[搜索变革]
2015年之前的搜索，统计算法时代得关键词者得天下
2010年出现基础标签
2013年提出个性化搜索
2015年真正开始融入标签到搜索中
2017年，2018年，2019年是算法迭代最快的三年
2019年下半年正式进入机器学习模型为核心的算法
2020年下半年手淘算法再次升级；推荐式时代全面到来，人群标签建模就是给用户“打标签”让产品“入池”的不二法门。推荐算法是有用户历史行为数据和实时行为数据核心影响的。
[搜索标签]
精准流量的获取，源于店铺人群标签，推荐流量基于消费者用户身上标签
人群流量精准扩展放大必须和相同购物意图挂钩，用搜索关键词反映背后的购物意图在加上人群基础身份属性标签这就成了人群标签画像。 定向人群扩展，比如收藏过的人群、加购的人群、成交的人群、浏览未购买的人群、等这些人群是已经和商品进行了交互形成了行为数据明确了购物意图，作为历史行为数据进行召回所以精准度会高。
购物意向图表现形式
1. 关键词：
关键词因素重点就是标题了，标题的分词权重这是统计算法最核心的部分也是坑产玩法最核心的部分，关键词的标签不光有分词权重还有语义权重，也就是标题或者查询词的语义相似度，搜索也会根据语义相似度进行索引这也是为什么有些词标题没有会出现或者一个词一天好一天坏，不断流转的根本逻辑
2. 行业数据：
行为数据就是用户在平台的商品行为，点击、收藏、加购、购买，以及商品的属性、类目、价格、标题和用户与商品的交互信息停留时长、商品位置序列从这些行为足迹中进行足迹划分进行分析最终判断预测“购物意图”，做好这点也必须从关键词入手
搜索成交人群是手淘推荐的画像种子用户人群，种子用户人群行为精准不精准就决定了手淘推荐的展现价值，这也是先开车，车开好了再开超级推荐的底层逻辑
[推荐算法逻辑]
统计算法模型和推荐算法模型的区别就是淘宝加入了精细化排序的流程，采用精准的人群标签和行为标签进行商品的二次筛选排序！
搜索展现的核心逻辑
搜索时实时的当下行为，所以客户行为标签大于属性标签
展示的几率取决于关系的深浅，潜客，新客，老客分层运营很重要
产品标签越丰富权重越高，在该人群下优先展示
总结：玩搜索是个精细活
推荐搜索就是，人群和购物意图和商品的匹配，匹配的越好你的流量就越大
