Carian dan Padanan dalam Marketplace

Oleh Brian Tr · Dikemas kini 7 Oktober 2026

Sesebuah marketplace boleh mempunyai ramai pembeli dan ramai penjual namun tetap gagal, kerana pembeli yang tepat tidak pernah bertemu penjual yang tepat. Penawaran tersorok di halaman sembilan. Permintaan menaip pertanyaan dan tidak mendapat apa-apa. Kedua-dua pihak hadir, dan tiada transaksi berlaku.

Jurang itulah tugas carian dan padanan. Ia lapisan yang menukar longgokan penyenaraian dan ramai pembeli kepada urusan sebenar. Artikel ini merangkumi tiga cara utama marketplace melakukannya, isyarat yang masuk ke dalam kedudukan, penyelidikan di sebalik padanan dua hala, apa yang platform diwajibkan nyatakan tentang kedudukan mereka, dan metrik yang memberitahu anda sama ada ia berfungsi.

Kami akan kekal pada tahap konsep. Kami tidak akan memberitahu formula kedudukan yang perlu digunakan, kerana itu bergantung pada kategori anda. Kami akan memberi anda perbendaharaan kata, bukti dan soalan untuk ditanya.

Tiga cara menghubungkan pembeli dengan penawaran

Kebanyakan marketplace menggunakan satu daripada tiga pendekatan, atau gabungannya.

Carian dan kedudukan. Pembeli menyatakan apa yang dimahukan, dan platform memulangkan senarai tersusun. Pembeli yang membuat pilihan. Carian Etsy, Airbnb dan Upwork berfungsi begini. Pengaruh platform terletak pada susunan, penapis dan apa yang dipaparkan.

Padanan algoritma. Platform memilih pihak lawan, atau senarai yang sangat pendek, untuk pembeli. Perkhidmatan e-panggil ialah contoh piawai: penumpang tidak menyemak imbas pemandu, sistem yang menugaskannya. Ini berfungsi apabila barangan cukup boleh ditukar ganti sehingga pembeli mengambil berat tentang kelajuan dan harga lebih daripada memilih.

Padanan terurus. Manusia yang melakukan padanan. Pengendali membaca permintaan, memilih pembekal, dan kadangkala memberi sebut harga kerja. Ia berkos lebih bagi setiap transaksi dan lazim di tempat kualiti sangat berbeza-beza atau kerja itu rumit. Kami membincangkan model itu dalam marketplace terurus.

Ini tidak eksklusif. Sesebuah marketplace mungkin menyusun penyenaraian untuk kebanyakan pembeli dan menghalakan permintaan terbesar atau tersukar kepada manusia. Soalan yang berguna ialah pendekatan mana yang sepadan dengan seberapa banyak pilihan yang dimahukan pembeli dan seberapa berbeza penawaran antara satu penjual dengan penjual lain.

Apa yang masuk ke dalam kedudukan

Kedudukan ialah masalah ramalan dengan objektif perniagaan yang dilampirkan. Platform menganggar penyenaraian mana yang paling mungkin dikehendaki pembeli tertentu, dan menyusun hasil mengikutnya. Isyarat biasanya terbahagi kepada beberapa keluarga.

• Kerelevanan. Sejauh mana penyenaraian sepadan dengan pertanyaan, kategori, tarikh atau keperluan yang dinyatakan.
• Kualiti. Ulasan, sejarah penyiapan, tingkah laku respons dan bukti serupa bahawa penjual menunaikan janji.
• Ketersediaan. Sama ada penjual benar-benar boleh melakukan kerja itu untuk tarikh, kuantiti atau masa yang diminta.
• Jarak. Bagi barangan setempat atau yang dihantar, sejauh mana penawaran berhampiran pembeli.
• Harga dan kesesuaian. Sama ada harga berada dalam julat yang kelihatan dikehendaki pembeli.
• Faktor komersial. Yuran, promosi atau penempatan berbayar, yang akan kami bincangkan semula di bawah.

