App Store搜尋大改版前兆？蘋果 LLM 技術讓搜尋排序大進化

記者孟圓琦／編譯

蘋果（Apple）近日發表一項最新技術研究，顯示該公司正積極導入大型語言模型（LLM）優化 App Store 的搜尋排序演算法。根據名為《擴展搜尋相關性：利用 LLM 生成判斷增強 App Store 排名》的研究報告指出，透過 AI 自動生成的「相關性標籤」訓練系統，能顯著提升用戶的搜尋轉換率與應用程式下載量。

突破人工限制！LLM 解決相關性標籤稀缺問題

研究人員指出，App Store 的排名系統主要依賴兩種信號：一是觀察用戶點擊與下載行為的「行為相關性」，二是衡量搜尋詞與 App 描述是否匹配的「文本相關性」。

雖然行為數據極其豐富，但高品質的文本相關性標籤過去極度依賴人工判斷，不僅成本高昂且難以大規模擴展，成為系統訓練的瓶頸。為此，蘋果訓練了一個擁有 30 億參數的 LLM 模型，學習人類的判斷邏輯，並針對數百萬筆 App 元數據與搜尋指令自動生成相關性標籤。

更多科技工作請上科技專區：https://techplus.1111.com.tw/

全球 A/B 測試轉換率呈現顯著增長

在完成離線評估後，蘋果在全球範圍內的 App Store 真實流量中進行了 A/B 測試。結果顯示，使用 AI 增強排名的模型後，搜尋轉換率（定義為至少產生一次下載的搜尋會話比例）提升了 0.24%。

雖然 0.24% 的增幅看似細微，但對於一個成熟且規模龐大的工業級搜尋引擎而言，研究團隊稱之為「顯著的進步」。此一增長趨勢在全美及全球 89% 的 App Store 地區市場中皆獲得驗證。

商業影響：每年預計增加數千萬次下載

若以 2025 年全球預估約 380 億次的應用程式下載總量來推算，這 0.24% 的提升意味著每年將額外創造出數千萬次的下載機會。這對於極度依賴搜尋發現率的 App 開發者而言，無疑是一項重大的利多消息。

總結而言，蘋果的研究證實了 LLM 在自動化生成高品質訓練數據方面的潛力。這不僅降低了人工標註的成本，更讓 App Store 的搜尋結果能更精準地解讀用戶語義，從而優化整體生態系的運作效率。

資料來源：iphonote