獲取信息是人類認知世界、生存發展的剛需，搜索就是最明確的一種方式，其體現的動作就是“出去找”，找食物、找地點等，到了互聯網時代，搜索引擎（Search Engine）就是滿足找信息這個需求的最好工具，你輸入想要找的內容（即在搜索框里輸入查詢詞，或稱為Query），搜索引擎快速的給你最好的結果，這樣的剛需催生了Google、百度這樣的互聯網巨頭。

但是獲取信息的方式除了搜索外，還有另一類，稱為推薦系統（Recommendation System,簡稱Recsys），推薦也是伴隨人類發展而生的一種基本技能，你一定遇到這樣的場景，初來乍到一個地方，會找當地的朋友打聽“嗨，請推薦下附近有啥好吃好玩的地方吧！”——知識、信息等通過推薦來傳播，這也是一種獲取信息的方式。

一、是選擇搜索流量還是推薦流量

我們在追求搜索流量時，我們所操作的都是做好標題關鍵詞的精準性；做好寶貝人群標簽的精準性；做好主圖、寶貝內功、屬性等各個方面與精準用戶的契合性，可以說，想要做好搜索流量，獲取精準流量是必要前提。

而在做推薦流量時，我們所需要的就是足夠廣泛的流量。比如我們在利用直通車做推薦流量時，都會選擇通過足夠多的關鍵詞廣泛匹配，來讓寶貝能夠獲取在足夠泛的人群面前的展現。

根據這兩種流量的性質，我們會發現，當一個寶貝流量有限時，要做搜索就不能有泛的流量，要做推薦就不能有精準的流量。這就是為什么搜索流量和推薦流量之間會沖突的原因。

那對于我們商家來說，該如何取舍呢？

如何取舍，還是要根據數據來判斷。數據不是說我們可以獲取到多少的流量，而是要看訂單數。

舉個例子，如果我們同一個寶貝，獲取推薦流量能夠獲取到4000個流量，轉化率只有0.125%，也就是轉化5單；反之，獲取搜索流量雖然只有500的流量，但轉化能夠達到5%，也就是轉化25單。

相比之下，搜索流量雖然少，但轉化的訂單數會更多，那對于商家來說，自然就是獲取搜索流量更劃算一些。

不過在我們評判搜索流量與推薦流量哪個渠道能夠給我們帶來更多訂單時，還要明白一件事情，就是這個渠道的推薦流量如何、轉化率如何，是因為你這個類目的原因，還是說僅僅是因為你沒有做好的原因。

評判類目是否能夠獲取推薦流量，主要從以下兩個方面出發：

一是看我們類目的復購率、受眾以及對用戶的吸引力程度。如果復購率高，受眾廣，且對用戶的吸引力高，那就適合做推薦流量。

二是通過分析類目頭部商家的流量渠道中推薦流量的數據。

如果數據不錯，說明這一類目是可以去獲取推薦流量的。如果連頭部商家的推薦流量都寥寥無幾，那說明類目推薦流量獲取難度較大，還是老老實實地去做搜索流量吧。

在評判類目是否能夠獲取推薦流量后，我們再來看看類目下推薦流量所能夠實現的轉化數據。

通常來說，推薦流量的轉化率都會低于搜索流量，不過如果我們在產品主圖、內功等方面都做得足夠優秀，那即使是推薦流量，我們的轉化率也能夠做到搜索流量行業平均轉化率的一半左右。

所以如果我們行業獲取推薦流量的難度較低，并且類目平均轉化尚可，那我們就讓寶貝去獲取推薦流量，否則的話就趁早放棄。

當然，放棄推薦流量也并不意味著我們就要死守搜索流量，我們還可以通過積累粉絲、喚醒老客戶等等方式，去拓寬寶貝的獲客渠道，讓店鋪不要只指望單一的搜索流量去過活。

在這里可能有商家會問，老師，有沒有辦法是可以兼顧這兩個流量板塊的呢？其實也是有的，剛才說過，我們之所以只能獲取其中一個流量渠道，原因在于在獲取其中一個流量渠道時，另一個流量渠道所需要流量不足。

可能大家不太理解，簡單來說，就是我們在做推薦流量時，我們獲取的都是廣泛的用戶流量，那在寶貝的流量體系中，精準的用戶流量就不足以支撐我們去獲取搜索流量。

所以如果我們想要兼顧這兩個流量渠道的話，就需要我們在一個寶貝中，同時收獲足夠多的廣泛流量和精準流量。

可能你會覺得這不可能，但還是有可能的，比如說我一款寶貝有10000個流量，其中3000個精準流量，7000個廣泛流量。針對于這一寶貝而言，無論是3000個精準流量還是7000個廣泛流量，都足夠支撐我們的寶貝去獲取相對應的搜索與推薦流量。

總的來說，如果我們想要同時做好這兩塊流量，就需要先把其中一個類型的流量做到足夠優秀。流量數據足夠多，再來去做另一個渠道的流量，才能魚與熊掌兼得。如果在流量數據不高的情況下就好高騖遠，那只能落得一個渠道都沒做好的下場。

