网站首页 SEO优化正文

搜索系统与推荐系统的区别联系,是选择搜索流量还是推荐流量

文章目录


获取信息是人类认知世界、生存发展的刚需,搜索就是最明确的一种方式,其体现的动作就是“出去找”,找食物、找地点等,到了互联网时代,搜索引擎(Search Engine)就是满足找信息这个需求的最好工具,你输入想要找的内容(即在搜索框里输入查询词,或称为Query),搜索引擎快速的给你最好的结果,这样的刚需催生了Google、百度这样的互联网巨头。



但是获取信息的方式除了搜索[文]外,还有另一类,称为推荐系[章]统(Recommendat[来]ion System,简称Recs[自]ys),推荐也是伴随人类发[e]展而生的一种基本技能,你一[5]定遇到这样的场景,初来乍到[8]一个地方,会找当地的朋友打[s]听“嗨,请推荐下附近有啥好[e]吃好玩的地方吧!”——知识[o]、信息等通过推荐来传播,这[技]也是一种获取信息的方式。


一、是选择搜索流量还是推荐流量


我们在追求搜索流量时,我们[术]所操作的都是做好标题关键词[网]的精准性;做好宝贝人群标签[文]的精准性;做好主图、宝贝内[章]功、属性等各个方面与精准用[来]户的契合性,可以说,想要做[自]好搜索流量,获取精准流量是[e]必要前提。而在做推荐流量时[5],我们所需要的就是足够广泛[8]的流量。比如我们在利用直通[s]车做推荐流量时,都会选择通[e]过足够多的关键词广泛匹配,[o]来让宝贝能够获取在足够泛的[技]人群面前的展现。根据这两种[术]流量的性质,我们会发现,当[网]一个宝贝流量有限时,要做搜[文]索就不能有泛的流量,要做推[章]荐就不能有精准的流量。这就[来]是为什么搜索流量和推荐流量[自]之间会冲突的原因。


那对于我们商家来说,该如何取舍呢?


1663991747136520.jpg


如何取舍,还是要根据数据来[e]判断。数据不是说我们可以获[5]取到多少的流量,而是要看订[8]单数。举个例子,如果我们同[s]一个宝贝,获取推荐流量能够[e]获取到4000个流量,转化[o]率只有0.125%,也就是[技]转化5单;反之,获取搜索流[术]量虽然只有500的流量,但[网]转化能够达到5%,也就是转[文]化25单。相比之下,搜索流[章]量虽然少,但转化的订单数会[来]更多,那对于商家来说,自然[自]就是获取搜索流量更划算一些[e]。不过在我们评判搜索流量与[5]推荐流量哪个渠道能够给我们[8]带来更多订单时,还要明白一[s]件事情,就是这个渠道的推荐[e]流量如何、转化率如何,是因[o]为你这个类目的原因,还是说[技]仅仅是因为你没有做好的原因[术]


评判类目是否能够获取推荐流[网]量,主要从以下两个方面出发[文]


