對于內容型的產品來說，一款好的搜索功能，可以最大程度放大內容效益——吸引用戶留下來，并促使進入流量到下一波的轉化。而筆者也以自己的搜索優化實踐為例，說明了一系列的操作步驟，希望對你有所啟發。

作者：Claire

題圖來自 Unsplash，基于 CC0 協議

全文共 2335 字，閱讀需要 5 分鐘

—————— BEGIN ——————

來交代下近況：來公司一年多了，在經歷了半年app迭代功能規劃工作之后我終于迎來了第一個高級功能——搜索優化。

（不是說其他功能不高級，只是搜索是對我來說全新的領域，跟以往負責的工作大不相同，所以稱之為高級）

01 背景

我所負責的是APP的內容線的工作，核心工作圍繞留存率展開。

在進行數據分析后發現留存率與用戶收藏次數有關，收藏越多，留存率越高——因此提高留存，就要提高收藏。

明確了留存的關鍵行為后，就該去探索用戶發生關鍵行為的核心漏斗。

通過app的流量分析可以知道，大部分流量進入食譜詳情頁的路徑是通過搜索，所以優化搜索 → 瀏覽 → 收藏這個路徑，預測會得到最大的轉化率（實際上也是的）。

02 過程

首先需要確定搜索的流程，大致確定為三步：

1. 搜索前：熱搜詞、歷史搜索等

2. 搜索時：關鍵詞聯想、自動糾錯等

3. 搜索后：無結果的推薦、有結果時的排序等

這次挑搜索后的搜索結果排序來詳細說說。

第一步：制定排序策略

排序其實就是比大小，所以方法是給排序結果計算分值，根據不同的關鍵詞，搜出來的結果都有自己的分值，只要比較大小就可以算出排序列表。

接下來就是如何計算的問題，也就是哪些因素會影響排序分值，請往下看：

第二步：找參數

搜索結果排序這個東西，我在做的時候查閱了很多資料，但大多數資料都比較偏向底層的技術細節，比如說關鍵詞匹配規則。

好在市面上有比較成熟的解決方案來解決底層的搜索邏輯，我們產品只需要決定關鍵詞匹配哪些內容，以及賦多少權重即可。

更為重要的是：除了相關度這個因素之外，搜索結果的排序還受到哪些因素的影響，以及他們是如何影響排序的。

前文有說到，收藏行為是用戶留存的關鍵行為，所以食譜的優質標準中最重要的指標也是收藏率（收藏次數/瀏覽次數），因此收藏率會是搜索結果排序公式中的一項參數。

但是，如果只看收藏率也會有問題，比如當分子分母都非常小的時候，假如瀏覽次數是2，收藏次數是1，那收藏率就會有50%，這種極端情況出現。

為了減少這種極端，會加入另外一個參數，就是收藏次數。

于是到現在已經找好了三個參數：相關度、收藏次數、收藏率。

第三步：歸一化

定好了參數后，由于這些參數幾乎不在一個數量級，無法直接放進公式計算。

因此，需要先明確他們的范圍：相關度數量級大約在100以內；收藏次數非常大，約為好幾萬，且不可控；收藏率范圍在0～1之間。

我們需要把三個參數歸一，便于計算。

由于數學一般，當時能想到的方法有兩個：一種是對數，一種是分數。

我來說下我的理解：

拿收藏次數這個參數來看，如果用對數的話，可以有一個變量，log2^A，A是收藏次數；如果用這個公式來計算的話，2個收藏跟2000個收藏差別不大，但還是無法避免前文所說收藏和瀏覽次數都很小，但收藏率極高的問題，且范圍只是在一定范圍內可控，仍然不知道如何跟收藏率放在一起計算。

于是模仿了收藏率公式：收藏次數/瀏覽次數，收藏次數也按照這樣歸一：分子是當前食譜的收藏次數，分母是當前搜索結果中的最大收藏次數。

這樣這個參數就有兩個變量，當收藏次數極低時，這個參數很小，收藏率對整個公式的影響不會是致命的。

于是仿照這個公式得出相關度的歸一，得出最終計算排序分值的公式：A*當前相關度/最大相關度+B*當前收藏次數/最大收藏次數+C*當前收藏次數/當前瀏覽次數。

這樣保證三個參數的取值范圍都是0～1，后續只要根據不同關鍵詞，調整A、B、C三個值，使收藏率高的食譜排在考前的位置即可。

03 結果和復盤

結果可想而知：通過搜索路徑產生的收藏轉化，提高了30%+。

當然，這并不是高枕無憂的解決方案。

由于我們的排序公式對所有詞的搜索結果計算是一視同仁的，但是分析了關鍵詞搜索趨勢后發現，搜索詞是可以聚類的，并不是沒有規律，尤其是像食譜搜索這樣的垂直領域，用戶對每個（或者說每類）關鍵詞搜出的結果有不同的預期。

比如說：

用戶會搜索食譜類目名稱，如下午茶、家常菜、創意菜等，或者按照食材來搜索，如雞胸肉、三文魚等。

單看這兩種類型的搜索詞可以猜測出用戶的搜索場景：搜索類目詞的用戶手上還沒買食材，純粹是來找靈感的，所以對新鮮感的要求比較高，兩天來看到同樣的東西就會失去熱情，所以優化的方向應該是加入一個時間參數，越新的食譜排在越前面。

搜索食材詞的用戶大多已經拿買好了食材，這個時候找到食譜就行，對新鮮感的需求不如類目詞，而是需要發掘長尾的食譜。所以此時優化的方向不會加入時間參數，而是在原來的公式上調整權重，讓相關度的權重更大。

當然這還只是短期的策略，再往后如果資源允許的情況下，會加入協同過濾的算法，是將相似喜好的用戶分組對待，更場景化。

比如與我喜好相似的用戶搜索家常菜后點擊或收藏的食譜，會排在我的搜索結果里更靠前的位置。

另外，由于食譜有時令性，用戶在夏天搜索家常菜和在冬天搜索家常菜的訴求也會是不一樣的，比如在夏天搜索家常菜我可能更想吃涼菜，此時如果搜出了很多羊肉湯也是很不合時宜的，因此在排序公式中，參數前面加上近期該搜索詞的**量作為權重公式，我覺得會更有效率。

但是，在優化了搜索帶來了一大波轉化后也還是立刻達到瓶頸；原因是用戶在進入詳情頁后，流量就死了。所以下一步我們緊接著就上了食譜相關推薦以增加詳情頁流量，這是另一個有趣的話題，有時間再來寫～

—————— / END / ——————