案例背景
某导购类电商APP，与淘宝天猫等一线商家合作,亿级商品索引量，类目和子类目多层嵌套，商品有不同子款式和尺码，搜索和筛选需求复杂。通过采用分销+券模式，优惠券帮助普通C用户降低了单品价格，分销模式帮助推广者B增加了用户数量，平台获得分成，用户下单后还可以返现金和优惠券，从而提升复购率, 其中搜索的流量占比站内流量60%以上，所以对于搜索结果的召回和排序有极高的要求，衡量搜索效果的直接指标就是成单转化率。
需求反馈
业务方希望迅速扩大市场提高用户体验，需求开发团队针对产品功能快速优化，进一步提升CTR、CVR的业务指标
需求分析
• 电商行业中，“搜索”是帮助用户定位自己想要的商品提升转化的重要渠道；搜索引擎的效果优化是一个很大的话题，在查询意图理解阶段可以有语义理解、命名实体识别、词权重分析、拼写纠错等优化手段，在排序阶段可有文本相关度、人气模型、类目预测等优化手段，通过配置查询分析策略和调整排序公式，我们对于效果优化可以有很大的发挥空间，再通过AB测试来对比不同优化策略的效果表现，我们可以做到效果优化心中有数。 • 业务指标数据中“点击率和转化率”则直观反映了搜索结果页的商品结果是否满足用户的需求; • 优化召回和排序结果可以帮助用户快速找到心中所想的内容，是改善用户体验，降低跳出率，促进用户转化率的最好方法。
阿里云开放搜索解决方案
Query在开放搜索的执行流程：
开放搜索的优化方案:
1.查询意图理解优化方案可以参考上一篇文章
:https://developer.aliyun.com/article/770543?spm=a2c6h.12873581.0.dArticle770543.12b01cc67mFsIp&groupCode=aios
2.开放搜索-类目预测功能 类目预测是开放搜索里基于物品的类目信息改善搜索效果的算法功能,类目预测根据用户的查询词来预测用户想要查询哪个类目的结果，结合排序表达式，可以使得更符合搜索意图的结果排序更靠前。 例如：用户搜索“华为” • 大部分人意图其实是想获得“华为手机”，但因为销量大小、价格高低、店铺等级等各种原因，存在“华为手表”等配件商品排在“华为手机"更前面。 • 当我们训练“类目预测模型”，模型就会表达出一个信息，根据行为数据统计发现点击“手机”类目要比点击“配件”类目的人多很多，那么模型会给出这样的预测结果，对于“华为”这个query来说，“手机”类目与“华为”的相关度，比“配件”类目与“华为”的相关度高, 所以在计算每个物品的排序分的过程中，“手机”类目下的物品所获得的得分要比“配件”类目下的物品得分高，从而“手机”类目下的物品会排在更前面。 • 这样的排序结果才是一个比较符合用户预期的结果，用户才更有可能点进去了解详情，从而提升搜索的业务价值,提升CVR的业务指标；
3.排序算法优化 • 支持两轮相关性排序定制，搜索结果相关性排序是影响用户体验最关键的一环，开放搜索支持开发者定制两轮相关性排序规则来准确控制搜索结果的排序。第一轮为粗排，从命中的文档集合里海选出相关文档。第二轮为精排，对粗排的结果做更精细筛选，支持任意复杂的表达式和语法。方便开发者能更准确控制排序效果，优化系统性能，提高搜索响应速度。
• 引用智能排序人气模型：离线计算的模型，淘宝搜索最基础的排序算法模型。人气模型会计算量化出每个商品的静态质量及受欢迎的程度的值，不断训练统计形成人气分，构建更精细化的排序模型，精准命中搜索需求，将人气模型involve成为排序的一个因子，搜索结果的转化率还会有质的飞跃。
本文为阿里云原创内容，未经允许不得转载。