<var id="tpj7p"><strike id="tpj7p"></strike></var><var id="tpj7p"></var>
<var id="tpj7p"></var>
<ins id="tpj7p"><noframes id="tpj7p"><var id="tpj7p"></var>
<ins id="tpj7p"><span id="tpj7p"></span></ins>
<var id="tpj7p"><video id="tpj7p"><thead id="tpj7p"></thead></video></var>
<var id="tpj7p"></var>
<var id="tpj7p"><strike id="tpj7p"></strike></var>
<var id="tpj7p"></var>
<cite id="tpj7p"><strike id="tpj7p"></strike></cite>
<cite id="tpj7p"><video id="tpj7p"><menuitem id="tpj7p"></menuitem></video></cite>
<cite id="tpj7p"><video id="tpj7p"><thead id="tpj7p"></thead></video></cite>
<var id="tpj7p"><strike id="tpj7p"></strike></var>
<var id="tpj7p"></var>
<menuitem id="tpj7p"></menuitem>
<cite id="tpj7p"><span id="tpj7p"><var id="tpj7p"></var></span></cite>
<var id="tpj7p"></var><cite id="tpj7p"><video id="tpj7p"></video></cite>
<var id="tpj7p"></var>
<var id="tpj7p"><strike id="tpj7p"></strike></var>
<var id="tpj7p"></var>
網站SEO優化

我是怎么做搜索優化的? - 新媒體運營

  • 時間:
  • 瀏覽:703059

對于內容型的產品來說 ,一款好的搜索功能  ,可以最大程度放大內容效益——吸引用戶留下來  ,并促使進入流量到下一波的轉化  。而筆者也以自己的搜索優化實踐為例  ,說明了一系列的操作步驟 ,希望對你有所啟發 。


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

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

在進行數據分析后發現留存率與用戶收藏次數有關  ,收藏越多 ,留存率越高  。因此提高留存  ,就要提高收藏  。

明確了留存的關鍵行為后  ,就該去探索用戶發生關鍵行為的核心漏斗  。

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  ,所以優化“搜索 → 瀏覽 → 收藏”這個路徑  ,預測會得到最大的轉化率  。(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:

  1. 搜索前:熱搜詞、歷史搜索等
  2. 搜索時:關鍵詞聯想、自動糾錯等
  3. 搜索后:無結果的推薦、有結果時的排序等

這次挑搜索后的搜索結果排序來詳細說說 。

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果計算分值  ,根據不同的關鍵詞  ,搜出來的結果都有自己的分值  ,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

搜索結果排序這個東西  ,我在做的時候查閱了很多資料  ,但大多數資料都比較偏向底層的技術細節 ,比如說關鍵詞匹配規則 。

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  ,我們產品只需要決定關鍵詞匹配哪些內容  ,以及賦多少權重即可  。

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

但是  ,如果只看收藏率也會有問題  ,比如當分子分母都非常小的時候  ,假如瀏覽次數是2  ,收藏次數是1  ,那收藏率就會有50% ,這種極端情況出現 。

為了減少這種極端  ,會加入另外一個參數  ,就是收藏次數  。

于是到現在已經找好了三個參數:相關度、收藏次數、收藏率  。

第三步:歸一化

定好了參數后 ,由于這些參數幾乎不在一個數量級 ,無法直接放進公式計算  ,因此需要先明確他們的范圍:相關度數量級大約在100以內;收藏次數非常大  ,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歸一  ,便于計算  。

由于數學一般  ,當時能想到的方法有兩個:一種是對數  ,一種是分數  。

我來說下我的理解:拿“收藏次數”這個參數來看 ,如果用對數的話 ,可以有一個變量  ,log2^A  ,A是收藏次數 ,如果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“收藏和瀏覽次數都很小  ,但收藏率極高”的問題  ,且范圍只是在一定范圍內可控  ,仍然不知道如何跟“收藏率”放在一起計算  。

于是模仿了“收藏率”公式:收藏次數/瀏覽次數  ,收藏次數也按照這樣歸一:分子是當前食譜的收藏次數  ,分母是當前搜索結果中的最大收藏次數 。

這樣這個參數就有兩個變量 ,當收藏次數極低時  ,這個參數很小  ,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“相關度”的歸一 ,得出最終計算排序分值的公式:A*當前相關度/最大相關度+B*當前收藏次數/最大收藏次數+C*當前收藏次數/當前瀏覽次數  。

這樣保證三個參數的取值范圍都是0~1 ,后續只要根據不同關鍵詞 ,調整A、B、C三個值  ,使收藏率高的食譜排在考前的位置即可  。

03 結果和復盤

結果可想而知啦 ,通過搜索路徑產生的收藏轉化 ,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果計算是一視同仁的  ,但是分析了關鍵詞搜索趨勢后發現  ,搜索詞是可以聚類的 ,并不是沒有規律  ,尤其是像食譜搜索這樣的垂直領域 ,用戶對每個(或者說每類)關鍵詞搜出的結果有不同的預期  。

比如說:用戶會搜索食譜類目名稱  ,如“下午茶”、“家常菜”、“創意菜”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  ,所以優化的方向應該是加入一個時間參數 ,越新的食譜排在越前面 。

搜索食材詞的用戶大多已經拿買好了食材  ,這個時候找到食譜就行  ,對新鮮感的需求不如類目詞  ,而是需要發掘長尾的食譜 。所以此時優化的方向不會加入時間參數  ,而是在原來的公式上調整權重  ,讓“相關度”的權重更大  。

當然這還只是短期的策略 ,再往后如果資源允許的情況下  ,會加入協同過濾的算法 ,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”  ,此時如果搜出了很多羊肉湯也是很不合時宜的 ,因此在排序公式中  ,參數前面加上“近期該搜索詞的**量”作為權重公式  ,我覺得會更有效率  。

但是  ,在優化了搜索帶來了一大波轉化后也還是立刻達到瓶頸  ,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)

    
草莓丝瓜视频秋葵视频下载_校花被校长啪到腿软_性欧美德国极品极度另类_好难受你倒是动一下呀_夹得好湿真拔不出来了动态图_老师4tube日本video