网站首页 SEO优化正文

搜索流量与推荐流量有什么区别和联系?

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外,还有另一类,称为推荐系统(Recommendation System,简称Recsys),推荐也是伴随人类发展而生的一种基本技能,你一定遇到这样的场景,初来乍到一个地方,会找当地的朋友打听“嗨,请推荐下附近有啥好吃好玩的地方吧!”——知识、信息等通过推荐来传播,这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[文]所操作的都是做好标题关键词[章]的精准性;做好宝贝人群标签[来]的精准性;做好主图、宝贝内[自]功、属性等各个方面与精准用[e]户的契合性,可以说,想要做[5]好搜索流量,获取精准流量是[8]必要前提。


而在做推荐流量时,我们所需[s]要的就是足够广泛的流量。比[e]如我们在利用直通车做推荐流[o]量时,都会选择通过足够多的[技]关键词广泛匹配,来让宝贝能[术]够获取在足够泛的人群面前的[网]展现。


根据这两种流量的性质,我们[文]会发现,当一个宝贝流量有限[章]时,要做搜索就不能有泛的流[来]量,要做推荐就不能有精准的[自]流量。这就是为什么搜索流量[e]和推荐流量之间会冲突的原因[5]


那对于我们商家来说,该如何[8]取舍呢?


如何取舍,还是要根据数据来[s]判断。数据不是说我们可以获[e]取到多少的流量,而是要看订[o]单数。


举个例子,如果我们同一个宝[技]贝,获取推荐流量能够获取到[术]4000个流量,转化率只有[网]0.125%,也就是转化5[文]单;反之,获取搜索流量虽然[章]只有500的流量,但转化能[来]够达到5%,也就是转化25[自]单。


相比之下,搜索流量虽然少,[e]但转化的订单数会更多,那对[5]于商家来说,自然就是获取搜[8]索流量更划算一些。


不过在我们评判搜索流量与推[s]荐流量哪个渠道能够给我们带[e]来更多订单时,还要明白一件[o]事情,就是这个渠道的推荐流[技]量如何、转化率如何,是因为[术]你这个类目的原因,还是说仅[网]仅是因为你没有做好的原因。[文]


评判类目是否能够获取推荐流[章]量,主要从以下两个方面出发[来]


一是看我们类目的复购率、受[自]众以及对用户的吸引力程度。[e]如果复购率高,受众广,且对[5]用户的吸引力高,那就适合做[8]推荐流量。


二是通过分析类目头部商家的[s]流量渠道中推荐流量的数据。[e]


如果数据不错,说明这一类目[o]是可以去获取推荐流量的。如[技]果连头部商家的推荐流量都寥[术]寥无几,那说明类目推荐流量[网]获取难度较大,还是老老实实[文]地去做搜索流量吧。


在评判类目是否能够获取推荐[章]流量后,我们再来看看类目下[来]推荐流量所能够实现的转化数[自]据。


通常来说,推荐流量的转化率[e]都会低于搜索流量,不过如果[5]我们在产品主图、内功等方面[8]都做得足够优秀,那即使是推[s]荐流量,我们的转化率也能够[e]做到搜索流量行业平均转化率[o]的一半左右。


所以如果我们行业获取推荐流[技]量的难度较低,并且类目平均[术]转化尚可,那我们就让宝贝去[网]获取推荐流量,否则的话就趁[文]早放弃。


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,简单来说[章],就是我们在做推荐流量时,[来]我们获取的都是广泛的用户流[自]量,那在宝贝的流量体系中,[e]精准的用户流量就不足以支撑[5]我们去获取搜索流量。


所以如果我们想要兼顾这两个[8]流量渠道的话,就需要我们在[s]一个宝贝中,同时收获足够多[e]的广泛流量和精准流量。


可能你会觉得这不可能,但还[o]是有可能的,比如说我一款宝[技]贝有10000个流量,其中[术]3000个精准流量,700[网]0个广泛流量。针对于这一宝[文]贝而言,无论是3000个精[章]准流量还是7000个广泛流[来]量,都足够支撑我们的宝贝去[自]获取相对应的搜索与推荐流量[e]


总的来说,如果我们想要同时[5]做好这两块流量,就需要先把[8]其中一个类型的流量做到足够[s]优秀。流量数据足够多,再来[e]去做另一个渠道的流量,才能[o]鱼与熊掌兼得。如果在流量数[技]据不高的情况下就好高骛远,[术]那只能落得一个渠道都没做好[网]的下场。


二、推荐系统满足难以文字表述的需求


目前主流的搜索引擎仍然是以[文]文字构成查询词(Query[章]),这是因为文字是人们描述[来]需求最简洁、直接的方式,搜[自]索引擎抓取和索引的绝大部分[e]内容也是以文字方式组织的。[5]


