搜索和推荐是解决信息过载问题的两个最常见的手段，上一篇讲到如何从1到N的优化个性化推荐，本文通过4个策略8个行动点来介绍一下如何优化O2O的推荐体验。

搜索和推荐虽然都是解决信息过载的手段，在前端视觉和系统架构上有诸多相似之处，但是二者有着本质的差别。

在实践过程中经常遇到将适合推荐的策略应用在搜索中，结果发现收效甚微甚至效果负向，这是因为搜索和推荐虽然存在诸多相似性，但是其本质具有极大的差别，有必要对二者的差别进行分析，下面从产品价值，目标用户以及衡量指标进行解读二者的不同：

1. 产品价值。推荐的价值在于帮助用户发现好店，关键词是“探索发现”，搜索的价值是帮助用户便利高效的获取到精准的内容，这里的关键词有两个，一个是便利高效，讲的是过程，旨在降低用户的时间成本，另外一个是精准，讲的是结果，旨在降低用户的信息获取成本。
2. 目标用户。推荐的目标用户是需求不明确的用户，闲来无事来逛一逛以期发现自己感兴趣的内容。而搜索的目标用户是需求明确的用户，需要快速、即时的找到所需。
3. 衡量指标。推荐和搜索最常用的衡量指标都是点击率，而且是越高越好。此外还有一个常用的辅助指标是使用时长，搜索的平均使用时长越短越好，越短说明用户越快找到所需，表明搜索做的越好，而推荐平均使用时长越长越好，越长说明推荐的东西用户越感兴趣，表明推荐做的越好。

搜索的产品价值是帮助用户便利高效的获取到精准的内容，好的搜索体验需要满足4个策略，即全面、高效、精准、有趣。

策略1：全面

行动点1：扩充POI的丰富度

影响搜索结果最根本的还是信息的完整性，试想如果搜索的结果经常为空或者结果信息稀疏，就无从谈搜索体验，笔者之所以把全面作为最重要因素，因为从点评和高德发展提炼得出的。

15年笔者进入点评之后，当时老板花了半年时间做的事情就是扩充POI的覆盖量和内容丰富度，做到点评的POI覆盖度领先于当时的竞对美团，因此用户就会产生一个心智，那就是找信息上点评，点评的搜索使用率远高于美团也印证了这一点。

另外一个是高德，阿里收购高德以后，俞永福当时的战略就是放弃了不擅长的O2O，而是聚焦于地图的本质业务，也即地址查询和导航，其中最重要的一个举措就是最大程度的丰富POI信息，终于在2年后在搜索体验上超过了百度地图。

行动点2：实体POI到虚拟POI

在实体POI覆盖度做到最全之后，通过query进行分析，发现用户的搜索词中约有一半并不是实体POI，而是商区、推荐菜、品类、场景等词，这些词的搜索结果点击率远远不如搜索商户词，因此去分析用户搜索这些词以后的行为路径。例如用户搜索推荐菜，是想找一家这个推荐菜比较好的店，但是列表页并无法通过推荐菜的推荐人数进行排序；因此我们为推荐菜建立了虚拟POI，在搜索结果页将该虚拟POI置顶，POI的详情页放的是该推荐菜的附近排行榜、全程排行榜以及附近的优质团购。

同样的道理，分析用户搜索商场，可能是要找这个商场的商户，也可能只是将这个商场做为地标，找这家商场附近的商户。因此将商场建立虚拟POI，将该虚拟POI置顶，增加快捷入口可以直接找商场附近的商户；也可以点击这个虚拟POI，进入商场的详情页，里面展示商场的商户，以及一些优惠活动。

策略2：高效

行动点3：识别用户意图到店

在满足了内容丰富度之后，下一个任务就是就是帮助用户快捷高效的获取信息，首先我们有必要梳理一下用户使用搜索的场景进行梳理：

• Step 1 行前选店：用户搜索，并从搜索结果中筛选出一家要去的店
• Step 2 行中看址：在确定了要去的商户之后，用户在去过过程中需要再次找到这家店查看地址或者导航前往
• Step 3 到店消费：到店后用户需要找到这家店看推荐菜或者买优惠或者买单
• Step 4 离店评价：用户离店之后需要找到这间店进行评价。

从上面可以看出一个完整的用户消费过程用户起码需要找同一家店4次，那么如果我们在第1步的时候就识别出用户想去的店铺，例如用户要去的商户是“七条鱼精致料理”，之后在搜索框的底纹词、搜索热词、搜索联想词或者搜索结果直观呈现，就能够直接缩短用户触达路径，提高用户效率。

