蘋果AI優化App Store搜索 研究發現0.24%轉化率提升背後意義重大

蘋果研究人員近日發表一項關於如何利用人工智能改善App Store搜索排名的研究。團隊透過A/B測試發現，由大型語言模型生成的關聯性標籤，能夠令搜尋結果的轉化率提升0.24%。雖然增幅看似微不足道，但考慮到App Store每年數以百億計的下載次數，這項改進意味著數以千萬計的額外應用程式下載。

行為數據充足 文本關聯標籤稀缺成瓶頸

這項題為《擴展搜索關聯性：以LLM生成判斷增強App Store排名》的研究指出，要讓用戶快速找到想要的應用程式，搜尋結果的關聯性至關重要。研究團隊聚焦兩類關聯信號：行為關聯反映用戶與搜尋結果的互動，例如點擊或下載；文本關聯則衡量應用程式的元數據（名稱、描述、關鍵詞）與用戶搜尋字詞的語義匹配程度。

問題在於，行為關聯數據容易獲取，但由人工生成的文本關聯標籤卻極為稀缺。研究人員直言：「高質量的文本關聯標籤既稀缺又昂貴，造成可擴展性的瓶頸，令文本關聯目標在多目標訓練中力量不足。」

30億參數LLM生成數百萬標籤 全球A/B測試證實有效

為解決這個問題，研究團隊利用現有的人工判斷數據，微調了一個擁有30億參數的大型語言模型，讓它學會根據用戶搜尋字詞及應用程式元數據，為每個應用賦予關聯性標籤。其後團隊利用該模型生成數百萬個新標籤，並將它們與原有數據結合，重新訓練App Store的排名系統。

經過離線評估後，團隊在全球範圍的實際App Store流量上進行A/B測試。結果顯示，採用LLM增強模型的搜尋結果，其轉化率（即搜尋會話中至少下載一個應用程式的比例）較傳統模型高出0.24%，且此增幅在89%的商店區域中均可觀察到。

0.24%的實際意義：數以千萬計額外下載

研究人員承認，0.24%的增幅對於一般讀者而言可能微不足道，但對於一個已經高度成熟的工業級排名系統而言，這已經是顯著的進步。若以2025年App Store總下載次數約380億次估算，0.24%的轉化率提升意味著數以千萬計的額外應用程式下載。對於依賴App Store曝光的開發者而言，這項改進無疑極具價值。

搜尋優化策略需與時並進

對於香港的應用程式開發者而言，蘋果這項研究帶來兩點重要啟示。首先，App Store的搜尋排名機制正在變得更為智能，單純堆砌關鍵詞的做法效用將逐步遞減，開發者更需注重應用程式的整體元數據質量及與目標用戶搜尋意圖的匹配。其次，蘋果對人工智能技術的投入正在從底層改變App Store生態，開發者宜密切關注相關發展，適時調整自己的推廣策略。

蘋果表示會繼續探索人工智能在搜尋領域的應用，未來或有更多基於LLM的優化措施陸續推出。對於開發者而言，理解並適應這些變化，將是在App Store取得成功的重要一環。