废话就不多说！总共三点：

（1）搜索结果页穿插展示文本筛选信息主要点

1. 展示关键词类目预测核心主要属性参数信息；

2. 展示该关键词下拉联想词去除关键词信息之后的的文本信息，点击即为搜索关键词+文本信息搜索结果；

3. 展示该关键词相关的搜索词，即相关关键词；

4. 展示协同过滤相关的关键词，即搜索了这个关键词的人群还可能对哪些类目感兴趣的关键词信息；

5. 展示类目相关关键词信息，与相关关键词类似，但是有类目限制。
   

   
   

   制约因素：商品丰富度&搜索准确度
   

   
   数据评估方式：使用率，转化率，gmv占比或者间接增量，搜索深度

（2）搜索框默认词的一些注意要点

如果要将默认词进行千人千面个性化，需要注意如下几点：

1. 所有的展示关键词需要高质量高转化。

2. 展示的关键词不要以用户输入的历史关键词直接作为默认关键词，可以使用关联性高质量关键词，类目相关或者基于商品/用户的协同过滤算法。

3. 人工干预最优先，可以取部分流量予以展示，后台可以配置。
   

   
   

（3）基于个性化的推荐关键词必须要考虑如下几点

1. 关键词需要为高转化或者高gmv的搜索词，且没有错别字和时政屏蔽词

2. 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，以及基于商品或者类目的协同过滤

3. 必须建立词与词之间的联系或者说叫相关度，点击浏览行为与类目关键词之间的关联
   

   
   

以上三个注意点我感觉可以自创一套理论，起个好听的名字吧：搜索推荐控制理论。

核心观点：

• 所有的推荐的关键词都需要控制范围以保证其产出与转化率（先前验证过）；

• 所有推荐关键词都必须建立词与词关联性，或者词与类目关联性，词与用户的关联性；

• 所有推荐关键词都必须保证其搜索结果的准确性；

• 不能直接引用用户直接搜索的关键词，需要进行数据过滤或者人为过滤后方能使用（即优化后）。
  

  
  

作用：将优质的关键词得到更多的曝光，能间接提升搜索转化率和成交 且能提升搜索dau，对优化长尾关键词没有太多作用，需要不断地发现和过滤新词，补充推荐词库。

词与词之间的相关性计算显得很有必要，作为后期千人千面拓展搜索用户有着重要的作用。

以上是我在自己的OneNote笔记中的原文，我不想过多的编辑，尽可能将自己的原生想法分享给大家，如果看不懂请自动略过，或者可以再文章后面提问，抑或是浏览我前面的文章。

当然年纪轻轻就想有自己的一套理论体系，那是很难实现的，这仅仅是我个人的假设看法，并没有经过时间的检验，但是从逻辑和运营方法来讲是比较靠谱的。

最后分享一下我从接手搜索工作以来的一些所谓的大道理、大方法论，以前我是对这块比较嗤之以鼻的，但是如今我发现确实很重要，就和人的世界观一样，一旦形成很难改变，即便是辩论你再有道理也不会改，只有其经历挫折后才会反思（金政委的话）。

因此我也在此强调，工作的方法论不应该视为绝对的标准答案，而应该区分环境或者不断试错找到自己的最优解。本篇分享的方法论并不一定适合你，请谨慎采纳。

数据考量不要仅仅局限单一维度，要全面评估对象涉及到的数据指标的影响。
不要自以为是，不要总是“我觉得应该是这样”学会分层的看问题，用数据来试错或验证你的观点。

1. 做产品不要锱铢必较，对于你的需求和原型要求的实现率可以计较，但是对于功能的细枝末节不要指望一次性解决问题。

2. 职场上切勿以主人翁的意识挑战老板的权威

3. 大胆假设，小心求证。关键在于小心二字，你别再求证上太大胆。除非你是不差钱的老板

4. 多总结，树立终身学习的观念，趁着时间尚早，如果想立志从事搜索 赶紧赶紧学学NLP以及相关软件。

5. 这个世界上最不缺的就是才华横溢的穷光蛋。
   

文：网络

图：unsplash