一是看我们类目的复购率、受[章]众以及对用户的吸引力程度。[来]如果复购率高,受众广,且对[自]用户的吸引力高,那就适合做[e]推荐流量。二是通过分析类目[5]头部商家的流量渠道中推荐流[8]量的数据。如果数据不错,说[s]明这一类目是可以去获取推荐[e]流量的。如果连头部商家的推[o]荐流量都寥寥无几,那说明类[技]目推荐流量获取难度较大,还[术]是老老实实地去做搜索流量吧[网]。在评判类目是否能够获取推[文]荐流量后,我们再来看看类目[章]下推荐流量所能够实现的转化[来]数据。通常来说,推荐流量的[自]转化率都会低于搜索流量,不[e]过如果我们在产品主图、内功[5]等方面都做得足够优秀,那即[8]使是推荐流量,我们的转化率[s]也能够做到搜索流量行业平均[e]转化率的一半左右。所以如果[o]我们行业获取推荐流量的难度[技]较低,并且类目平均转化尚可[术],那我们就让宝贝去获取推荐[网]流量,否则的话就趁早放弃。[文]当然,放弃推荐流量也并不意[章]味着我们就要死守搜索流量,[来]我们还可以通过积累粉丝、唤[自]醒老客户等等方式,去拓宽宝[e]贝的获客渠道,让店铺不要只[5]指望单一的搜索流量去过活。[8]在这里可能有商家会问,老师[s],有没有办法是可以兼顾这两[e]个流量板块的呢?其实也是有[o]的,刚才说过,我们之所以只[技]能获取其中一个流量渠道,原[术]因在于在获取其中一个流量渠[网]道时,另一个流量渠道所需要[文]流量不足。可能大家不太理解[章],简单来说,就是我们在做推[来]荐流量时,我们获取的都是广[自]泛的用户流量,那在宝贝的流[e]量体系中,精准的用户流量就[5]不足以支撑我们去获取搜索流[8]量。所以如果我们想要兼顾这[s]两个流量渠道的话,就需要我[e]们在一个宝贝中,同时收获足[o]够多的广泛流量和精准流量。[技]可能你会觉得这不可能,但还[术]是有可能的,比如说我一款宝[网]贝有10000个流量,其中[文]3000个精准流量,700[章]0个广泛流量。针对于这一宝[来]贝而言,无论是3000个精[自]准流量还是7000个广泛流[e]量,都足够支撑我们的宝贝去[5]获取相对应的搜索与推荐流量[8]


总的来说,如果我们想要同时[s]做好这两块流量,就需要先把[e]其中一个类型的流量做到足够[o]优秀。流量数据足够多,再来[技]去做另一个渠道的流量,才能[术]鱼与熊掌兼得。如果在流量数[网]据不高的情况下就好高骛远,[文]那只能落得一个渠道都没做好[章]的下场。


目前主流的搜索引擎仍然是以[来]文字构成查询词(Query[自]),这是因为文字是人们描述[e]需求最简洁、直接的方式,搜[5]索引擎抓取和索引的绝大部分[8]内容也是以文字方式组织的。[s]因为这个因素,我们统计发现[e]用户输入的搜索查询词也大都[o]是比较短小的,查询词中包含[技] 5 个或 5 个以内元素(或称Term)[术]的占总查询量的98%以上([网]例如:Query“达观数据[文]地址”,包含两个元素“达观[章]数据”和“地址”)。但另一[来]方面,用户存在着大量的需求[自]是比较难用精炼的文字来组织[e]的,例如想查找“离我比较近[5]的且价格 100 元以内的川菜馆”、“和我正[8]在看的这条裙子同款式的但是[s]价格更优惠的其他裙子”等需[e]求。


二、择搜索系统与推荐系统的不同


1、场景需求不同


搜索的场景故名思义,就是用[o]户提供想要寻找的内容的描述[技],系统返回给用户匹配到的结[术]果,常见的场景如文字输入框[网]的搜索,图片搜索,听音识曲[文],标签筛选等,看似很多场景[章],其实只是用户输入内容的形[来]式不同。


推荐的场景我们常见的有各大[自]App首页的个性化推荐(如[e]猜你喜欢/每日歌曲推荐),[5]选择页面的关联推荐(买了还[8]买,看了还看,买了它的用户[s]还买等等)等,推荐的场景更[e]加的丰富,因为没有用户提供[o]的内容的限制,场景更具多样[技]性,推荐方法也多种多样,例[术]如基于内容的推荐,基于用户[网]行为的推荐,协同过滤等等。[文]


各大互联网平台由于服务内容[章]不同,平台成熟度的不同,对[来]搜索和推荐的偏重程度也就不[自]尽相同,但都是缺一不可。例[e]如对于房地产应用来说,用户[5]目标明确,搜索服务会带来更[8]大的购买力,但关联推荐会给[s]用户带来更多的选择,同样也[e]是不可缺少的。对于短视频平[o]台而言,由于用户较难通过文[技]字或图片提供内容的描述,那[术]么自然会偏重推荐服务。对于[网]电商在初期肯定是搜索服务带[文]来了更多的购买率,当购买率[章]到达瓶颈时,推荐带来的购买[来]率就是突破瓶颈和继续发展的[自]必要手段。


