淘宝搜索引擎算法

① 淘宝搜索排名怎么算的

一、 taobao首页的搜索规律
此处考虑的是商品关于普通关键字的排名。在关键字的选择上，为了避免taobao对部分热门关键字商品的排序进行人为影响，我们选择一组比较冷的关键字进行测试。在taobao首页搜索栏搜索商品，通过对结果的对比，可以得出以下几个规律
1、无关因素规律
排名先后与售出量、浏览量、价格、卖家好评率、先行赔付、所在地、商品页面的排版布局和单一关键字在商品名称中出现的先后顺序、次数等因素基本无关。例如“火星湖专卖，火星湖折扣电影”的商品和名为“火星湖电影票”的商品比较，在搜索“火星湖”关键字的时候，前一种商品不会因为“火星湖”关键字出现了两次或者售出量多等因素而在搜索结果中排名靠前。
2、搜索结果排名规律
影响商品排名的关键因素有两个，分别是“剩余时间”和“是否推荐商品”。其中的剩余时间＝宝贝有效期－（当前时间－发布时间）。宝贝有效期有两种取值，分别是14和7，对应与产品发布时选择的有效期，发布时间就是你的宝贝上架的时间。“推荐商品”这个因素对应于我们发布商品时的“橱窗推荐”选项。搜索结果根据是否“橱窗推荐”商品这个因素，被划分为两个区段，无论剩余时间是多少，推荐商品的区段排名都在未推荐商品区段的前面，同一区段内，剩余时间越短，排名越靠前。例如：即便“火星湖电影票”商品还有5分钟就要下架了，如果它没有被勾选为橱窗推荐商品，他的排名还是比刚刚发布出来的橱窗推荐商品“火星湖折扣电影票”靠后。如果同样都是橱窗推荐商品，那么快要下架的“火星湖电影票”会排在前面。
3、等效搜索词规律
1） 第一关键词＋第二关键词＝第一关键词＋特殊字符＋第二关键词即紧密排列规律，搜索时特殊字符将被忽略，搜索结果不含拆分（即搜索结果中多个关键词按照顺序紧密相连）。
2） 第一关键词＋空格＋第二关键词＝第二关键词＋空格＋第一关键词，即顺序无关规律，用空格分割两个关键词搜索的结果中含拆分（即搜索结果中既有多个关键词紧密相连又有多个关键词不紧密相连的情况），关键词出现顺序和搜索时的顺序无关。例如搜索“火星湖 电影票”，那么标题为“电影票5折珠海火星湖”和“珠海火星湖电影票5折”这两种情况都将被搜索到。同时无论搜索的结果含不含拆分，排名一定严格按照搜索结果排名规则来排序。
经过大量测试，taobao基本没有对关键字排名进行干预，搜索符合上述三条规律
二、高级搜索页搜索规律
Taobao高级搜索页搜索所得出的结果和首页搜索的结果很大差别，搜索不再以剩余时间为主要的排名依据，通过分析结果得到以下一些规律。首先，通过高级搜索页搜出来的结果默认显示的是“人气宝贝”列表中的宝贝，这个列表的排名显然不是以剩余时间来排序的，经过测试，我们发现影响人气宝贝列表排名的因素主要是浏览量、售出量、卖家等级（信誉值）这几个因素。淘宝经过一定的权值计算后，给出了最终列表的顺序。并且这个顺序十分不稳定，顺序经常发生变化，这主要是由于商品浏览量的变化导致的。由此可以说明，浏览量对排名因素的作用高于其他因素。此外，页面上还有“所有宝贝”选项，经过分析，所有宝贝选项卡中的商品排列顺序完全符合第一点中的三条规律.
三、淘宝商家应对的优化策略
实际进入高级搜索页来搜索商品的买家相对较少，大部分买家一般都在首页搜索栏进行搜索。并且在高级搜索页面进行第二次搜索时，实际上采用的仍然是首页搜索的机制，所以在考虑店铺优化时，可先暂时规避因为高级搜索规律所带来的复杂度，集中考虑普通搜索的三个规律的优化策略。

② 如何做好淘宝自然搜索优化

淘宝在自然搜索的时候，很多人想要让更多人搜索到自己，那么问题来了，淘宝的自然搜索的优化技巧大家清楚吗？具体是如何对这些影响因素进行分析呢？有需要的朋友开看看这篇文章吧！