Airbnb telah menerbitkan lebih banyak butiran tentang ini berbanding kebanyakan syarikat. Kertas 2018-nya, Applying Deep Learning to Airbnb Search, menerangkan tugas itu sebagai membalas tetamu dengan senarai tersusun beberapa penyenaraian daripada beribu-ribu yang ada. Ia menyatakan kedudukan carian pertama ialah fungsi pemarkahan yang dibuat secara manual, dan menggantikannya dengan model pokok keputusan peningkatan kecerunan (gradient boosted decision tree) memberi salah satu peningkatan langkah terbesar dalam tempahan dalam sejarah syarikat, sebelum keuntungan mendatar. Ciri yang menyuap rangkaian neuralnya kebanyakannya sifat penyenaraian yang mudah seperti harga, kemudahan dan kiraan tempahan sejarah.

Dua butiran dalam kertas itu patut disimpan. Pertama, model dilatih pada log di mana penyenaraian yang ditempah ialah contoh positif dan yang lain contoh negatif, jadi kedudukan belajar daripada apa yang sebenarnya dipilih pembeli, bukan daripada apa yang manusia fikir relevan. Kedua, pengarang menyatakan model ini hanya satu bahagian ekosistem yang turut merangkumi model meramalkan sama ada hos akan menerima permintaan. Dalam marketplace dua hala, hasil yang akan ditolak pembekal sebenarnya bukan hasil yang baik.

Perkara kedua itulah yang membezakan kedudukan marketplace daripada carian web biasa. Enjin carian mengoptimumkan untuk pencari. Marketplace perlu mengambil berat tentang kedua-dua pihak.

Mengimbangi kedua-dua pihak

Kertas Airbnb 2023, Optimizing Airbnb Search Journey with Multi-task Learning, menyatakan masalah itu secara langsung. Tetamu sering menghabiskan beberapa minggu meneroka dan membandingkan sebelum membuat permintaan, permintaan tempahan kemudian mungkin ditolak atau dibatalkan oleh hos, dan model perlu mengimbangi keutamaan tetamu dan hos. Jawapannya ialah menggunakan tindakan perantaraan tetamu, positif dan negatif, sebagai pencapaian yang menggerakkan tetamu ke arah tempahan yang berjaya.

Kertas lain daripada kumpulan yang sama, Learning to Rank Diversely at Airbnb, mencabar andaian lazim yang lain. Kedudukan tradisional menganggar kebarangkalian tempahan setiap penyenaraian secara bebas. Pengarang berhujah bahawa persamaan antara penyenaraian mempengaruhi keputusan pengguna, dan bahawa mengurangkan lewahan antara hasil yang serupa meningkatkan kepelbagaian, yang mereka sahkan dalam ujian A/B pengeluaran.

Dan Improving Deep Learning for Airbnb Search menyusun kerjanya sebagai seni bina, bias dan permulaan sejuk (cold start). Bias kedudukan (orang mengklik hasil yang lebih tinggi sebahagiannya kerana ia lebih tinggi) dan cold start (penyenaraian baharu tiada sejarah) ialah masalah yang dihadapi setiap sistem kedudukan marketplace.

Kertas-kertas ini menerangkan sistem satu syarikat. Ia bukti tentang apa yang mungkin dan rupa masalahnya, bukan templat. Marketplace dengan 500 penyenaraian tidak memerlukan penyusun neural. Tetapi ia perlu memutuskan apa yang dioptimumkannya.

Padanan dua hala: akar penyelidikan

Idea padanan dalam pasaran mempunyai sejarah akademik yang mendalam yang mendahului internet.

Hadiah Nobel ekonomi 2012 diberikan kepada Alvin Roth dan Lloyd Shapley, dan siaran akhbar Royal Swedish Academy membingkaikan subjek mereka sebagai masalah ekonomi pusat: cara memadankan pelbagai agen sebaik mungkin. Contohnya ialah pelajar dengan sekolah serta penderma organ dengan pesakit yang memerlukan pemindahan.

Beberapa idea daripada siaran itu penting untuk marketplace.