2、输入输出不同


不论搜索还是推荐,实际上对[e]于用户来说,都是一个提供服[5]务的黑盒,它能够根据用户/[8]物品/场景等信息,从候选物[s]品的池子中选出与用户匹配的[e]的物品列表。不同的是对于搜[o]索服务,还额外提供了用户对[技]于自己诉求的描述信息(当然[术]可能描述的并不准确)。输入[网]的区别天然的导致了用户对于[文]结果的不同期待:


3、个性化程度不同


推荐系统更强调个性化,甚至[章]更注重惊喜感。往往要在准确[来]性和多样性之间作出权衡;搜[自]索系统更强调相关性,如果搜[e]索结果与用户的目标不符,用[5]户的接受程度会很差,个性化[8]对于搜索系统来说既没意义又[s]有风险。对于推荐系统来说,[e]排序更加重要,因为只有最开[o]始的推荐结果吸引了用户,用[技]户才可能向后浏览。对于搜索[术]系统来说,召回更加重要,因[网]为用户会主动向后浏览,以期[文]望找到自己的目标,但如果最[章]终没有找到,也就是搜的不全[来],就会有很差的用户体验。


提到搜索系统,往往会提到马太效应,只有与用户搜索的结果更为匹配的物品才会被呈现给用户,让用户得到快速满足,那么满足需求的物品那么多,搜索的越准确,用户就越不会向后浏览,最终点击的热度就只会集中在少量的物品上。这也就是为什么广告最初诞生在搜索系统中的原因。


提到推荐系统,往往会提到长[自]尾效应,也就是让用户时刻保[e]持新鲜感和惊喜感,考虑用户[5]的长期兴趣,提高用户粘性,[8]期望留住用户,并提供持续的[s]服务,这也就是为什么刷短视[e]频停不下来的原因。搜索的数[o]据实时性要求是特别高的,数[技]据常常要求秒级更新,例如一[术]个商品已经没有货了就不应该[网]被搜出来了。而推荐的数据很[文]多是可以容忍天级更新的,由[章]于推荐要考虑大量的用户行为[来]信息,一定是具有一定滞后性[自]的。


1、相同的本质


搜索与推荐本质上都是当前时[e]代信息过载的产物,解决的根[5]本思路都是通过匹配(召回)[8]、排序为用户在过载的信息中[s]挑选出用户想要的信息。只是[e]根据业务场景的不同,在召回[o],排序阶段考虑的侧重点不同[技]


2、搜索与推荐的协同作用


推荐服务中基于内容的推荐实[术]际上相当于一种无声的搜索,[网]常常在实现时会采用搜索服务[文]的中的倒排索引等技术,例如[章]基于内容的推荐,常常是通过[来]规则或推荐模型得到用户感兴[自]趣的内容的标签,然后利用搜[e]索服务的方法进行标签搜索和[5]匹配即可得到最终的推荐列表[8]。当搜索出来符合用户的数据[s]量很多时,需要根据推荐服务[e]中用户画像等结果帮助搜索服[o]务匹配用户的需求。例如周一[技]的晚上进行搜索得到的结果列[术]表和周五的晚上进行搜索得到[网]结果列表就会有所差异。推荐[文]与搜索常常在一个页面中协同[章]为用户提供服务,例如搜索引[来]擎搜索结果页面的关联推荐,[自]电商软件搜索浏览页面的相关[e]推荐等。


三、搜索与推荐的心理学基础


先介绍一下《思考快与慢》里[5]面介绍的一点心理学知识,人[8]有两个系统:一个是系统1,[s]即快系统,无意识且快速,不[e]费力;另外一个是系统2,即[o]慢系统,需要注意力并动用大[技]脑的计算能力。人在大部分的[术]时候都是使用系统1,少数时[网]候需要耗费脑力/注意力才会[文]启用系统2。插一句:联想到[章]淘宝的营销,淘宝的营销规则[来]是如此复杂,导致大部分人都[自]需要调用系统2,而拼多多的[e]主打价廉物美的心智,大家只[5]需要使用系统1无脑下单就行[8]


