blogs

tangwang
1 parent 323a720b
Showing 3 changed files with 8 additions and 82 deletions Show diff stats
docs/blog/0.搜索app宣传页.md
docs/blog/prompt.md
docs/blog/宣传.md
-按价格、尺寸、颜色、标签、供应商、品牌、系列和自定义字段等即时筛选产品。轻松安装并自定义产品筛选菜单。
-AI驱动的搜索通过智能同义词和即时建议提供更相关的结果。
-单一语言上架商品，支持多达30中语言进行精确搜索。
+
+通过AI搜索、智能筛选和即时结果，帮助顾客快速找到他们想要的商品。
+按价格、尺寸、颜色、标签、供应商、品牌、系列和自定义字段等即时筛选产品。轻松安装并自定义产品筛选菜单。AI驱动的搜索通过智能同义词和即时建议提供更相关的结果。可轻松与原始搜索栏、主题筛选和分类筛选集成。使用侧边栏或集合筛选帮助用户更快找到合适的产品，还可将产品变体显示为单独商品。
+- AI语义搜索、全文搜索、自动建议等功能。
+- 单一语言上架商品，支持多达30中语言进行精确搜索。
+- 自定义过滤器，包括默认过滤器、按标签、销量、评论、系列等。
+- 提供包含筛选和搜索行为分析的看板。
+
@@ -1,79 +0,0 @@
-我们的产品是一套服务于电商独立站的SAAS系统，为独立站提供智能搜索和推荐的功能。
-
-现在要在其官网写一篇介绍搜索中语义搜索技术的文章：
-
-以以下内容为纲要：
-
-1.3 搜索引导 & 行业热点 - sugg 、 相关query
-
-提升产品发现效率的高效电商导航优化方案
-1. 主导航，面包屑分类导航
-2. 分面搜索（或称引导式导航）可帮助用户根据尺寸、颜色、价格和品牌等筛选条件，分析、整理和筛选大量产品库存。
-除了颜色、尺寸等通用的筛选条件之外，我们能为商品 构建特色的feature：这些feature候选集来自于我们从亚马逊、谷歌等外部趋势信息抓取的标签，
-比如紧身裤的Features包括：seamless, breathable, sweat wicking, Bum Scrunch, lightweight, pockets, Adjustable Waistbands, Reflective Branding
-Fit包括（Choose your fit）： , regular, tall, short, compression fit, muscle fit
-3. 排序
-  
-
-
-独立站初期搜索数据少，用户搜索后无结果或结果不佳时，容易放弃。
-
-- 减少用户输入成本
-- 纠正拼写错误
-- 引导长尾关键词转化（长尾词转化率通常高3-5倍）
-- 展示热销品类和品牌
-
-- 社交监听：爬取TikTok/Instagram/Pinterest热门标签，识别爆款商品
-- 搜索趋势API：集成Google Trends、Amazon热搜榜
-- 自动标签系统：对新品自动打"Trending"、"Viral"、"Seasonal"标签
-- 智能投放建议：基于热点趋势，自动推荐相关商品到首页banner位
-
-技术方案：
-SaaS级服务：提供开箱即用的下拉提示(suggest)、相关搜索、底纹词功能，帮助用户快速修正意图。
-冷启动策略：初期结合行业热词与商家商品数据生成提示。
-
-1.4 分面
-行业基础分面：
-将多面筛选器放置在 SERP 的左侧，以帮助购物者根据所需的产品属性（尺寸、价格、颜色等）缩小搜索范围，并高效地找到他们想要的东西。
-
-需求背景：
-出海服装/3C类商品SKU可达10万+，用户需要高效筛选：
-- 基础分面：价格、品牌、颜色、尺码、评分
-- 行业特定分面：
-  - 服装：材质、季节、风格（欧美"streetwear" vs 东南亚"modest fashion"）
-  - 3C：兼容性、接口类型、认证标准（FCC/CE）
-  - 美妆：肤质、成分、 cruelty-free认证
-- 智能动态分面：根据搜索词自动展示相关筛选维度（搜索"dress"显示"occasion"筛选，搜索"phone case"显示"model compatibility"）
-技术方案：
-- 元数据驱动：基于商品metafields动态生成分面，参考Searchanise的实现
-- 层级分面：支持多选、范围选择（价格滑块）、可视化选择（颜色色块）
-- 性能优化：对分面值进行热度排序，只展示Top N（如颜色只展示出现频率前20的颜色）
-- 移动端适配：抽屉式筛选界面，支持"一键清除"和"保存筛选组合"
-- SEO友好：使用canonical标签避免重复内容，参考Shopify的分面URL管理策略
-
-智能分面：
-1.5 精排模型
-
-
-商家利润最大化、清库存等业务目标无法通过简单的“销量排序”实现。
-相关性和业务提权如何权衡。
-
-搜索结果初步召回后，需要平衡多重业务目标：
-- 转化率 vs GMV vs 利润率
-- 新品冷启动曝光
-- 库存周转（滞销品优先展示）
-
-技术方案：
-技术方案：
-- 多目标排序：采用LambdaMART或DeepFM模型，输入特征包括：
-  - 商品特征：价格、点击率、转化率、库存深度
-  - 用户特征：购买力、品牌偏好、复购周期
-  - 上下文特征：搜索词、设备类型、地理位置
-- 实时特征工程：使用Flink处理实时行为流，更新商品热度分数
-- 人工干预接口：运营可置顶商品、调整权重系数
-- 在线学习：每15分钟根据最新转化数据更新模型
-
-
-以下是一些外部参考资料，注意谨慎引用：
-
-