在进行商品排名分布趋势分析时，如果直接对搜索结果下的排名数值进行可视化处理，生成的图表难以获得有效信息(因为不同商品的排名数值波动太大，有的商品销量非常好，排名是个位数，有的商品很多天没有出单，排名是百万级数字)，因此需要对排名数值进行预先处理。
常见的排名处理方式是对排名取其对数函数，其中是指商品排名数值(大类排名 )为取对数函数后计算所得的数值。
取对数函数的理由基于以下两点:
在电子商务乃至互联网领域，“长尾分布”非常常见。
互联网上从歌曲和软件的下载、网页的点击到网上店铺的销售，都呈现长尾分布的特征。曲线头部位置较高，随着序号的增大，曲线徒然下降，但在尾部位置曲线并没有迅速坠落到零，而是极其缓慢地贴近于横轴。
以国内知名的电商平台“淘宝”为例，通过“淘宝”PC端前台网页搜索“笔记本电脑”关键词，然后选择销量由高到低排列。
依次记录了前100个搜索排序商品的月销量，可以得到产品销量柱状图。
柱状图的横轴为不同的搜索排序，纵轴为不同搜索排序商品的月销量，该图像形状与“长尾分布”非常相似。
针对“长尾分布”，对数函数可以有效地分析该分布中不同次序商品对应销量的关系，对数函数的仿真图像与“长尾分布”的图像也非常类似。
因此，在亚马逊平台的商品排名数据分析中，选择对数函数对排名进行分析是非常有效的数据处理方法。
对数函数除了可以应对“长尾分布”的问题外，还可以对销量与排名的关系进行有效的预测。
在亚马逊平台，卖家无法通过前台观察不同产品的实际销量(国内“淘宝”电商平台则可以直接看到不同商品的月销量数据 )，因此如何通过排名预测销量成为很多卖家最关心的问题。研究结果发现，“the relationship between log sales and log ranks is closeto linear”即“采用了对数函数的销售数据与采用了对数函数的排名数据之间的关系接近线性”@。因此，对亚马逊平台的排名数据进行对数函数的取值，有助于运营者对产品的真实销量进行有效的预测。
