排序與搜索是引導(dǎo)用戶的風(fēng)向，也是獲得良好的用戶體驗(yàn)的一大關(guān)鍵。本文對(duì)排序與搜索的邏輯與發(fā)展進(jìn)行分析，更好地構(gòu)建商品信息識(shí)別的架構(gòu)，希望對(duì)你有所幫助。

排序與搜索是用戶快速觸達(dá)所需信息的通道，也是引導(dǎo)用戶走向的風(fēng)向標(biāo)，帶給用戶更好的體驗(yàn)。

• 引導(dǎo)：指引用戶向某個(gè)目標(biāo)行動(dòng)，在行動(dòng)上幫助用戶走捷徑
• 搜索引導(dǎo)：幫助用戶更快的完成搜索過(guò)程，找到需求目標(biāo)信息
• 執(zhí)行結(jié)果：幫助用戶找到所需商品，并達(dá)成交易完成轉(zhuǎn)化

01 執(zhí)行搜索的核心目標(biāo)

幫助用戶明確搜索意圖、節(jié)約用戶搜索時(shí)間、提高搜索體驗(yàn)、實(shí)現(xiàn)更高效的用戶與商品/商家的連接，進(jìn)而獲得更高的營(yíng)收轉(zhuǎn)化。

在推薦的歷史長(zhǎng)河里，從以前的市場(chǎng)采購(gòu)，當(dāng)采購(gòu)者表達(dá)了自身的采購(gòu)需求屬性后，業(yè)務(wù)員會(huì)根據(jù)需求，推薦相同性價(jià)比，材料的產(chǎn)品，任其挑選。

而采購(gòu)人員也會(huì)逛一逛就近的相同商店，進(jìn)行貨比三家，尋求最合適的性價(jià)比，直到網(wǎng)絡(luò)時(shí)代的誕生，由線下轉(zhuǎn)為線上，從傳統(tǒng)到現(xiàn)代，從局限性到可選擇性廣闊。

1. 最初期/早期——人工排序

早期的推薦產(chǎn)品，主要靠平臺(tái)運(yùn)營(yíng)人員，依靠業(yè)務(wù)知識(shí)進(jìn)行手工配置，策略投放也是基于場(chǎng)景相關(guān)性的固定位置展示;。

這一階段主要出現(xiàn)在產(chǎn)品或場(chǎng)景構(gòu)建初期，這時(shí)候條目量較小，主要是運(yùn)營(yíng)進(jìn)行條目的篩選與選取，根據(jù)這些商品的點(diǎn)擊、轉(zhuǎn)化、訂單數(shù)據(jù)進(jìn)行排序，這時(shí)候往往此場(chǎng)景只有一份條目排序，用戶訪問(wèn)此場(chǎng)景時(shí)，將會(huì)“千人一面”地展示這些商品。

當(dāng)然也會(huì)從業(yè)務(wù)角度選取重要且區(qū)分性較大的維度，窮舉并構(gòu)建若干列表；舉個(gè)例子，比如不同地區(qū)，不同性別需求會(huì)有差異，比如美國(guó)人和英國(guó)人，男性和女性對(duì)于商品、需求都會(huì)產(chǎn)生差異化。

人工排序：由運(yùn)營(yíng)手動(dòng)調(diào)整商品的排序，當(dāng)SKU少的時(shí)候，小百個(gè)的情況下，人工運(yùn)營(yíng)不算繁重，但是一旦商品量起來(lái)，有幾萬(wàn)商品時(shí)候，會(huì)變得茫然無(wú)措。

當(dāng)然人工推薦和干預(yù)也不是一定存在弊端，在未來(lái)的很長(zhǎng)時(shí)間都會(huì)繼續(xù)存在，因?yàn)槟承┩话l(fā)性的事件和時(shí)事熱點(diǎn)在沒(méi)有好的輿情監(jiān)控體系下（如果有，可以借助此來(lái)做推薦），還是需要人工干預(yù)，因?yàn)闊狳c(diǎn)帶來(lái)的推薦效果也是很高的。

自然排名的三點(diǎn)要素：

“熱、快、全”先做熱、后做快、再做全，其中熱指的是通過(guò)某幾個(gè)維度選取并排序，快主要是考慮時(shí)間，全指的是個(gè)性化，熱是實(shí)時(shí)熱點(diǎn)。

熱門(mén)推薦簡(jiǎn)單的方式，可生成多維度的熱門(mén)數(shù)據(jù)，熱門(mén)數(shù)據(jù)有各種排行榜，比如點(diǎn)擊的排行榜，購(gòu)買排行榜等。當(dāng)客戶需要熱門(mén)推薦的場(chǎng)景時(shí)可把熱門(mén)推薦生成的結(jié)果直接返回給客戶，另一方面，熱門(mén)推薦也可以捕捉一些場(chǎng)景，比如處理冷啟動(dòng)；熱門(mén)推薦的結(jié)果通常有一定理論依據(jù)，比如按購(gòu)買、銷量排序其實(shí)也是很多人容易接受的方式。

