推荐流量与搜索流量的区别和联系

获取信息是人类认知世界、生存发展的刚需，搜索就是最明确的一种方式，其体现的动作就是“出去找”，找食物、找地点等，获取信息的方式除了搜索外，还有另一类，称为推荐系统（Recommendation System,简称Recsys），推荐也是伴随人类发展而生的一种基本技能，你一定遇到这样的场景，初来乍到一个地方，会找当地的朋友打听“嗨，请推荐下附近有啥好吃好玩的地方吧！”——知识、信息等通过推荐来传播，这也是一种获取信息的方式。到了互联网时代，搜索引擎（Search Engine）就是满足找信息这个需求的最好工具，你输入想要找的内容（即在搜索框里输入查询词，或称为Query），搜索引擎快速的给你最好的结果，这样的刚需催生了Google、百度这样的互联网巨头。

一、是选择搜索流量还是推荐流量

我们在追求搜索流量时，我们所操作的都是做好标题关键词的精准性；做好宝贝人群标签的精准性；做好主图、宝贝内功、属性等各个方面与精准用户的契合性，可以说，想要做好搜索流量，获取精准流量是必要前提。

而在做推荐流量时，我们所需要的就是足够广泛的流量。比如我们在利用直通车做推荐流量时，都会选择通过足够多的关键词广泛匹配，来让宝贝能够获取在足够泛的人群面前的展现。

根据这两种流量的性质，我们会发现，当一个宝贝流量有限时，要做搜索就不能有泛的流量，要做推荐就不能有精准的流量。这就是为什么搜索流量和推荐流量之间会冲突的原因。

那对于我们商家来说，该如何取舍呢？

如何取舍，还是要根据数据来判断。数据不是说我们可以获取到多少的流量，而是要看订单数。举个例子，如果我们同一个宝贝，获取推荐流量能够获取到4000个流量，转化率只有0.125%，也就是转化5单；反之，获取搜索流量虽然只有500的流量，但转化能够达到5%，也就是转化25单。

相比之下，搜索流量虽然少，但转化的订单数会更多，那对于商家来说，自然就是获取搜索流量更划算一些。

不过在我们评判搜索流量与推荐流量哪个渠道能够给我们带来更多订单时，还要明白一件事情，就是这个渠道的推荐流量如何、转化率如何，是因为你这个类目的原因，还是说仅仅是因为你没有做好的原因。

评判类目是否能够获取推荐流量，主要从以下两个方面出发：

一是看我们类目的复购率、受众以及对用户的吸引力程度。如果复购率高，受众广，且对用户的吸引力高，那就适合做推荐流量。二是通过分析类目头部商家的流量渠道中推荐流量的数据。

如果数据不错，说明这一类目是可以去获取推荐流量的。如果连头部商家的推荐流量都寥寥无几，那说明类目推荐流量获取难度较大，还是老老实实地去做搜索流量吧。

在评判类目是否能够获取推荐流量后，我们再来看看类目下推荐流量所能够实现的转化数据。

通常来说，推荐流量的转化率都会低于搜索流量，不过如果我们在产品主图、内功等方面都做得足够优秀，那即使是推荐流量，我们的转化率也能够做到搜索流量行业平均转化率的一半左右。

所以如果我们行业获取推荐流量的难度较低，并且类目平均转化尚可，那我们就让宝贝去获取推荐流量，否则的话就趁早放弃。

当然，放弃推荐流量也并不意味着我们就要死守搜索流量，我们还可以通过积累粉丝、唤醒老客户等等方式，去拓宽宝贝的获客渠道，让店铺不要只指望单一的搜索流量去过活。可能你会觉得这不可能，但还是有可能的，比如说我一款宝贝有10000个流量，其中3000个精准流量，7000个广泛流量。针对于这一宝贝而言，无论是3000个精准流量还是7000个广泛流量，都足够支撑我们的宝贝去获取相对应的搜索与推荐流量。

在这里可能有商家会问，老师，有没有办法是可以兼顾这两个流量板块的呢？其实也是有的，刚才说过，我们之所以只能获取其中一个流量渠道，原因在于在获取其中一个流量渠道时，另一个流量渠道所需要流量不足。

可能大家不太理解，简单来说，就是我们在做推荐流量时，我们获取的都是广泛的用户流量，那在宝贝的流量体系中，精准的用户流量就不足以支撑我们去获取搜索流量。所以如果我们想要兼顾这两个流量渠道的话，就需要我们在一个宝贝中，同时收获足够多的广泛流量和精准流量。

总的来说，如果我们想要同时做好这两块流量，就需要先把其中一个类型的流量做到足够优秀。流量数据足够多，再来去做另一个渠道的流量，才能鱼与熊掌兼得。如果在流量数据不高的情况下就好高骛远，那只能落得一个渠道都没做好的下场。