推薦系統滿足難以文字表述的需求

目前主流的搜索引擎仍然是以文字構成查詢詞（Query），這是因為文字是人們描述需求最簡潔、直接的方式，搜索引擎抓取和索引的絕大部分內容也是以文字方式組織的。

因為這個因素，我們統計發現用戶輸入的搜索查詢詞也大都是比較短小的，查詢詞中包含 5 個或 5 個以內元素（或稱Term）的占總查詢量的98%以上（例如：Query“達觀數據地址”，包含兩個元素“達觀數據”和“地址”）。

但另一方面，用戶存在著大量的需求是比較難用精煉的文字來組織的，例如想查找“離我比較近的且價格 100 元以內的川菜館”、“和我正在看的這條裙子同款式的但是價格更優惠的其他裙子”等需求。

搜索與推薦的區別

1、場景需求不同

搜索的場景故名思義，就是用戶提供想要尋找的內容的描述，系統返回給用戶匹配到的結果，常見的場景如文字輸入框的搜索，圖片搜索，聽音識曲，標簽篩選等，看似很多場景，其實只是用戶輸入內容的形式不同。

推薦的場景我們常見的有各大App首頁的個性化推薦（如猜你喜歡/每日歌曲推薦），選擇頁面的關聯推薦（買了還買，看了還看，買了它的用戶還買等等）等，推薦的場景更加的豐富，因為沒有用戶提供的內容的限制，場景更具多樣性，推薦方法也多種多樣，例如基于內容的推薦，基于用戶行為的推薦，協同過濾等等。

各大互聯網平臺由于服務內容不同，平臺成熟度的不同，對搜索和推薦的偏重程度也就不盡相同，但都是缺一不可。

例如對于房地產應用來說，用戶目標明確，搜索服務會帶來更大的購買力，但關聯推薦會給用戶帶來更多的選擇，同樣也是不可缺少的。

對于短視頻平臺而言，由于用戶較難通過文字或圖片提供內容的描述，那么自然會偏重推薦服務。

對于電商在初期肯定是搜索服務帶來了更多的購買率，當購買率到達瓶頸時，推薦帶來的購買率就是突破瓶頸和繼續發展的必要手段。

2、輸入輸出不同

不論搜索還是推薦，實際上對于用戶來說，都是一個提供服務的黑盒，它能夠根據用戶/物品/場景等信息，從候選物品的池子中選出與用戶匹配的的物品列表。

不同的是對于搜索服務，還額外提供了用戶對于自己訴求的描述信息（當然可能描述的并不準確）。

輸入的區別天然的導致了用戶對于結果的不同期待：

• 個性化程度不同

推薦系統更強調個性化，甚至更注重驚喜感。往往要在準確性和多樣性之間作出權衡；搜索系統更強調相關性，如果搜索結果與用戶的目標不符，用戶的接受程度會很差，個性化對于搜索系統來說既沒意義又有風險。

• 排的更好與搜的更全

對于推薦系統來說，排序更加重要，因為只有最開始的推薦結果吸引了用戶，用戶才可能向后瀏覽。

對于搜索系統來說，召回更加重要，因為用戶會主動向后瀏覽，以期望找到自己的目標，但如果最終沒有找到，也就是搜的不全，就會有很差的用戶體驗。

• 快速滿足還是持續服務

提到搜索系統，往往會提到馬太效應，只有與用戶搜索的結果更為匹配的物品才會被呈現給用戶，讓用戶得到快速滿足，那么滿足需求的物品那么多，搜索的越準確，用戶就越不會向后瀏覽，最終點擊的熱度就只會集中在少量的物品上。這也就是為什么廣告最初誕生在搜索系統中的原因。

提到推薦系統，往往會提到長尾效應，也就是讓用戶時刻保持新鮮感和驚喜感，考慮用戶的長期興趣，提高用戶粘性，期望留住用戶，并提供持續的服務，這也就是為什么刷短視頻停不下來的原因。

• 實時性與滯后性

搜索的數據實時性要求是特別高的，數據常常要求秒級更新，例如一個商品已經沒有貨了就不應該被搜出來了。而推薦的數據很多是可以容忍天級更新的，由于推薦要考慮大量的用戶行為信息，一定是具有一定滯后性的。

搜索系統與推薦系統的聯系

1、相同的本質

搜索與推薦本質上都是當前時代信息過載的產物，解決的根本思路都是通過匹配（召回）、排序為用戶在過載的信息中挑選出用戶想要的信息。只是根據業務場景的不同，在召回，排序階段考慮的側重點不同。

2、搜索與推薦的協同作用

• 推薦中的搜索

推薦服務中基于內容的推薦實際上相當于一種無聲的搜索，常常在實現時會采用搜索服務的中的倒排索引等技術，例如基于內容的推薦，常常是通過規則或推薦模型得到用戶感興趣的內容的標簽，然后利用搜索服務的方法進行標簽搜索和匹配即可得到最終的推薦列表。

