12. 搜广推：不同策略相似逻辑

核心结论： 搜索、推荐和广告虽然业务目标不同，但底层都在做匹配：搜索匹配 query 与 document，推荐匹配 user 与 item，广告匹配 user 与 ad；策略产品要同时理解三者的共性和各自的业务约束。

整理说明

本笔记根据小宇宙节目页及 videonote MCP 获取的转写素材整理。原始转写存在同音错字和口语识别错误，已按上下文修正明显错误；节目主要是主播个人理解，不等同于完整的行业定义。

来源：小宇宙节目页

节目主题

主播从自己的学习、研究和工作经历出发，讨论搜索、推荐、广告三个常见的策略产品方向。三类业务的出现大致经历了“先有搜索，再有推荐，最后有广告”的过程，也对应了互联网从主动获取信息，到被动消费信息，再到注意力变现的发展路径。

这三个方向之所以适合放在一起讨论，是因为它们都具有几个特点：

业务规模大，通常影响互联网公司的核心指标；
逻辑复杂，输入很多，需要系统做决策；
依赖用户行为和内容供给；
结果都可以抽象成一次“匹配”。

节目不展开具体算法，而是试图建立一个便于理解业务的上层框架。

搜索：人找物，核心是准确交付

1. 搜索首先是主动获取信息

搜索的本质是“人找物”。用户带着某种明确或半明确的意图，主动输入关键词，希望从外部信息中找到答案。

搜索系统的基础问题是：有没有足够多、足够好的信息可以被检索。 互联网提高了信息的存储和访问效率，但信息越多，用户越难直接找到真正有用的内容。

搜索系统因此经历了几个阶段：

先扩大可检索的信息供给；
再提高检索速度，例如使用倒排索引等工程能力；
最后从“快”进一步走向“准”；
通过 query 理解、query-document 匹配和用户意图识别，交付用户真正想要的结果。

2. “准确”不只是关键词匹配

用户输入的 query 不一定完整、准确，也不一定能直接表达真实意图。搜索策略需要处理：

错别字和关键词改写；
query 补全和联想；
用户属性、地域等特征；
用户的历史行为；
query 与候选 document 的相关性。

因此，搜索并不是把关键词机械地对应到文档，而是要不断逼近用户真正想解决的问题。

搜索完成得好不好，不在于返回了多少结果，而在于是否准确交付了用户想要的东西。

推荐：物找人，核心是精细匹配

1. 推荐解决的是“用户不知道自己想要什么”

推荐与搜索相反，更像“物找人”。它的价值前提通常是：

用户可能不知道自己想要什么；
用户即使知道，也不一定能准确表达出来；
用户进入内容或电商场景时，可能没有明确目标，只是想随便看看。

推荐系统因此需要同时理解用户和物品：用户此刻处于什么状态，候选物品各自有什么特征，当前场景适合呈现什么内容。

2. 推荐是在管理用户的注意力

当用户消费的不再只是完成任务所必需的信息，而是更多增量内容时，推荐就开始发挥作用。它帮助用户筛选和消费信息，本质上是在管理人的注意力。

推荐策略需要关注：

用户理解：用户是谁、过去做过什么、当前处于什么状态；
物品建模：内容或商品有什么属性、质量和适用场景；
场景定义：推荐发生在首页、搜索结果、详情页还是其他位置；
匹配与分发：在候选集合中找到当前最合适的物品。