1.自然搜索的工作原理

搜索是一个主动词，需要买家主动输入某个关键词或者点击淘宝系统推荐的关键词，然后进入一个多宝贝展示页面，这个展示页面会有很多不同的宝贝，他们的不同会体现在产品的销量、图片、标题上。

②买家会根据这些因素去点击自己喜欢的产品，从而在这个关键词上产生一个点击。

③点击进入宝贝页面后，买家会翻看产品主图、买家秀、问大家、中差评等，然后产生一个停留时间，也会根据自己的购物习惯决定是否咨询客服。

④如果买家不是特别满意或者想再看看，这里可能会产生一个收藏或者加购，方便货比三家，继续寻找更好的产品。

⑤如果最后产生了转化，那么说明在这个词上，这个买家是认可你的产品的。

这个购物逻辑中的所有操作细节都是打分的内容，其中任何一项打分不合格都可能导致买家扭头就走!具体根据什么去打分，这个只有阿里才知道，几年前就听说对于宝贝权重就有200多项考核指标，我们不用去想这些指标是什么，因为我们只要求转化。

2.影响搜索排名的因素及各因素权重

①标题

上面我们提到搜索需要买家主动输入关键词，那么这个关键词能否找到你的宝贝？或者说你的宝贝能否在这个关键词上有展现？基本要求就是你的标题上要有这个词，如果连搜索展现都没有的话，怎么给你成交的机会？作为搜索的旗帜，标题很重要！

②点击量和点击率

有点击行为就会生成两个数据指标：点击量和点击率。同一页面的展示，宝贝被买家看的次数是一样的，在你的产品上产生了点击，那么你的点击量和点击率就会比他们高，权重值会增加，权重值越高，排名越靠前。

③主图

如果想要在众多宝贝中获得点击，和什么有关系？很多人会觉得是图片。

这里给大家举个例子。我做礼服的前三年，一直认为点击率等于图片，我甚至相信图片的背景比款式还重要，为此我花了很多心思在拍摄上。不停的和摄影公司沟通拍摄技巧，走在路上发现一处风景都会想着下次可以在这里拍外景。

