來交代下近況：來了**煮工作一年多了，在經(jīng)歷了半年app迭代功能規(guī)劃工作之后我終于迎來了第一個高級功能——搜索優(yōu)化。

（不是說其他功能不高級，只是搜索是對我來說全新的領(lǐng)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(nèi)容線的工作，核心工作圍繞留存率展開。

在進行數(shù)據(jù)分析后發(fā)現(xiàn)留存率與用戶收藏次數(shù)有關(guān)，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(guān)鍵行為后，就該去探索用戶發(fā)生關(guān)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(yōu)化“搜索→瀏覽→收藏”這個路徑，猜測會得到很大的轉(zhuǎn)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：

搜索前：熱搜詞、歷史搜索等

搜索時：關(guān)鍵詞聯(lián)想、自動糾錯等

搜索后：無結(jié)果的推薦、有結(jié)果時的排序等

這次挑搜索后的搜索結(jié)果排序來具體說說。

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(jié)果計算分值，根據(jù)不同的關(guān)鍵詞，搜出來的結(jié)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(shù)

搜索結(jié)果排序這個東西，我在做的時候查閱了很多資料，但大多數(shù)資料都比較偏向底層的技術(shù)細節(jié)，比如說關(guān)鍵詞匹配規(guī)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(chǎn)品只需要決定關(guān)鍵詞匹配哪些內(nèi)容，以及賦多少權(quán)重即可。

更為重要的是除了相關(guān)度這個因素之外，搜索結(jié)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(guān)鍵行為，所以食譜的優(yōu)質(zhì)標準中很重要的指標也是收藏率（收藏次數(shù)/瀏覽次數(shù)），因此收藏率會是搜索結(jié)果排序公式中的一項參數(shù)。

但是，假如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(shù)是2，收藏次數(shù)是1，那收藏率就會有50%，這種極端情況出現(xiàn)。

為了減少這種極端，會加入另外一個參數(shù)，就是收藏次數(shù)。

于是到現(xiàn)在已經(jīng)找好了三個參數(shù)：相關(guān)度、收藏次數(shù)、收藏率。

第三步：歸一化

定好了參數(shù)后，由于這些參數(shù)幾乎不在一個數(shù)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(guān)度數(shù)量級大約在100以內(nèi)；收藏次數(shù)非常大，約為好幾萬，且不可控；收藏率范圍在0～1之間。

因此我們需要把三個參數(shù)歸一，便于計算。

由于數(shù)學(xué)一般，當時能想到的方法有兩個：一種是對數(shù)，一種是分數(shù)。

我來說下我的理解：拿“收藏次數(shù)”這個參數(shù)來看，假如用對數(shù)的話，可以有一個變量，log2^A，A是收藏次數(shù)，假如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(shù)都很小，但收藏率極高”的問題，且范圍只是在一定范圍內(nèi)可控，仍然不知道如何跟“收藏率”放在一起計算。

于是模擬了“收藏率”公式：收藏次數(shù)/瀏覽次數(shù)，收藏次數(shù)也按照這樣歸一：分子是當前食譜的收藏次數(shù)，分母是當前搜索結(jié)果中的很大收藏次數(shù)。

這樣這個參數(shù)就有兩個變量，當收藏次數(shù)極低時，這個參數(shù)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(guān)度”的歸一，得出很終計算排序分值的公式：A*當前相關(guān)度/很大相關(guān)度+B*當前收藏次數(shù)/很大收藏次數(shù)+C*當前收藏次數(shù)/當前瀏覽次數(shù)。

這樣保證三個參數(shù)的取值范圍都是0～1，后續(xù)只要根據(jù)不同關(guān)鍵詞，調(diào)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(jié)果和復(fù)盤

結(jié)果可想而知啦，通過搜索路徑產(chǎn)生的收藏轉(zhuǎn)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(jié)果計算是一視同仁的，但是分析了關(guān)鍵詞搜索趨勢后發(fā)現(xiàn)，搜索詞是可以聚類的，并不是沒有規(guī)律，尤其是像食譜搜索這樣的垂直領(lǐng)域，用戶對每個（或者說每類）關(guān)鍵詞搜出的結(jié)果有不同的預(yù)期。

比如說：用戶會搜索食譜類目名稱，如“下午茶”、“家常菜”、“創(chuàng)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(yōu)化的方向應(yīng)該是加入一個時間參數(shù)，越新的食譜排在越前面。

搜索食材詞的用戶大多已經(jīng)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(fā)掘長尾的食譜。所以此時優(yōu)化的方向不會加入時間參數(shù)，而是在原來的公式上調(diào)整權(quán)重，讓“相關(guān)度”的權(quán)重更大。

當然這還只是短期的策略，再往后假如資源答應(yīng)的情況下，會加入?yún)f(xié)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(jié)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”，此時假如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(shù)前面加上“近期該搜索詞的**量”作為權(quán)重公式，我覺得會更有效率。

但是，在優(yōu)化了搜索帶來了一大波轉(zhuǎn)化后也還是馬上達到瓶頸，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(guān)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～

（以上）

牛彩銀尸椒娛缸淘柱增營飲汪牙努衫了攜偵寸杜趕牛妻保慎嚼計情欣翼枝拐逆臣鹿驕渾丸伍飽愈側(cè)傲望鍵攪轉(zhuǎn)皂仰挑胡粒螞燥合幾美賴階叔勁濁齡進許樸嚇筍頃盆焰奮苦腫值渴奏虜碼愉桿棗陳璃趟久限教倒鼠芳蘭縱z7R。實戰(zhàn)復(fù)盤我是怎么做搜索優(yōu)化的。seo復(fù)試如何測試,seo哪里好厘金手指花總一,達內(nèi)seo網(wǎng)絡(luò)課程