用户可能在完成一个明确目标后，马上进入一段无目的状态。例如用户买完商品后继续浏览，此时系统仍需要根据实时行为判断他接下来可能需要什么。

3. 搜索和推荐会互相融合

搜索后期也会越来越像推荐：系统不只是根据 query 找到 document，还会结合用户特征，把更可能感兴趣的结果优先呈现给这个人。

因此，个性化搜索可以看作搜索和推荐的交集。推荐并不是完全脱离搜索，而是把用户理解进一步纳入匹配机制。

广告：注意力的商业化

1. 广告主希望用户完成某个动作

广告存在的基础，是用户注意力可以被商业化。早期注意力集中在路牌、报纸、电视和网页，今天则更多集中在信息流和内容流中，广告也随之进入这些场景。

广告主投放广告，通常不是单纯想“让用户看见”，而是希望用户完成某个动作：

电商广告：购买；
应用广告：下载；
主播广告：关注；
游戏广告：充值或进入游戏。

因此，广告系统也可以被抽象为：把某个广告匹配给可能完成目标动作的用户。

2. 广告不能只追求短期变现

广告平台表面上希望最大化收入，但长期健康的广告系统需要同时维护三方关系：

用户愿意继续留在内容场中；
广告主觉得投放费用值得；
平台获得可持续的商业回报。

如果只追求眼前的流量变现，过度展示广告会让用户反感并流失，用户流失又会降低广告主的转化，最终平台也会受损。

广告策略需要在以下目标之间平衡：

广告主的出价和转化预期；
用户对广告内容的接受程度；
自然内容与广告内容的混排体验；
平台收入和内容场的长期活力。

三类业务的共同底层逻辑

1. 都是匹配问题

三个业务可以抽象成不同的匹配关系：

业务	核心匹配	主要问题
搜索	query × document	用户输入与内容是否相关
推荐	user × item	用户当前是否会对物品感兴趣
广告	user × ad	用户是否可能完成广告主希望的动作

三者都需要从大量候选内容中做筛选和排序，并在有限时间内给用户一个足够好的结果。

2. 都依赖内容供给、精度和效率

这三个业务都受几个基础条件约束：

供给足够丰富：没有足够的信息、商品、内容或广告，系统就没有匹配空间；
匹配足够准确：结果不符合用户需求，系统就会失去价值；
系统足够高效：面对海量候选，不能让用户等待太久；
行为数据足够充分：用户的历史行为和实时行为，是理解用户的重要输入。

理解这些共性，是进入搜索、推荐、广告策略的通用基础。

3. 策略产品需要理解整个系统

策略产品不能只盯着某一个局部指标，也不能只把自己当成需求提出者。需要理解：

用户为什么进入这个场景；
内容或商品供给是怎样产生的；
系统用哪些信息做判断；
哪些环节会影响最终结果；
一个局部优化可能怎样改变整个系统。

三类业务的差异

搜索：准确交付

搜索用户通常带着相对明确的意图，因此关键是理解意图并准确交付。搜索策略要尽量减少用户表达不清带来的损失，并帮助用户更快找到目标。

推荐：精细匹配

推荐用户可能没有明确目标，关键是识别用户当前状态，并从候选物品中找到最合适的内容。推荐不仅要理解用户，也要理解场景和物品。

广告：平台与用户、广告主的长期平衡

广告策略不能把收益最大化理解成简单增加广告数量或展示频率。真正健康的系统需要让广告主获得合理转化，同时保护用户体验和内容场的长期留存。

对策略产品的启发

1. 先学会抽象，再进入具体业务

面对不同业务，可以先问：

用户是谁？
用户此刻想完成什么？
候选物品是什么？
系统依据哪些信息做匹配？
最终结果如何被评价？

这套问题能帮助产品经理从业务表象退一步，看到系统的共同骨架。

2. 共性是基础，差异决定方案

搜索、推荐、广告都可以用匹配框架理解，但不能因为底层逻辑相似，就直接把一个业务的方案搬到另一个业务。

搜索更看重意图满足和结果准确；
推荐更看重状态理解和兴趣匹配；
广告更看重商业转化、用户体验和长期生态。

通用方法帮助你搭建认知，具体业务特性决定你怎样落地。

3. 用“长期健康”检查策略

面对任何策略，都可以追问：

用户会不会因此更愿意留下来？
内容或商品供给会不会被破坏？
平台的短期收益是否以长期价值为代价？
广告主、用户和平台之间是否仍然相对公平？
这个优化是局部指标变好，还是系统真的变好？

这是从单点指标走向系统思维的一步。

发现错误？想一起完善？在 GitHub 上编辑此页！
本页面贡献者：AI-PM Wiki Team
本页面的全部内容在 CC BY-SA 4.0 和 SATA 协议之条款下提供，附加条款亦可能应用