我在日常工作中有很多想法，也是基于搜索工作。这些思路并不是特别详细，只是属于一个小而完整的运营和产品逻辑。所以我在这里把它们添加到这篇文章中，希望对从事搜索的大家有所帮助。

别瞎说！一共三点:

(1)文本过滤信息的要点显示在搜索结果页面中

显示关键词类别预测核心的关键属性参数信息；

去掉关键词信息后显示关键词下拉关联词的文本信息，点击得到搜索关键词+文本信息搜索结果；

显示与该关键词相关的搜索词，即相关关键词；

显示与协同过滤相关的关键词，即搜索该关键词的人可能对哪些类别感兴趣的关键词信息；

显示类别相关关键词信息，类似于相关关键词，但有类别限制。

制约因素:商品丰富度&搜索准确度

数据评估方法:利用率、转化率、gmv比或间接增量、搜索深度

(2)搜索框中默认单词的注意事项

如果想让千人默认的文字个性化，需要注意以下几点:

所有显示关键字都需要高质量和高转换。

显示的关键词不应以用户输入的历史关键词作为默认关键词，可以使用相关的优质关键词、类别相关的或基于产品/用户的协同过滤算法。

手动干预优先，可以显示分流，可以配置后台。

(3)个性化推荐关键词必须考虑以下几点

关键词需要是高转化率或高gmv的搜索词，没有错别字和时政掩码

基于用户行为的个性化推荐可以使用基于用户的协同过滤和基于商品或类别的协同过滤

需要建立词语或相关性之间的关系，以及点击浏览行为与类别关键词之间的关系

感觉可以自己创造一个理论，给它起个好听的名字:搜索推荐控制理论。

核心要点:

所有推荐的关键词都需要控制，以保证其输出和转化率(之前已验证)；

所有推荐关键词必须建立词与词之间，或者词与类别之间，词与用户之间的关系；

所有推荐关键词必须保证其搜索结果的准确性；

用户搜索到的关键词不能直接引用，只能经过数据过滤或人工过滤(即优化后)才能使用。

作用:多曝光优质关键词，可以间接提高搜索转化率和交易量，提升搜索dau。

对优化长尾关键词没有太大作用，需要不断发现和过滤新词，补充推荐词库。

计算词与词之间的相关性是很有必要的，作为后期搜索用户，它起着重要的作用。

当然，年纪轻轻就想有自己的理论体系，这是很难实现的。这只是我个人的假设，没有经过时间的检验，但是从逻辑和操作方法上来说是可靠的。

最后，我想分享一下我接手搜索工作以来的一些所谓的原则和方法。以前我对这种比较嗤之以鼻，现在发现真的很重要，就像人的世界观一样。一旦形成，就很难改变，即使辩论有理，你也不会改变。经历过挫折才会反思(金的话)。

所以我也强调，工作的方法论不应该被视为绝对的标准答案，而应该区分环境或者不断尝试寻找自己的最优解。本文分享的方法论可能不适合你，请慎重采纳。

数据考虑不应局限于单一维度，而应综合评估对象所涉及的数据指标的影响。不要自以为是，不要总是“我是这么想的”，学会分层次看问题，用数据去试错或验证自己的观点。

不要在制作产品时感到压力太大。你可以指望你的需求和原型需求的实现率，但不要指望为了功能的细节而一次性解决问题。

永远不要用职场主人翁感去挑战老板的权威

大胆假设，仔细验证。关键是要小心。验证的时候不要太大胆。除非你是不缺钱的老板。

多总结，树立终身学习的理念，想立志从事搜索的话，赶紧学习NLP及相关软件。

世界上不乏有才华的穷人。

以上是蔡文姬·边肖分享的全部内容。想了解其他内容，记得关注鱼爪电商网。