推荐系统满足难以文字表述的需求

目前主流的搜索引擎仍然是以文字构成查询词（Query），这是因为文字是人们描述需求最简洁、直接的方式，搜索引擎抓取和索引的绝大部分内容也是以文字方式组织的。

因为这个因素，我们统计发现用户输入的搜索查询词也大都是比较短小的，查询词中包含 5 个或 5 个以内元素（或称Term）的占总查询量的98%以上（例如：Query“达观数据地址”，包含两个元素“达观数据”和“地址”）。

但另一方面，用户存在着大量的需求是比较难用精炼的文字来组织的，例如想查找“离我比较近的且价格 100 元以内的川菜馆”、“和我正在看的这条裙子同款式的但是价格更优惠的其他裙子”等需求。

搜索与推荐的区别

1、场景需求不同

搜索的场景故名思义，就是用户提供想要寻找的内容的描述，系统返回给用户匹配到的结果，常见的场景如文字输入框的搜索，图片搜索，听音识曲，标签筛选等，看似很多场景，其实只是用户输入内容的形式不同。

推荐的场景我们常见的有各大App首页的个性化推荐（如猜你喜欢/每日歌曲推荐），选择页面的关联推荐（买了还买，看了还看，买了它的用户还买等等）等，推荐的场景更加的丰富，因为没有用户提供的内容的限制，场景更具多样性，推荐方法也多种多样，例如基于内容的推荐，基于用户行为的推荐，协同过滤等等。

各大互联网平台由于服务内容不同，平台成熟度的不同，对搜索和推荐的偏重程度也就不尽相同，但都是缺一不可。

例如对于房地产应用来说，用户目标明确，搜索服务会带来更大的购买力，但关联推荐会给用户带来更多的选择，同样也是不可缺少的。

对于短视频平台而言，由于用户较难通过文字或图片提供内容的描述，那么自然会偏重推荐服务。

对于电商在初期肯定是搜索服务带来了更多的购买率，当购买率到达瓶颈时，推荐带来的购买率就是突破瓶颈和继续发展的必要手段。

2、输入输出不同

不论搜索还是推荐，实际上对于用户来说，都是一个提供服务的黑盒，它能够根据用户/物品/场景等信息，从候选物品的池子中选出与用户匹配的的物品列表。

不同的是对于搜索服务，还额外提供了用户对于自己诉求的描述信息（当然可能描述的并不准确）。

输入的区别天然的导致了用户对于结果的不同期待：

• 排的更好与搜的更全

对于推荐系统来说，排序更加重要，因为只有最开始的推荐结果吸引了用户，用户才可能向后浏览。

对于搜索系统来说，召回更加重要，因为用户会主动向后浏览，以期望找到自己的目标，但如果最终没有找到，也就是搜的不全，就会有很差的用户体验。

• 个性化程度不同

推荐系统更强调个性化，甚至更注重惊喜感。往往要在准确性和多样性之间作出权衡；搜索系统更强调相关性，如果搜索结果与用户的目标不符，用户的接受程度会很差，个性化对于搜索系统来说既没意义又有风险。

• 实时性与滞后性

搜索的数据实时性要求是特别高的，数据常常要求秒级更新，例如一个商品已经没有货了就不应该被搜出来了。而推荐的数据很多是可以容忍天级更新的，由于推荐要考虑大量的用户行为信息，一定是具有一定滞后性的。

• 快速满足还是持续服务

提到搜索系统，往往会提到马太效应，只有与用户搜索的结果更为匹配的物品才会被呈现给用户，让用户得到快速满足，那么满足需求的物品那么多，搜索的越准确，用户就越不会向后浏览，最终点击的热度就只会集中在少量的物品上。这也就是为什么广告最初诞生在搜索系统中的原因。

提到推荐系统，往往会提到长尾效应，也就是让用户时刻保持新鲜感和惊喜感，考虑用户的长期兴趣，提高用户粘性，期望留住用户，并提供持续的服务，这也就是为什么刷短视频停不下来的原因。

搜索系统与推荐系统的联系

1、相同的本质

搜索与推荐本质上都是当前时代信息过载的产物，解决的根本思路都是通过匹配（召回）、排序为用户在过载的信息中挑选出用户想要的信息。只是根据业务场景的不同，在召回，排序阶段考虑的侧重点不同。

2、搜索与推荐的协同作用

• 推荐中的搜索

推荐服务中基于内容的推荐实际上相当于一种无声的搜索，常常在实现时会采用搜索服务的中的倒排索引等技术，例如基于内容的推荐，常常是通过规则或推荐模型得到用户感兴趣的内容的标签，然后利用搜索服务的方法进行标签搜索和匹配即可得到最终的推荐列表。

