[控场AI]
· 4 分钟阅读· 2,411 字

Meilisearch推出搜索规则引擎:可视化配置置顶、加权与隐藏

Meilisearch推出搜索规则引擎:可视化配置置顶、加权与隐藏

Meilisearch Cloud 推出 Searchandising,让运营可视化配置搜索排序规则。

Meilisearch Cloud 上线 Searchandising 功能,将搜索排序从工程任务转变为运营可自助配置的产品能力。团队可通过可视化编辑器创建规则,对商品进行置顶、加权、降权和隐藏,规则可按搜索词、分类页或全局查询触发,并支持定时调度用于促销活动。规则上线前提供带规则与不带规则的对比视图,无需部署即可评估效果。规则同时通过 API 提供,每个项目含 3 条免费规则。个性化排序仍为实验性功能,需申请开通。整体定位是搜索运营工具而非推荐系统,核心价值在于压缩运营与工程之间的协作链路。

Meilisearch Cloud 近期上线了名为 Searchandising 的新功能,把搜索结果从“算法说了算”变成“运营可以管”。它允许团队通过可视化编辑器创建搜索规则,对商品进行置顶、加权、降权或隐藏,并支持按查询词、分类页或全局查询触发,还能为促销活动预设时间表。该产品在 Product Hunt 上获得了 97 票和 12 条评论,排名第 16,分类落在用户体验、电商与搜索三个方向。

Meilisearch Searchandising 产品截图

搜索运营从工程任务变成产品能力

传统上,调整搜索排序往往需要工程师改代码、发版、等部署。Meilisearch 这次把规则配置搬到了可视化界面里:运营人员可以直接把某个商品拖到结果顶部,按任意过滤条件做加权或降权,或者把不想卖的商品从结果中隐藏。规则可以绑定到具体搜索词、分类页面或每一条查询上,也支持定时生效,用于黑色星期五这类周期性营销活动。

这套设计的关键在于“所见即所得”。规则上线前,系统提供带规则与不带规则的对比视图,团队无需部署就能评估效果。这降低了搜索调优的门槛,也让运营团队能在不依赖工程资源的情况下快速响应业务需求。

搜索相关性排序(Relevance Ranking) 通常由搜索引擎内置的评分函数决定,常见因子包括词频、字段权重、文档新鲜度等。Meilisearch 默认采用基于规则的排序策略,并在其上叠加可配置的排序规则。Searchandising 的加权/降权本质上是在基础相关性分数之上引入业务权重,而置顶则是强制改变文档位置、绕过评分。这种“分数叠加 + 位置覆盖”的机制在 Elasticsearch 的 pinned query、Algolia 的 Rules 中也有类似实现。了解这一点,可以更清楚地评估多规则叠加时的优先级冲突——当置顶与降权同时命中同一商品时,系统需要有明确的执行顺序。

规则引擎的三种典型用法

置顶(Pin)适合把主推商品、新品或战略级 SKU 固定在结果前部,解决“好商品搜不到”的问题。加权与降权(Boost/Deboost)则按过滤条件调整排序权重,比如提升高毛利品类,或压低库存紧张的商品。隐藏(Hide)用于清退不符合当前销售策略的商品,比直接下架更灵活。

触发机制覆盖了搜索词、分类页和全局查询三种粒度,加上定时调度,基本能覆盖日常运营和活动运营两类场景。规则同时通过 API 提供,方便已有系统集成。每个项目有 3 条免费规则,超出部分按需付费。

Merchandising(商品运营) 是电商领域的核心概念,指通过人工干预商品展示来提升转化率和利润的商业实践。传统上它涵盖线下货架陈列、促销位设计等,在数字场景中则延伸为搜索结果的排序调整、推荐位的选品等。Meilisearch 将功能命名为 Searchandising,正是把“Merchandising”与“Search”组合,强调搜索结果的商业运营属性。与之对应的是纯算法排序——后者只优化相关性,前者则兼顾毛利、库存、促销周期等业务目标。理解这一背景,有助于判断该功能定位:它服务于运营可控性,而非替代相关性算法。

个性化排序仍处于实验阶段

除了规则配置,Meilisearch 还提供了按用户重新排序的个性化能力,但明确标注为实验性功能,需要申请开通。这意味着它还不是开箱即用的标准能力,团队在评估时应将其视为可探索方向而非稳定生产特性。

从产品定位看,Searchandising 更接近“搜索运营工具”而非“推荐系统”。它解决的是运营可控性,而不是完全自动化的千人千面。对于中小电商团队来说,这种可控性往往比黑盒算法更实用。

实验性功能(Experimental Feature) 在 SaaS 产品中通常意味着 API 可能变更、性能未做保证、缺乏 SLA 支持,且可能随时下线。Meilisearch 将按用户重新排序标注为实验性并要求申请开通,说明该能力在数据采集(用户行为信号)、模型训练和实时推理链路上尚未成熟。对于生产系统而言,依赖实验性功能存在回归风险,团队应将其用于探索性场景,并保留降级到规则排序的预案。这也解释了为何该产品当前定位更偏“运营工具”而非“推荐系统”——后者需要稳定的个性化管道作为支撑。

对电商搜索工作流的影响

搜索结果的商业价值在电商场景中被反复验证,但调整排序长期是工程与运营之间的摩擦点。Meilisearch 把规则配置、效果对比和定时调度打包成一个产品模块,实际上是在压缩“提出需求—排期—开发—上线”的链路。

需要注意的是,规则数量、个性化能力成熟度和多规则叠加时的优先级处理,都会影响实际使用体验。3 条免费规则对小型项目够用,但规则较多的团队需要评估成本。可视化编辑器降低了门槛,也意味着复杂逻辑的表达能力可能不如纯代码方案。

整体来看,Searchandising 是搜索基础设施向运营层延伸的一个信号:搜索引擎不再只提供相关性排序,而是把排序策略的控制权部分交还给业务方。

搜索运营工作流 的典型链路是:运营发现搜索问题(如主推品搜不到、滞销品占据前排)→ 提需求给工程 → 排期开发排序逻辑 → 测试上线。这一链路周期长、沟通成本高,且每次调整都伴随发版风险。Searchandising 类工具的价值在于把“规则配置”从代码层上移到配置层,使运营可以自助完成调整,并通过对比视图快速验证。但配置化也带来治理问题:规则数量膨胀后需要版本管理、审批流和效果归因,否则容易出现规则互相覆盖、活动结束后未清理等隐患。评估此类工具时,除功能本身外,还应关注规则的审计与生命周期管理能力。

#Meilisearch#Searchandising#搜索规则#电商搜索#搜索结果排序#搜索运营#Meilisearch Cloud
分享:

相关推荐