因为这个因素,我们统计发现[8]用户输入的搜索查询词也大都[s]是比较短小的,查询词中包含[e] 5 个或 5 个以内元素(或称Term)[o]的占总查询量的98%以上([技]例如:Query“达观数据[术]地址”,包含两个元素“达观[网]数据”和“地址”)。


但另一方面,用户存在着大量[文]的需求是比较难用精炼的文字[章]来组织的,例如想查找“离我[来]比较近的且价格 100 元以内的川菜馆”、“和我正[自]在看的这条裙子同款式的但是[e]价格更优惠的其他裙子”等需[5]求。


三、搜索与推荐的区别


1、场景需求不同


搜索的场景故名思义,就是用[8]户提供想要寻找的内容的描述[s],系统返回给用户匹配到的结[e]果,常见的场景如文字输入框[o]的搜索,图片搜索,听音识曲[技],标签筛选等,看似很多场景[术],其实只是用户输入内容的形[网]式不同。


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


各大互联网平台由于服务内容[术]不同,平台成熟度的不同,对[网]搜索和推荐的偏重程度也就不[文]尽相同,但都是缺一不可。


例如对于房地产应用来说,用[章]户目标明确,搜索服务会带来[来]更大的购买力,但关联推荐会[自]给用户带来更多的选择,同样[e]也是不可缺少的。


对于短视频平台而言,由于用[5]户较难通过文字或图片提供内[8]容的描述,那么自然会偏重推[s]荐服务。


对于电商在初期肯定是搜索服[e]务带来了更多的购买率,当购[o]买率到达瓶颈时,推荐带来的[技]购买率就是突破瓶颈和继续发[术]展的必要手段。


2、输入输出不同


搜索系统与推荐系统的区别联[网]



不论搜索还是推荐,实际上对[文]于用户来说,都是一个提供服[章]务的黑盒,它能够根据用户/[来]物品/场景等信息,从候选物[自]品的池子中选出与用户匹配的[e]的物品列表。


不同的是对于搜索服务,还额[5]外提供了用户对于自己诉求的[8]描述信息(当然可能描述的并[s]不准确)。


输入的区别天然的导致了用户[e]对于结果的不同期待:


个性化程度不同


推荐系统更强调个性化,甚至[o]更注重惊喜感。往往要在准确[技]性和多样性之间作出权衡;搜[术]索系统更强调相关性,如果搜[网]索结果与用户的目标不符,用[文]户的接受程度会很差,个性化[章]对于搜索系统来说既没意义又[来]有风险。


排的更好与搜的更全


对于推荐系统来说,排序更加[自]重要,因为只有最开始的推荐[e]结果吸引了用户,用户才可能[5]向后浏览。


对于搜索系统来说,召回更加[8]重要,因为用户会主动向后浏[s]览,以期望找到自己的目标,[e]但如果最终没有找到,也就是[o]搜的不全,就会有很差的用户[技]体验。


快速满足还是持续服务


提到搜索系统,往往会提到马[术]太效应,只有与用户搜索的结[网]果更为匹配的物品才会被呈现[文]给用户,让用户得到快速满足[章],那么满足需求的物品那么多[来],搜索的越准确,用户就越不[自]会向后浏览,最终点击的热度[e]就只会集中在少量的物品上。[5]这也就是为什么广告最初诞生[8]在搜索系统中的原因。


提到推荐系统,往往会提到长[s]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[o]的长期兴趣,提高用户粘性,[技]期望留住用户,并提供持续的[术]服务,这也就是为什么刷短视[网]频停不下来的原因。


实时性与滞后性


搜索的数据实时性要求是特别[文]高的,数据常常要求秒级更新[章],例如一个商品已经没有货了[来]就不应该被搜出来了。而推荐[自]的数据很多是可以容忍天级更[e]新的,由于推荐要考虑大量的[5]用户行为信息,一定是具有一[8]定滞后性的。


搜索系统与推荐系统的联系

1、相同的本质


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



2、搜索与推荐的协同作用


推荐中的搜索


推荐服务中基于内容的推荐实[章]际上相当于一种无声的搜索,[来]常常在实现时会采用搜索服务[自]的中的倒排索引等技术,例如[e]基于内容的推荐,常常是通过[5]规则或推荐模型得到用户感兴[8]趣的内容的标签,然后利用搜[s]索服务的方法进行标签搜索和[e]匹配即可得到最终的推荐列表[o]


搜索中的推荐


当搜索出来符合用户的数据量[技]很多时,需要根据推荐服务中[术]用户画像等结果帮助搜索服务[网]匹配用户的需求。例如周一的[文]晚上进行搜索得到的结果列表[章]和周五的晚上进行搜索得到结[来]果列表就会有所差异。