Kestabilan. Padanan stabil jika tiada dua agen yang lebih suka satu sama lain berbanding pihak lawan semasa mereka. Siaran itu mengiktiraf Shapley dan rakan sekerja dengan kaedah, "khususnya apa yang dipanggil algoritma Gale-Shapley," yang sentiasa menghasilkan padanan stabil. Anggaplah ia ujian: jika pembeli dan penjual kedua-duanya lebih baik dengan meninggalkan pasangan yang ditugaskan untuk satu sama lain, padanan itu akan runtuh, dan sistem tidak benar-benar menyelesaikan masalah.

Manipulasi. Siaran itu menyatakan kaedah ini juga mengehadkan motif agen untuk memanipulasi proses padanan. Itu penting dalam mana-mana pasaran di mana peserta boleh memperdaya apa yang mereka laporkan.

Pihak mana yang beroleh manfaat. Ia menambah bahawa Shapley menunjukkan bagaimana reka bentuk khusus sesuatu kaedah boleh secara sistematik memberi manfaat kepada satu pihak pasaran berbanding yang lain. Pilihan reka bentuk tidak neutral. Siapa yang mencadangkan, siapa yang menerima dan siapa yang menyusun semuanya menganjakkan hasil.

Amalan. Roth menyedari teori ini boleh menerangkan pasaran sebenar. Beliau dan rakan sekerja menunjukkan secara empirik bahawa kestabilan ialah kunci untuk memahami kejayaan institusi pasaran tertentu, dan beliau membantu mereka bentuk semula institusi untuk memadankan doktor baharu dengan hospital, pelajar dengan sekolah, dan penderma organ dengan pesakit. Siaran itu mencatat bahawa pembaharuan tersebut berasaskan algoritma Gale-Shapley, diubah suai untuk keadaan tertentu dan sekatan etika seperti larangan bayaran sampingan.

Sejauh mana ini boleh dipindahkan kepada marketplace komersial? Kurang daripada yang anda harapkan, sejujurnya. Padanan berpusat itu lazimnya meminta kedua-dua pihak menghantar keutamaan bersusun dan rumah penjelasan menyelesaikannya sekali gus. Kebanyakan marketplace dalam talian berjalan berterusan, keutamaan tidak dinyatakan sepenuhnya, dan harga bergerak. Apa yang boleh dipindahkan ialah rangka kerjanya. Padanan ialah masalah reka bentuk, kestabilan ialah piawaian yang berguna, dan peraturan mekanisme membentuk siapa yang menang.

Geseran carian: mengapa padanan yang baik masih terlepas

Satu barisan penyelidikan lain menerangkan mengapa penawaran dan permintaan wujud bersama tanpa dipadankan. Hadiah Nobel 2010, seperti yang diterangkan siaran akhbar Academy, diberikan kepada Peter Diamond, Dale Mortensen dan Christopher Pissarides "kerana analisis mereka tentang pasaran dengan geseran carian."

Pemerhatian teras siaran itu jelas. Dalam banyak pasaran, pembeli dan penjual tidak menghubungi satu sama lain dengan serta-merta. Proses carian memerlukan masa dan sumber, jadi ia mencipta geseran. Dalam pasaran sebegitu, sebahagian permintaan pembeli tidak dipenuhi manakala sebahagian penjual tidak dapat menjual sebanyak yang mereka mahu, pada masa yang sama. Ia mencatat bahawa teori itu terpakai melangkaui pasaran buruh, dan menyebut pasaran perumahan sebagai satu contoh.

Bagi pengendali marketplace, "geseran" ialah perkataan yang berguna. Setiap yang berikut ialah geseran:

• Pembeli tidak dapat menerangkan apa yang dimahukan dalam istilah yang difahami kategori anda.
• Hasilnya relevan tetapi pembeli tidak dapat membezakan penjual mana yang baik.
• Kalendar atau stok penjual sudah lapuk, jadi hasil itu tidak dapat dipenuhi.
• Pembeli menghubungi tiga penjual dan dua tidak pernah membalas.

Carian dan padanan yang lebih baik mengurangkan geseran. Ia tidak menghapuskannya, dan sedikit geseran berguna: pembeli yang membuat sedikit perbandingan sering membuat pilihan yang lebih baik. Matlamatnya ialah menghapuskan jenis yang boleh dielakkan. Sebahagiannya masalah kepercayaan, itulah sebabnya kawalan kualiti penawaran tergolong dalam perbualan yang sama dengan kedudukan.