③ 论淘宝搜索推荐算法排序机制及2021年搜索的方向。

[写在前面]淘宝搜索引擎至今反复多次，搜索顺序也从最初的统计模型升级到机械学习模型，到2010年为止没有标签没有基础标签，随着计算能力的提高，2010年后开始挖掘用户的基础标签，从3年到2013年开始使用大规模的机械学习和实时特征
但你有没有想过为什么2016-2017年的两年是各种各样的黑搜索盛行的一年，为什么今天几乎消失了？
最根本的原因是从统计算法模型到机械学习模型的转型期。
说白了，这时不收割就没有收割的机会。因为统计模型即将退出历史舞台。
因此，各路大神各自扩大了统计模型算法中的影响因素。统计算法无论在哪里，点击率和坑产都很容易搜索。
那两年成了中小卖家的狂欢盛宴，很多大神的烟火也是旺盛的。
今天推荐算法的第三代使用后，加上疫情的影响进行了鲜明的比较，真的很感慨。
淘宝真的没有流量了吗？电器商务真的做不到吗？还是大家的思维没有改变，停留在2016-2017年的黑搜宴会上不想醒来？
2017年、2018年、2019年是淘宝推荐算法反复最快的3年，每年的算法升级都不同，整体上到2019年9月为止统计算法模型的影响因素还很大，从2019年下半年开始第三代推荐算法后，全面的真正意义进入了以机械学习模型为中心的推荐算法时代。
各路大神也无法验证，加上百年疫情的影响，很多大神的隐蔽布也泄露了。
基本上以统计模型为主，训练基本上没有声音，典型的是坑产游戏。
如果现在还能看到的话，基本上可以判断他不是在训练，而是在制作印刷用纸，一定会推荐使用资源，资源是多么安全。
刷子的生产增加真的没有效果吗？不是我以前的文章说:不是不行，而是从坑产的角度思考，而是从改变竞争环境的角度思考，用补充书改变竞争环境，改变场地，有新的天地，任何手段都要为商业本质服务。
正文
概述统计算法模型时代。
统计模型时代搜索引擎的排名是最原始的排名思考，如果你的类别不错，关键词比较正确，就能得到很大的流量，当时产品需求少，只要上下架的优化就能使产品上升。
到2016年为止没有坑产游戏吗？黑色搜索的效果不好吗？其实，什么时候坑产是最核心的机密，谁来教大家，什么时候教的最多的是类别优化，关键词优化，大部分优化都围绕关键词，电器商的老人想起了你什么时候得到关键词的人得到了世界。
有人告诉我做坑产，关键词找到生意也来了。什么时候知道坑产也没有人给你刷子，大规模的补充书也出现在黑色搜索盛行的时期。
为什么关键词者得天下？
搜索关键词是用户目前意图最直观的表达，也是用户表达意图最直接的方式。
搜索的用户购物意图最强，成交意愿也最强，现在搜索也是转化率最高的流量来源。
统计时代关键词背后直接依赖的是类别商品，只要制作类别和关键词分词即可，哪个时代最出现的黑马通常是类别机会、关键词机会、黑科学技术机会。
最基本的是商业本质，什么时候产品需求少，没有很多现在的类别，自己找类别，现在想想什么概念。
记得什么时候类别错了，搜索也可以来。如果你的商品点击反馈好的话，错误的类别没有什么影响，现在试试吧
搜索类是搜索的基础。
什么时候能称霸，背后有商业逻辑，用户行为数据好就行了。
但无论如何发展检索都离不开关键词。例如，上述关键词是用户表达意图的最直接的方法，是当前消费者的检索行为和购买行为发生了根本性的变化。
检索依然根据消费者的行为数据和关键词来判断需求，这就是机械学习模型时代。
机器学习模式时代-推荐搜索算法。
现在的商品体积和消费者购物行为的丰富性，统计算法不能满足检索的本质要求。
所以现在搜索引擎开始发展深度学习模式更精细的建模-推荐搜索算法，搜索排名更智能。
在此重点讨论推荐检索算法，
2017、2018、2019是推荐检索算法真正意义发展的3年，3年3个系统版本每年更换一次，很多电器商人都不知道头脑。
推荐检索算法和统计算法模型的最大区别在于，Query的处理能力和算法有召回机制
简单表示推荐算法的程序:
1:对检索关键词进行分词、重写的处理进行类别预判
2:根据用户信息，即用户以前的行为数据记录和预测的性别、年龄、购买力、店铺喜好、品牌喜好、实时行动作等信息存档
3:根据检索用户信息，根据检索用户以前的行为数据检索引擎和预测的性别、年龄、购买力、店铺喜好、品牌喜好、实时行动作为等信息存档3:根据检索用户信息的检索用户信息
也就是说，在第一关召回阶段基本上与统计模型时代的最佳化途径相同，核心是标题分词和类别，现在最大的区别是根据用户信息推荐最佳化，这是标签和正确人群标签图像最佳化的基本意义。
为什么现在一直在谈论标签，谈论人标签图像？入池实际上是为了匹配真正的消费者用户信息，通过直通车测试来判断人群也是为了通过性别、年龄和购买力来优化匹配真正的消费者。
召回机制:
通过构建子单元索引方式加快商品检索，不必经历平台上亿级的所有商品。该索引是搜索引擎中的倒置索引，利用倒置索引初始筛选商品的过程是召回阶段。
在这个阶段，不会进行复杂的计算，主要是根据现在的搜索条件进行商品候选集的快速圈定。
之后再进行粗排和精排，计算的复杂程度越来越高，计算的商品集合逐渐减少，最后完成整个排序过程。
主要召回路径分为
1:语言召回
2:向量召回
这些都是商业秘密不方便的说明，有兴趣的是学习我们的在线会员课程标签重叠游戏6是基于语言和向量召回的基础逻辑实战落地的课程。
下一阶段进入粗行列，粗行列受这些因素的影响:
粗行列作为召回后的第一个门槛，希望用户体验以时间低的模型快速排序和筛选商品，第一关系将过滤到不适合本次检索词要求的商品
为了实现这个目的，首先要明确影响粗排名得分的因素
1:类别匹配得分和文本匹配得分，
2:商品信息质量(商品发布时间、商品等级、商品等级)
3:商品组合得分
点击得分
交易得分卖方服务商业得分
在粗排列框架下，系统粗排列算法根据商品类别的预测得分进行得分
点击得分交易得分
交易得分卖方服务商业得分粗排列框架下，系统粗排列的大排列
最后是精排，检索顺序的主要目标是高相关性、高个性化的正确性。
每个用户的喜好不同，系统会根据每个用户的Query结合用户信息进行召回。然后通过粗排后，商品数量从万级下降到千级。
千级商品经排后直接向用户展示，搜索过程中商品集合的思考和具体变化如下图

