蘋果公司近期在優(yōu)化應(yīng)用商店搜索體驗方面取得重大進展。研究團隊通過引入大語言模型技術(shù)，成功提升了App Store搜索結(jié)果的精準度，進而帶動了應(yīng)用下載轉(zhuǎn)化率的顯著增長。這一突破性成果已通過學術(shù)論文《Scaling Search Relevance： Augmenting App Store Ranking with LLM Generated Judgments》對外公布。

傳統(tǒng)搜索排名系統(tǒng)主要依賴用戶行為數(shù)據(jù)，如點擊率和下載量等指標進行優(yōu)化。然而這種模式存在明顯局限：由于人工評估成本過高，系統(tǒng)難以準確判斷應(yīng)用元數(shù)據(jù)（包括名稱、描述和關(guān)鍵詞）與用戶搜索意圖的語義匹配程度。這種技術(shù)瓶頸長期制約著搜索體驗的進一步提升。

為突破技術(shù)局限，研究團隊專門開發(fā)了擁有30億參數(shù)的定制化大語言模型。該模型經(jīng)過特殊訓練，能夠深度理解現(xiàn)有的人工評估標準，并精準分析搜索關(guān)鍵詞與應(yīng)用信息之間的語義關(guān)聯(lián)。通過這一技術(shù)手段，系統(tǒng)自動生成了數(shù)百萬個新的相關(guān)性標簽，為排名算法提供了更豐富的數(shù)據(jù)支撐。

在完成模型訓練后，研究團隊將新生成的數(shù)據(jù)與原有系統(tǒng)進行整合，重新構(gòu)建了底層排名機制。為驗證技術(shù)效果，蘋果在全球范圍內(nèi)的應(yīng)用商店開展了大規(guī)模A/B測試，覆蓋不同地區(qū)和用戶群體。測試結(jié)果顯示，在89%的測試場景中，新系統(tǒng)的表現(xiàn)均優(yōu)于傳統(tǒng)模式。

轉(zhuǎn)化率數(shù)據(jù)直觀反映了技術(shù)升級的成效。采用新排名系統(tǒng)后，至少觸發(fā)一次應(yīng)用下載的搜索會話比例提升了0.24%。雖然這個數(shù)字看似微小，但在App Store龐大的用戶基數(shù)下，其實際影響不容小覷。行業(yè)分析指出，按照2025年預計380億次的下載總量計算，這項技術(shù)改進將帶來數(shù)千萬次的額外下載量。