推荐与搜索常常在一个页面中[自]协同为用户提供服务,例如搜[e]索引擎搜索结果页面的关联推[5]荐,电商软件搜索浏览页面的[8]相关推荐等。


四、搜索与推荐的心理学基础


先介绍一下《思考快与慢》里[s]面介绍的一点心理学知识,人[e]有两个系统:一个是系统1,[o]即快系统,无意识且快速,不[技]费力;另外一个是系统2,即[术]慢系统,需要注意力并动用大[网]脑的计算能力。


人在大部分的时候都是使用系[文]统1,少数时候需要耗费脑力[章]/注意力才会启用系统2。


插一句:联想到淘宝的营销,[来]淘宝的营销规则是如此复杂,[自]导致大部分人都需要调用系统[e]2,而拼多多的主打价廉物美[5]的心智,大家只需要使用系统[8]1无脑下单就行。


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,搜索的产品[网]、信息必须用户已经有心智了[文],在电商行业就是品牌已经在[章]用户那种草了,在音乐方面就[来]是用户必须知道自己想听的那[自]首歌,在影视行业就是用户大[e]可能已经知道那部电影/电视[5]剧的某些细节了。


2、推荐与用户


用户是被动的,用户可能根本[8]就没有目标,也就是用户期待[s]会不一样。推荐可以推荐新的[e]东西,也不会让用户需要做选[o]择题;可以缩短用户思考路径[技],提升用户体验(即沉浸式体[术]验)。


推荐新东西在某些时候可以引[网]起用户的惊喜、好奇心,更重[文]要的是,让用户的大脑使用系[章]统1工作,而不是系统2。


由于人类的惰性,这类产品([来]今日头条、抖音、网易云音乐[自]、淘系的猜你喜欢等)已经出[e]类拔萃了。如果我们需要让消[5]费者在APP购物的时候逛起[8]来,推荐必不可少。


五、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[s]为供给)为本,用户必须有某[e]种方式事先关联到货品,也就[o]是营销货品概念到用户心智([技]用户心智的培养),所以搜索[术]到用户的路径会比较长。


在用户心智培养这个过程中([网]品牌营销),需要多次触达用[文]户,才有可能在用户心中埋下[章]种子,使得用户在输入搜索词[来]的时候大脑中跳出对应的货品[自]特征/品牌。


并且搜索有一个很强的必要条[e]件,就是搜索必须平台化与中[5]心化(搜索就是一个撮合供需[8]的场),而且供给能力必须要[s]大而全,否则用户一搜没东西[e]或者无法满足用户需求,则用[o]户很容易流失。


可以设想一下,当用户带有很[技]强目的性来搜索的时候,想听[术]歌的歌曲没有,想看的电影也[网]没有。另外一方面,当用户不[文]知道自己需要的东西时,我们[章]就需要各种导购场将需求继续[来]明确,比如类目设计、导购场[自]设计等。


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[5]需求和广义货品的供给。由于[8]目标性不强,所以消费者更容[s]易在平台上花的时间更长。


如果能时不时给消费者惊喜,[e]平台粘性会逐渐培养起来。而[o]且由于主要信息流的单向性,[技]推荐可以以平台化的方式来做[术],又可以以去中心化的方式实[网]现。


同时,推荐也是通向社交化的[文]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[章]例子,像今日头条、抖音、快[来]手等,在供给侧将信息(新闻[自])、短视频、直播等聚合起来[e],然后在通过推荐引擎分发给[5]对应有需求的消费者。


比如:最近自己看的公众号文[8]章较多,就想能否有一个产品[s],打造个人独特的公众号文章[e]频道,即微信公众号的今日头[o]条。


4、推荐去中心化模式


推荐去中心化的例子,社交领[技]域会很多例子(一切皆可推荐[术])。因为人与人之间交流,交[网]流时可能就会交流自己买的东[文]西,听过的音乐,看过的电影[章]等,也可以当成一种非正式的[来]推荐。


当推荐+微信+商品,就有我[自]们熟知的微商模式,由微商选[e]货,推荐给微信群/朋友圈的[5]时候,就是一种人肉推荐。


我们常见的KOL模式,也是[8]由KOL生产信息然后推荐给[s]粉丝。


所以推荐的背后,当推荐成功[e]时,信任是一大重要因素。看[o]到我们现在的直播模式时,也[技]可以看做是由主播选品后,推[术]荐给看直播的粉丝的。


去中心化的好处是人群会更精[网]准,而且由于用户与供给方会[文]具有一定的社交关系(微信好[章]友,粉丝等),也就是用户对[来]供给方有一定的信任基础,推[自]荐起来在某些场合效率会很高[e]


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