那么如何识别出用户要去哪家店呢？

前面讲到的四步找店过程中，每一步都可以通过一些用户行为来识别出用户要去的商户，例如在行前可以根据用户多次浏览、收藏、分享等行为判断用户想要去的商户，同时在之后的行为也可以不断验证和修正。

下面分析一下每一步可以用来判断用户想去的店的行为特征：

Step1：行前选店

• 用户多次浏览
• 用户最后浏览
• 用户点击了店铺的地址/电话/推荐菜/用户评论等信息
• 用户收藏
• 用户分享了的店(一般都是分享给朋友)
• 用户购买了团购的商户

Step 2：行中看址

• 用户点击了店铺的地址
• 用户复制了店铺的地址(使用第三方导航)
• 用户使用了导航

Step3：到店消费

• 用户查看推荐菜
• 用户连接了WiFi
• 扫描到店铺的WIFI(仅安卓手机可以实现)
• 距离用户的距离很近

行动点4：搜索热词增加个性化

用户点击搜索之后，都会有一个热门搜索的模块，笔者通过对搜索热词分析，发现点击率比较高的都是例如美食、火锅、日料这种比较宽泛的词，貌似符合常理，因为大家搜索这些词的概率比较高嘛。

但是大家思考这个问题：

用户点击搜索热词“火锅”，到底是因为：

用户本身就是想搜火锅，刚好看到了就点击？

还是用户本身不想搜火锅，看到搜索热词这里有个火锅，改变了原有的搜索意愿改搜火锅了？

前者是迎合用户的搜索意图，后者是引导了用户的搜索意图。

我认为答案是前者，因为用户使用搜索本身是有个明确的意图，不太可能因为我们的搜索热词而改变了自己原本的搜索意图。所以如果这里的搜索热词是为了迎合用户搜索意图，也即尽最大可能的猜测用户的搜索意图。

那么通过“热门搜索”是很有很瓶颈的，因为真正猜测用户诉求最好的方式不是热门而是个性化，因此这里更适合根据用户的浏览行为和搜索行为放个性化的内容。当然这时“热门搜索”的名字可能不合适了，可以换一个更恰当的名字，而且笔者也通过AB测试证明加了个性化后的数据有起码60%的提升。

行动点5： 搜索联想词支持点击直达

最初在分析搜索词的时候发现品牌词的搜索结果点击率非常高，例如用户搜星巴克，超过80%的用户都会点击第一条搜索结果，也即一般点的都是距离用户最近的星巴克。

品牌词的搜索结果点击这么好，貌似不需要放精力优化。但是我们逆向思考一下：为什么品牌词的搜索结果点击这么好？那是因为用户搜索品牌词时搜索意图非常明确，基本上都是要找附近的那家店，既然如此我们是否能进一步缩短用户的路径呢？答案是肯定的，也即在搜索引导词直接展示相关的商户，用户点击后直接跳转到商户详情页，而不是先跳到列表页，然后还需要用户点击跳到闲情页。

策略3：精准

行动点6：区分词类分别建模

O2O场景用户的搜索词很杂，类型很多，而不同的搜索词用户期望的结果差别很大，例如用户搜商区，想要的是该商区内的商户，单纯的关键词匹配已经无法满足，需要将商区画圈，然后将落在这个圈里的商户都召回。为了更好的呈现的不同搜索词的结果，需要建立关键词进行归类，建立词库，然后不同类型的关键词制定不同的召回和排序模型。

行动点7：引入个性化因素

搜索结果适度考虑用户个性化因素，能够有效的提升转化率，考虑的因素主要是4个维度，商户维度、用户维度、商户-用户交叉维度、情境维度(例如雨天外卖加权)，想了解更多个性化因素可以看上一篇文章。

策略4：有趣

行动点8：增加趣味性推荐理由

推荐理由能够让用户明白结果的排序的理由，同时趣味性的推荐理由能够吸引用户眼球，提高转化率。推荐理由的来源主要有3类：

1 利用关系链

• 好友推荐：Jason等x个好友推荐，最好将用户亲密度高好友名外露
• 同事推荐：xx个同事收藏

2 机器生成理由

• 人以群分：与你口味相似的人都喜欢，摩登主妇都喜欢
• 入选榜单：入选杭州日料top10，附近日料第3名

3 从UGC中提炼产生

• 从用户UGC中提炼出来的推荐短句，例如“龙虾味道很棒，晚上异常火爆”
• 推荐菜：1150人推荐红烧肉

4 从外网爬取

• 名人推荐：歌手薛之谦开的店
• 媒体推荐：《美食与美酒》杂志评选2016 best 50餐厅

以上。

作者：Jason（微信号liuzs0204），阿里巴巴资深产品经理，前美团点评搜索与推荐产品经理。

本文由 @Jason 原创发布于人人都是产品经理。未经许可，禁止转载