前面的召回、粗排主要解决主题相关性，通过主题相关性的限制，首先缩小商品集合和我们的在线会员课程标签
精排阶段系是真正系统推荐算法发挥真正威力时，应根据用户行为反馈迅速进行机械学习建模，判断用户真实性、准确性和可持续控制性。
为什么现在的游戏和黑色技术暂时出现，核心是系统算法模型机械学习模型，系统分析用户有问题，不正确，不稳定，维持性差，可以迅速调整。
也就是说，即使发现脆弱性，研究快速有效的方法，系统也会根据你精排阶段的用户行为迅速分析学习建模，发现模型有问题，你的玩法就结束了。
猜机器学习建模的速度有多快？
想玩黑色的东西早点死去吧。
现在使用的检索顺序模型主要是
CTR模型和CVR模型，具体模型过于复杂也不需要深入，但影响这两种模型的最基本因素是用户行为数据
真的不能假的，假的也不能假的算法模型越来越智能化，算法越来越强，只有回归商业本质才能真正解决算法模型背后真正想解决的问题，算法基于商业逻辑。
2021年搜索向哪个方向发生变化:
2020年电器商人和蚂蚁是不平凡的一年。2020年也是蚂蚁从神坛上拉下来的元年，现在蚂蚁有各种各样的黑色。
基于中小卖家的走势无疑是阿里必须正面面对的现实。
如何让中小卖家回流或留在平台上，搜索该怎么做？
检索一定是基于三方的考虑，买方、卖方和平台本身，现在市场上又开始提倡坑产搜索逻辑，坑产妖风又开始，根据推荐搜索算法逻辑来谈这个问题。
为什么坑产思维是不死的小强，每次危机都会跳出来。
以统计模型为中心的坑产时代是淘宝从2003年到2015年一直使用的搜索算法模型长达13年。
同时也是淘宝和中国网分红的野蛮生长期，统计算法模式让太多电商赚钱。除了
之外，十年的奴役思维已经习惯了，在电器商圈，坑产游戏一定有人相信，其他人不一定被认可。所以，我们夹着尾巴发展的原因，时间真的可以证明一切，不用多说，做自己。
习惯性思维加上特殊时期的赚钱蝴蝶效应，使许多电器商人活在历史的长梦中。正确地说，统计算法模型的真正废除是在2019年下半年。
同学说坑产永远有效，我也这么想。
永远有效的是起爆模型坑产权重驱动和统计算法模型中的坑产排名不同。
起爆模型的坑产要素永远有效，这永远不会改变。
但是，如何有效地加上这个起爆模型的坑产权重，并不像模仿购物的意图那么简单。
坑产游戏在2021年绝对不行。淘宝不会把现在的算法系统换成15年前的。
基于三方利益:
购买者体验
卖方利益
平台的发展
搜索肯定会向高精度和高控制性发展。以标签为中心的用户标签图像仍然是影响流量精度的基本因素。
必须从标签的角度考虑和优化种子组的图像。
通过种子组的图像向相似人扩展到叶类人，业界喜好人最后向相关人扩展也是扩大流量的过程渠道。
基于推荐搜索算法逻辑:
精密排列阶段算法更强，精度更高，转化率更高，持续稳定性更强。
基于中小卖方流通的现状，优化精排阶段并非中小卖方能够简单接触。
推荐算法从搜索排名阶段出现在哪个阶段？
个人判断
一是召回阶段
二是粗排阶段
上述提到召回阶段的算法简单复盖商品为万级，排序规则也比较简单，中小卖方在召回阶段提高精度尤为重要。
在这个万级商品库中，如上下架的权重上升，中小卖方有机会上升到主页，从子单元的索引召回中寻找机会。
或者根据中小卖方的新产品和中小卖方的店铺水平进行特别优先搜索推荐，使中小卖方的新产品在低销售状态下显示，可以实现锦囊算法。
中小卖方有机会搜索主页，不调用用户信息直接打开主页的展示权可能是中小卖方最大的支持。
根据召回阶段的用户行为数据，在粗排阶段以比例融入用户信息，即标签的影响。
在初始召回阶段，类别和分词权重，看业者主图场景反应背后的人们反馈，用系统引导，给中小卖方真正参考的流量方向和成交方向。
谁疯狂地印刷用纸直接关闭黑屋，理解印刷用纸优化竞争场景，从优化人群的角度出发，适当放宽处罚。
通过召回阶段，得到的用户信息会影响粗体结果。在这个阶段，用户信息的权重比例不应该太大，流量卡也不应该太死。
在各检索顺序阶段用户信息，即用户标签对检索的影响权重的问题。
这个方向我的个人观点是可能的。