求提出报价，争取获得承包任务的工作；投标是与招标相对应的概念，它是指投标人应招标人的邀请或投标人满足招标人最低资质要求而主动申请，按照招标的要求和条件，在规定的时间内向招标人递价，争取中标的行为。

---