Apa yang mesti dinyatakan platform tentang kedudukan

Kedudukan juga subjek undang-undang di sesetengah wilayah. Di Kesatuan Eropah, Peraturan (EU) 2019/1150 (sering dipanggil Peraturan Platform-ke-Perniagaan) menetapkan keperluan ketelusan untuk perkhidmatan pengantaraan dalam talian dan enjin carian.

Peraturan itu mentakrifkan "kedudukan" sebagai keterlihatan relatif yang diberikan kepada barangan atau perkhidmatan yang ditawarkan melalui perkhidmatan pengantaraan dalam talian, atau kerelevanan yang diberikan kepada hasil carian oleh enjin carian dalam talian. Perkara 5 kemudian mewajibkan:

• Perkhidmatan pengantaraan menetapkan dalam terma dan syaratnya parameter utama yang menentukan kedudukan dan sebab kepentingan relatif parameter itu berbanding yang lain.
• Enjin carian memberi penerangan yang mudah dan terbuka kepada umum, dalam bahasa yang mudah dan jelas, tentang parameter kedudukan utama, dan dikemas kini.
• Pengaruh berbayar didedahkan. Apabila kedudukan boleh dipengaruhi oleh bayaran, penyedia mesti menerangkan kemungkinan itu dan kesan ganjaran terhadap kedudukan.

Peraturan itu juga menyatakan penyedia tidak perlu mendedahkan algoritma mereka atau maklumat yang membolehkan pengguna diperdaya melalui manipulasi hasil carian. Jadi kewajipan itu berkenaan parameter utama dan kepentingan relatifnya, bukan menerbitkan model.

Walaupun anda tidak beroperasi di EU, ini templat yang baik untuk penerang kedudukan marketplace anda sendiri. Penjual yang memahami secara kasar apa yang memacu keterlihatan membuat keputusan yang lebih baik tentang foto, harga dan masa respons. Dan jika penempatan berbayar wujud, menyatakannya melindungi kepercayaan. Kami meneliti cara penempatan ditaja berfungsi secara komersial dalam hasil pengiklanan marketplace.

Metrik untuk carian dan padanan

Kualiti carian mudah dirasai tetapi sukar diukur. Ini metrik yang lazim dijejaki pasukan. Tiada satu pun datang dengan penanda aras universal, jadi tetapkan sasaran daripada data anda sendiri.

Dua yang pertama mempunyai takrifan yang didokumenkan. Dokumentasi analitik Algolia mentakrifkan kadar tiada hasil sebagai peratusan carian tanpa hasil, dan mentakrifkan kadar klik-tayang sebagai peratusan carian yang dijejaki dengan sekurang-kurangnya satu peristiwa klik. Baris lain ialah takrifan kerja kami sendiri. "Carian-ke-hubungan" dan "kadar padanan" tidak mempunyai makna piawai tunggal, jadi tuliskan takrifan anda sebelum membandingkan angka merentas pasukan atau tempoh masa.

Beberapa amaran.

1. Segmenkan kadar tiada hasil. Angka gabungan menyembunyikan pertanyaan yang penting. Lihat pertanyaan tiada hasil teratas: ia senarai percuma permintaan yang tidak dipenuhi dan pencetus untuk pemerolehan penawaran.
2. Perhatikan kedua-dua pihak. Kadar padanan yang tinggi dengan pembekal yang kehabisan tenaga pada lead berkualiti rendah bukan kemenangan. Pasangkan metrik pembeli dengan data penerimaan dan respons pembekal.
3. Jangan optimumkan klik semata-mata. Kertas Airbnb 2018 dilatih pada tempahan, bukan klik sahaja, kerana klik bukan matlamat. Semakin hampir objektif anda dengan hasil sebenar, semakin kurang anda memberi ganjaran kepada rasa ingin tahu.
4. Pisahkan kualiti carian daripada kedalaman penawaran. Pertanyaan tiada hasil boleh bermakna carian yang buruk atau penawaran yang tiada. Ia memerlukan pembaikan berbeza.