1、搜索与用户


搜索需要用户的主动输入,用[s]户需要输入意味着用户的目标[e]会比较明确。从产品过程来看[o],搜索需要调用系统2,因为[技]这个过程需要人思考到底需要[术]搜索什么。另外一方面来说,[网]搜索的产品、信息必须用户已[文]经有心智了,在电商行业就是[章]品牌已经在用户那种草了,在[来]音乐方面就是用户必须知道自[自]己想听的那首歌,在影视行业[e]就是用户大可能已经知道那部[5]电影/电视剧的某些细节了。[8]


2、推荐与用户


用户是被动的,用户可能根本[s]就没有目标,也就是用户期待[e]会不一样。推荐可以推荐新的[o]东西,也不会让用户需要做选[技]择题;可以缩短用户思考路径[术],提升用户体验(即沉浸式体[网]验)。推荐新东西在某些时候[文]可以引起用户的惊喜、好奇心[章],更重要的是,让用户的大脑[来]使用系统1工作,而不是系统[自]2。由于人类的惰性,这类产[e]品(今日头条、抖音、网易云[5]音乐、淘系的猜你喜欢等)已[8]经出类拔萃了。如果我们需要[s]让消费者在APP购物的时候[e]逛起来,推荐必不可少。


四、搜索与推荐模式思考与拓展


1、搜索以货品为中心


搜索以货品(广义,可以理解[o]为供给)为本,用户必须有某[技]种方式事先关联到货品,也就[术]是营销货品概念到用户心智([网]用户心智的培养),所以搜索[文]到用户的路径会比较长。在用[章]户心智培养这个过程中(品牌[来]营销),需要多次触达用户,[自]才有可能在用户心中埋下种子[e],使得用户在输入搜索词的时[5]候大脑中跳出对应的货品特征[8]/品牌。并且搜索有一个很强[s]的必要条件,就是搜索必须平[e]台化与中心化(搜索就是一个[o]撮合供需的场),而且供给能[技]力必须要大而全,否则用户一[术]搜没东西或者无法满足用户需[网]求,则用户很容易流失。可以[文]设想一下,当用户带有很强目[章]的性来搜索的时候,想听歌的[来]歌曲没有,想看的电影也没有[自]。另外一方面,当用户不知道[e]自己需要的东西时,我们就需[5]要各种导购场将需求继续明确[8],比如类目设计、导购场设计[s]等。


2、推荐以人为中心


推荐以人为本,围绕人本身的[e]需求,以更短的路径匹配人的[o]需求和广义货品的供给。由于[技]目标性不强,所以消费者更容[术]易在平台上花的时间更长。如[网]果能时不时给消费者惊喜,平[文]台粘性会逐渐培养起来。而且[章]由于主要信息流的单向性,推[来]荐可以以平台化的方式来做,[自]又可以以去中心化的方式实现[e]。同时,推荐也是通向社交化[5]的一条路。


3、推荐的中心化模式


推荐中心化的模式现在有很多[8]例子,像今日头条、抖音、快[s]手等,在供给侧将信息(新闻[e])、短视频、直播等聚合起来[o],然后在通过推荐引擎分发给[技]对应有需求的消费者。比如:[术]最近自己看的公众号文章较多[网],就想能否有一个产品,打造[文]个人独特的公众号文章频道,[章]即微信公众号的今日头条。


4、推荐去中心化模式


推荐去中心化的例子,社交领域会很多例子(一切皆可推荐)。因为人与人之间交流,交流时可能就会交流自己买的东西,听过的音乐,看过的电影等,也可以当成一种非正式的推荐。当推荐+微信+商品,就有我们熟知的微商模式,由微商选货,推荐给微信群/朋友圈的时候,就是一种人肉推荐。我们常见的KOL模式,也是由KOL生产信息然后推荐给粉丝。所以推荐的背后,当推荐成功时,信任是一大重要因素。看到我们现在的直播模式时,也可以看做是由主播选品后,推荐给看直播的粉丝的。去中心化的好处是人群会更精准,而且由于用户与供给方会具有一定的社交关系(微信好友,粉丝等),也就是用户对供给方有一定的信任基础,推荐起来在某些场合效率会很高。社交关系的获取可以通过平台,也可以通过线下手段或者依据真实社交圈子获取。

发表评论:

287

文章数

50641

阅读数

4

评论