• 搜索中的推荐

当搜索出来符合用户的数据量很多时，需要根据推荐服务中用户画像等结果帮助搜索服务匹配用户的需求。例如周一的晚上进行搜索得到的结果列表和周五的晚上进行搜索得到结果列表就会有所差异。

推荐与搜索常常在一个页面中协同为用户提供服务，例如搜索引擎搜索结果页面的关联推荐，电商软件搜索浏览页面的相关推荐等。

三、搜索与推荐的心理学基础

先介绍一下《思考快与慢》里面介绍的一点心理学知识，人有两个系统：一个是系统1，即快系统，无意识且快速，不费力；另外一个是系统2，即慢系统，需要注意力并动用大脑的计算能力。

人在大部分的时候都是使用系统1，少数时候需要耗费脑力/注意力才会启用系统2。

插一句：联想到淘宝的营销，淘宝的营销规则是如此复杂，导致大部分人都需要调用系统2，而拼多多的主打价廉物美的心智，大家只需要使用系统1无脑下单就行。

1、推荐与用户

用户是被动的，用户可能根本就没有目标，也就是用户期待会不一样。推荐可以推荐新的东西，也不会让用户需要做选择题；可以缩短用户思考路径，提升用户体验（即沉浸式体验）。

推荐新东西在某些时候可以引起用户的惊喜、好奇心，更重要的是，让用户的大脑使用系统1工作，而不是系统2。

由于人类的惰性，这类产品（今日头条、抖音、网易云音乐、淘系的猜你喜欢等）已经出类拔萃了。如果我们需要让消费者在APP购物的时候逛起来，推荐必不可少。

22、搜索与用户

搜索需要用户的主动输入，用户需要输入意味着用户的目标会比较明确。从产品过程来看，搜索需要调用系统2，因为这个过程需要人思考到底需要搜索什么。

另外一方面来说，搜索的产品、信息必须用户已经有心智了，在电商行业就是品牌已经在用户那种草了，在音乐方面就是用户必须知道自己想听的那首歌，在影视行业就是用户大可能已经知道那部电影/电视剧的某些细节了。

四、搜索与推荐模式思考与拓展

1、推荐以人为中心

推荐以人为本，围绕人本身的需求，以更短的路径匹配人的需求和广义货品的供给。由于目标性不强，所以消费者更容易在平台上花的时间更长。

如果能时不时给消费者惊喜，平台粘性会逐渐培养起来。而且由于主要信息流的单向性，推荐可以以平台化的方式来做，又可以以去中心化的方式实现。

同时，推荐也是通向社交化的一条路。

2、推荐的中心化模式

推荐中心化的模式现在有很多例子，像今日头条、抖音、快手等，在供给侧将信息（新闻）、短视频、直播等聚合起来，然后在通过推荐引擎分发给对应有需求的消费者。

比如：最近自己看的公众号文章较多，就想能否有一个产品，打造个人独特的公众号文章频道，即微信公众号的今日头条。

3、搜索以货品为中心

搜索以货品（广义，可以理解为供给）为本，用户必须有某种方式事先关联到货品，也就是营销货品概念到用户心智（用户心智的培养），所以搜索到用户的路径会比较长。

在用户心智培养这个过程中(品牌营销)，需要多次触达用户，才有可能在用户心中埋下种子，使得用户在输入搜索词的时候大脑中跳出对应的货品特征/品牌。

并且搜索有一个很强的必要条件，就是搜索必须平台化与中心化（搜索就是一个撮合供需的场），而且供给能力必须要大而全，否则用户一搜没东西或者无法满足用户需求，则用户很容易流失。

可以设想一下，当用户带有很强目的性来搜索的时候，想听歌的歌曲没有，想看的电影也没有。另外一方面，当用户不知道自己需要的东西时，我们就需要各种导购场将需求继续明确，比如类目设计、导购场设计等。

4、推荐去中心化模式

推荐去中心化的例子，社交领域会很多例子（一切皆可推荐）。因为人与人之间交流，交流时可能就会交流自己买的东西，听过的音乐，看过的电影等，也可以当成一种非正式的推荐。

当推荐+微信+商品，就有我们熟知的微商模式，由微商选货，推荐给微信群/朋友圈的时候，就是一种人肉推荐。

我们常见的KOL模式，也是由KOL生产信息然后推荐给粉丝。

所以推荐的背后，当推荐成功时，信任是一大重要因素。看到我们现在的直播模式时，也可以看做是由主播选品后，推荐给看直播的粉丝的。

去中心化的好处是人群会更精准，而且由于用户与供给方会具有一定的社交关系（微信好友，粉丝等），也就是用户对供给方有一定的信任基础，推荐起来在某些场合效率会很高。

社交关系的获取可以通过平台，也可以通过线下手段或者依据真实社交圈子获取。

本文链接：https://www.24zzc.com/news/167091892814.html