Tempat anda meletakkan metrik ini sepanjang laluan pembeli juga penting. Kami menjelaskan peringkatnya dalam corong penukaran marketplace, dan cara isyarat harga membentuk pilihan pembeli dalam penemuan harga marketplace. Model tempahan juga mengubah maksud padanan: dengan tempahan segera berbanding permintaan tempahan, langkah penerimaan pembekal sama ada dihapuskan atau dibuat jelas.

Urutan operasi yang praktikal

Jika anda sedang membina atau memperbaik padanan, ini urutan yang munasabah. Ia penaakulan, bukan peraturan daripada sumber di atas.

1. Mulakan dengan penapis dan pengisihan, bukan model. Biarkan pembeli menyempit mengikut atribut yang menentukan pembelian. Set penapis kecil yang dibina dengan baik mengatasi penyusun pintar atas data yang berselerak.
2. Baiki data sebelum algoritma. Kedudukan hanya boleh menggunakan apa yang dibekalkan penjual. Medan wajib, kategori yang konsisten dan ketersediaan yang segar lebih berkesan daripada perubahan model pada skala kecil.
3. Pilih satu objektif. Tentukan sama ada anda mengoptimumkan transaksi yang selesai, kepuasan pembeli atau hasil, dan sedar bahawa ia boleh bercanggah.
4. Tambah kekangan sebelah penjual. Sertakan kemungkinan penerimaan, ketersediaan dan masa respons, supaya anda tidak menunjukkan kepada pembeli hasil yang tidak ke mana-mana.
5. Log segala-galanya. Tera, kedudukan, klik, hubungan, hasil. Pendekatan Airbnb belajar daripada sesi yang dilog hanya mungkin jika anda menyimpan log.
6. Tuliskan parameter utama. Malah penerang kedudukan yang ringkas untuk penjual memaksa anda mengetahui apa yang sebenarnya dilakukan kedudukan anda.
7. Halakan kes sukar kepada manusia. Apabila permintaan rumit atau bernilai tinggi, padanan manusia mungkin mengatasi mana-mana penyusun. Lihat marketplace terurus.

Fakta Utama: Carian dan Padanan dalam Marketplace

• Hadiah Nobel ekonomi 2012 mengiktiraf Alvin Roth dan Lloyd Shapley, dan siaran akhbar Academy menyatakan algoritma Gale-Shapley sentiasa memastikan padanan stabil, bermakna tiada dua agen yang lebih suka satu sama lain berbanding pihak lawan semasa mereka.
• Hadiah Nobel 2010 diberikan kepada Diamond, Mortensen dan Pissarides kerana menganalisis pasaran dengan geseran carian, di mana pembeli dan penjual tidak menghubungi satu sama lain serta-merta dan sebahagian permintaan serta penawaran kekal tidak dipadankan pada masa yang sama.
• Peraturan (EU) 2019/1150, Perkara 5 mewajibkan perkhidmatan pengantaraan mendedahkan parameter utama yang menentukan kedudukan dan sebab kepentingan relatifnya, serta menerangkan kesan sebarang bayaran terhadap kedudukan.
• Kertas carian 2018 Airbnb menyatakan menggantikan fungsi pemarkahan manual dengan model pokok keputusan peningkatan kecerunan memberi salah satu peningkatan langkah terbesar dalam tempahan dalam sejarah syarikat, sebelum keuntungan mendatar.
• Kertas Journey Ranker Airbnb menerangkan tetamu menghabiskan beberapa minggu membandingkan pilihan, hos yang mungkin menolak atau membatalkan permintaan, dan keperluan mengimbangi keutamaan tetamu dan hos dalam kedudukan.
• Dokumentasi Algolia mentakrifkan kadar tiada hasil sebagai peratusan carian tanpa hasil.

Bacaan Berkaitan

• Kepadatan Marketplace
• Marketplace Terurus
• Corong Penukaran Marketplace
• Penemuan Harga Marketplace
• Tempahan Segera lawan Permintaan Tempahan
• Kualiti Penawaran Marketplace
• Hasil Pengiklanan Marketplace