浅谈电商搜索数据指标体系建设

搜索作为电商APP中用户下单的核心场域，具有较高的消费者价值（体验）、变现价值（赚钱）、数据沉淀价值（研究）。因此搭建搜索相关数据指标体系，用于及时监控波动&定位原因就显得至关重要。

本文从搜索机理出发，探讨影响搜索产出的关键要素，并沉淀出一套监控体系，经实战运营能较好的解决业务方的问题。在此抛砖引玉，希望对感兴趣的同学有所启发。

各大电商APP平台可以将用户下单的场域路径以下两大类：

• 用户主动类：分为强目的（搜索）、弱目的（一二级类目页）

• 用户被动类：分为算法推荐（首页猜你喜欢+商详页猜你喜欢等+订单页猜你喜欢）、运营推荐（栏目+活动页）

  
  

一般电商类平台各场域，用户访问率&销售占比高相对关系如下：

如果某一个场域用户访问率&销售占比高，则代表这个场域流量&创造的价值越大，有上表可知，搜索是其中最重要的场域，将精力投入到“搜索”的ROI是较高的。

由此可简要降搜索的价值概括为下面三类：消费者价值（体验）、变现价值（赚钱）、数据沉淀价值（研究）

由上可知，搜索既然有较高的消费者价值、变现价值、数据沉淀价值，那么搭建其数据指标体系，用于及时监控波动，定位原因就显得至关重要。搭建数据体系时：

（1）首先要明确监控的目标，比如搜索核心是成交导向，那么搜索的GMV就是核心监控的指标。

（2）其次，要深入了解搜索作用机理，确定对目标的关键影响因素：

就个人理解搜索本质还是人货匹配，不同的业务角色影响不同的因素，作用于不同的环节。

• 比如算法业务角色，影响搜索GMV的关键要素是：用户输入搜索词之后，算法模型对搜索词理解、商品召回和商品排序的准确性，核心作用在于保障人与货更好的匹配

• 而商品（商家）角色，影响搜索GMV的关键要素是：品控、拓品等，核心作用是更好&更丰富的货

• 运营+产品角色，影响搜索GMV的关键要素是：用户进入搜索框之后，一系列的功能引导&利益点传递等，核心作用是更好的用户流程体验（不要有卡点）

（3）最后，将上述关键影响要素量化，与业务操作紧密连接，回答目标波动的业务原因（Why So），确定优化建议（And Then?）

比如发现搜索销售额下降：

是因为搜索需求变化，还是单次搜索销售额的变化？

如果是搜索需求的变化，那是计划式搜索UV还是发现式搜索UV在下降（用户站外想不清还是站内种草不足）？

如果是发现式搜索下降幅度大，更多是因为我们站内刺激不足，就需要针对这个品类&用户进行运营活动强化心智。

最后搜索的指标体系整理如下：

*注：上述是整体框架，框架中还需更细粒度的探查，比如转化效率降低，用下列指标衡量算法在召回、排序等各环节的表现，来定位问题。

计划式搜索是指来APP前已有基本的购买目标，这些用户进站后30s内就会搜索。

发现式搜索是来APP前没有购买目标，在站内展示的内容驱动下比如推荐&活动等，发现商品从注意到兴趣，激发非计划式需求，从数据上定义就是进站后30s后才去搜索。

计划式搜索&发现式搜索的定义是本人通过观察用户行为数据的总结，不同APP可能表现不同，30s的范围可以酌情更改。