在C端電商購(gòu)物中，先根據(jù)用戶點(diǎn)擊率、頁(yè)面停留時(shí)間、購(gòu)買次數(shù)、綜合考慮排序，要讓大部分用戶喜歡的產(chǎn)品排在前，但是“一千個(gè)讀者心中有一千個(gè)哈姆雷特”，不可能有一個(gè)讓每個(gè)人滿意的排序。

大部分品類默認(rèn)最佳的排序，應(yīng)該是一個(gè)考慮了銷量、庫(kù)存深寬度、新品、價(jià)格區(qū)間等若干個(gè)因素的權(quán)重，最后進(jìn)行綜合算法的排序。當(dāng)然也有電商會(huì)將多種常見(jiàn)商品排序枚舉給用戶，把選擇權(quán)交給用戶，比如“銷量、新品、價(jià)格、人工”等。

• 按銷量：對(duì)某個(gè)時(shí)間窗口內(nèi)（近一個(gè)月、近一周等）賣得好的商品，這里會(huì)讓新品幾乎沒(méi)有任何機(jī)會(huì)得到展示，馬太效應(yīng)較強(qiáng)
• 按新品：按商品上新的時(shí)間排序（按上架時(shí)間）
• 按價(jià)格：用戶的購(gòu)買力差異大，所以每個(gè)人對(duì)價(jià)格有不同的訴求，按價(jià)格排序
• 其他維度：（評(píng)論，收藏等）其它相關(guān)產(chǎn)品訴求

前期產(chǎn)品推廣冷啟動(dòng)，沒(méi)有足夠的數(shù)據(jù)積累，熱門(mén)排序以時(shí)間+人工運(yùn)營(yíng)結(jié)合排序，即新上架的排在前，隨著中期數(shù)據(jù)積累及產(chǎn)品健全。

綜合人氣指數(shù)排序：

人氣排序（按綜合指數(shù)）則多維度考慮，前期“按時(shí)間順序積累一定數(shù)據(jù)后”，“中期用戶喜歡的產(chǎn)品”(即轉(zhuǎn)化率高的產(chǎn)品排在前面，轉(zhuǎn)化率高相當(dāng)于詳情頁(yè)內(nèi)評(píng)論、商品屬性等信息對(duì)用戶有吸引力), “后期在物料(如商品)數(shù)量積累到一定程度”，在「兼顧用戶體驗(yàn)」的基礎(chǔ)上，可以考慮「毛利率」，用戶在信任該平臺(tái)的時(shí)候，就可以推出「轉(zhuǎn)化率＋毛利率高」的產(chǎn)品，默認(rèn)排序是轉(zhuǎn)化好及毛利率高的商品排在前面。

影響商品綜合排序的因素有：?jiǎn)挝粫r(shí)間的轉(zhuǎn)化率、點(diǎn)擊率、成交量、好評(píng)率、收藏量、退貨率、上下架、單位時(shí)間的銷量排名、復(fù)購(gòu)率、頁(yè)面停留時(shí)間、瀏覽量、SKU的齊全率、收藏排名、活動(dòng)類型（滿減/滿返/折扣）、庫(kù)存等，根據(jù)結(jié)合自己的平臺(tái)列出影響商品排序的因素。

用戶輸入了搜索詞，系統(tǒng)通過(guò)搜索詞找到與搜索詞相關(guān)的商品信息，系統(tǒng)通過(guò)用戶及商品的情況進(jìn)行排序后展現(xiàn)給用戶。

語(yǔ)義搜索中，不單單考慮詞維度的精確匹配，而是語(yǔ)義層面來(lái)做。增加搜索結(jié)果的相關(guān)性，提升用戶體驗(yàn)外，也可以一定程度上遏制商家商品標(biāo)題堆砌熱門(mén)關(guān)鍵詞的問(wèn)題。

搜索與檢索溯源：

商品信息=圖片+標(biāo)題+屬性+交互（主圖，圖片內(nèi)容），檢索項(xiàng)包括但不限于；

商品名稱=商品標(biāo)題、副標(biāo)題，商品描述，商品參數(shù)、規(guī)格，商品品牌，商品品類，別名關(guān)聯(lián)商品類型；

遵循A9算法中，搜索、瀏覽、推薦；

1、系統(tǒng)通過(guò)算法學(xué)習(xí)模擬，從用戶第一次進(jìn)入展示系統(tǒng)默認(rèn)的樣本，到第一次搜索關(guān)鍵詞，或，點(diǎn)擊瀏覽了某一個(gè)商品，從此刻起，開(kāi)始有了第一個(gè)推薦標(biāo)簽；

2、根據(jù)用戶最近時(shí)間的瀏覽行為，或最近綜合數(shù)據(jù)，最終實(shí)現(xiàn)，從手動(dòng)排序的-【千人一面】到系統(tǒng)智能算法推薦【千人千面】，也是更好的引導(dǎo)用戶的走向，帶給用戶更好的使用體驗(yàn)。