• 搜索中的推薦

當搜索出來符合用戶的數據量很多時，需要根據推薦服務中用戶畫像等結果幫助搜索服務匹配用戶的需求。例如周一的晚上進行搜索得到的結果列表和周五的晚上進行搜索得到結果列表就會有所差異。

推薦與搜索常常在一個頁面中協同為用戶提供服務，例如搜索引擎搜索結果頁面的關聯推薦，電商軟件搜索瀏覽頁面的相關推薦等。

三、搜索與推薦的心理學基礎

先介紹一下《思考快與慢》里面介紹的一點心理學知識，人有兩個系統：一個是系統1，即快系統，無意識且快速，不費力；另外一個是系統2，即慢系統，需要注意力并動用大腦的計算能力。

人在大部分的時候都是使用系統1，少數時候需要耗費腦力/注意力才會啟用系統2。

插一句：聯想到淘寶的營銷，淘寶的營銷規則是如此復雜，導致大部分人都需要調用系統2，而拼多多的主打價廉物美的心智，大家只需要使用系統1無腦下單就行。

1、搜索與用戶

搜索需要用戶的主動輸入，用戶需要輸入意味著用戶的目標會比較明確。從產品過程來看，搜索需要調用系統2，因為這個過程需要人思考到底需要搜索什么。

另外一方面來說，搜索的產品、信息必須用戶已經有心智了，在電商行業就是品牌已經在用戶那種草了，在音樂方面就是用戶必須知道自己想聽的那首歌，在影視行業就是用戶大可能已經知道那部電影/電視劇的某些細節了。

2、推薦與用戶

用戶是被動的，用戶可能根本就沒有目標，也就是用戶期待會不一樣。推薦可以推薦新的東西，也不會讓用戶需要做選擇題；可以縮短用戶思考路徑，提升用戶體驗（即沉浸式體驗）。

推薦新東西在某些時候可以引起用戶的驚喜、好奇心，更重要的是，讓用戶的大腦使用系統1工作，而不是系統2。

由于人類的惰性，這類產品（今日頭條、抖音、網易云音樂、淘系的猜你喜歡等）已經出類拔萃了。如果我們需要讓消費者在APP購物的時候逛起來，推薦必不可少。

四、搜索與推薦模式思考與拓展

1、搜索以貨品為中心

搜索以貨品（廣義，可以理解為供給）為本，用戶必須有某種方式事先關聯到貨品，也就是營銷貨品概念到用戶心智（用戶心智的培養），所以搜索到用戶的路徑會比較長。

在用戶心智培養這個過程中(品牌營銷)，需要多次觸達用戶，才有可能在用戶心中埋下種子，使得用戶在輸入搜索詞的時候大腦中跳出對應的貨品特征/品牌。

并且搜索有一個很強的必要條件，就是搜索必須平臺化與中心化（搜索就是一個撮合供需的場），而且供給能力必須要大而全，否則用戶一搜沒東西或者無法滿足用戶需求，則用戶很容易流失。

可以設想一下，當用戶帶有很強目的性來搜索的時候，想聽歌的歌曲沒有，想看的電影也沒有。另外一方面，當用戶不知道自己需要的東西時，我們就需要各種導購場將需求繼續明確，比如類目設計、導購場設計等。

2、推薦以人為中心

推薦以人為本，圍繞人本身的需求，以更短的路徑匹配人的需求和廣義貨品的供給。由于目標性不強，所以消費者更容易在平臺上花的時間更長。

如果能時不時給消費者驚喜，平臺粘性會逐漸培養起來。而且由于主要信息流的單向性，推薦可以以平臺化的方式來做，又可以以去中心化的方式實現。

同時，推薦也是通向社交化的一條路。

3、推薦的中心化模式

推薦中心化的模式現在有很多例子，像今日頭條、抖音、快手等，在供給側將信息（新聞）、短視頻、直播等聚合起來，然后在通過推薦引擎分發給對應有需求的消費者。

比如：最近自己看的公眾號文章較多，就想能否有一個產品，打造個人獨特的公眾號文章頻道，即微信公眾號的今日頭條。

4、推薦去中心化模式

推薦去中心化的例子，社交領域會很多例子（一切皆可推薦）。因為人與人之間交流，交流時可能就會交流自己買的東西，聽過的音樂，看過的電影等，也可以當成一種非正式的推薦。

當推薦+微信+商品，就有我們熟知的微商模式，由微商選貨，推薦給微信群/朋友圈的時候，就是一種人肉推薦。

我們常見的KOL模式，也是由KOL生產信息然后推薦給粉絲。

所以推薦的背后，當推薦成功時，信任是一大重要因素。看到我們現在的直播模式時，也可以看做是由主播選品后，推薦給看直播的粉絲的。

去中心化的好處是人群會更精準，而且由于用戶與供給方會具有一定的社交關系（微信好友，粉絲等），也就是用戶對供給方有一定的信任基礎，推薦起來在某些場合效率會很高。

社交關系的獲取可以通過平臺，也可以通過線下手段或者依據真實社交圈子獲取。

本文鏈接：http://www.sztqnet.com/article/1315.html