# 站内搜索与推荐平台：让自有目录更容易被找到和继续探索

页面：https://maomu.com/discover/ai-site-search-recommendations

比较Algolia与Shaped如何连接目录、搜索、推荐和行为反馈，按运营分工、数据积累及模型与套餐门槛选择。

编辑：猫目编辑部
内容更新：2026-11-18
资料核验：2026-11-18

## 先看怎么选

希望把搜索、推荐与商品运营控制接在一起，可先看Algolia；已有目录和交互数据、希望维护可训练的个性化发现服务，可研究Shaped。行为稀少时先选属性或图片相似路线；采用语义搜索、高级模型或特定连接器时按对应方案评估。

目录越大，搜索框之后的工作越多。访客输入“小阳台折叠椅”，需要找到符合空间和库存条件的商品；点开一把椅子后，还可能想继续比较别的款式。团队要维护的，是目录、搜索、推荐、业务规则和行为反馈之间的一整套关系。

Algolia适合希望让工程接入搜索服务、商品运营继续管理结果和推荐位的团队；Shaped值得已有目录及交互数据、希望把搜索和个性化发现组织成可训练服务的开发团队研究。两者都能参与搜索与推荐，下面按工作方式和采用条件比较，不用厂商的转化率数字排名。

## Algolia：让搜索、推荐与商品运营共同工作

Algolia把自有目录建成可查询索引，提供搜索API与前台组件。团队可以围绕搜索、分类浏览和商品详情页安排不同入口；[商品运营说明](https://www.algolia.com/industries/ecommerce/digital-merchandising)还介绍人工规则与AI排序结合，支持运营围绕库存、活动和商品目标调整呈现，并查看无结果查询、点击和转化。这里的无代码运营控制，建立在已有数据和前台接入之上，不表示整个网站无需开发。

它的推荐功能有明确的工作起点：[设置指南](https://www.algolia.com/doc/guides/algolia-recommend/how-to/set-up)从索引和点击、转化事件开始，选择模型、训练、预览，再用InstantSearch组件或API放进自己的界面。事件既可来自搜索页，也可来自详情页与结账环节；不同用户需要可区分的标识，不能把所有行为都记成同一人。搜索接通后，这套关联才让团队继续研究“用户点开之后还想看什么”。

冷启动要按模型选择。[当前Recommend说明](https://www.algolia.com/doc/guides/algolia-recommend/overview)列Related items至少需要合计一万条点击与转化事件，先取最近30天，不足时延长到90天；Related content则可从至少十条具有相关内容属性的记录起步，Looking similar使用索引中的图片、不要求行为事件。目录很新、行为稀少时，先从内容或图片相似路线研究，比直接许诺成熟的行为推荐更贴近现有材料。

“一起购买”也需要解释。Frequently bought together默认采用relaxed版本，允许从历史关联推断未直接一起购买过的组合；不能把这类输出标成真实共购记录。模型初次训练后每天重训，不能调整为每次点击就完整重训。推荐项还能结合类别、库存和价格条件过滤，给业务规则留下明确位置。

[当前价格页](https://www.algolia.com/pricing)的Free入口无需信用卡，含每月一万次搜索请求、五千次推荐请求，以及五万条记录；这三种单位分别计算。Grow侧重关键词搜索，Grow Plus增加AI Ranking、AI同义词和Advanced Personalization，Elevate列NeuralSearch和实时个性化。Grow与Grow Plus按月使用，无年度合同；Elevate需年度合同并定制报价。需要语义与关键词结合的NeuralSearch时，应直接按Elevate评估，不能用Free的额度推定已包含全部AI能力。

## Shaped：把目录和行为变成可训练的发现服务

Shaped的价值在于将检索与学习用户偏好的排序接到一起。[当前个性化搜索指南](https://docs.shaped.ai/docs/v2/use_cases/personalized_search/)从商品表和交互表出发，用关键词与向量共同获取候选，再由训练模型排序。它适合想为自己的应用建设个性化搜索、相似内容或推荐流，并愿意维护数据与查询逻辑的团队。

[数据连接说明](https://docs.shaped.ai/docs/v2/data_reference/connecting-data-to-engines/)允许将目录、用户和交互表或视图接入引擎；交互表需有用户、条目、信号标签和发生时间。标签表达不同事件的信号，点击与购买因此可以分别定义，而不必只按两段文字的相似程度排序。查询还可组合业务过滤与多样性控制。访客没登录也不代表完全无法推荐：当前FAQ支持利用上下文及会话初期行为，但这不等于已经掌握此人的长期购买历史。

这些能力需要数据工程配合。[当前FAQ](https://docs.shaped.ai/docs/v2/support/faq/)将ALS、ELSA、Item2Vec等核心模型及BigQuery、PostgreSQL、MySQL、Custom API列在Free，将Two-Tower、LightGBM等高级模型以及Snowflake、Redshift、S3、Segment、Kafka等额外连接器列在Standard。若目录就在Snowflake，或已决定采用这些高级模型，应把Standard作为实际采用条件；[当前Shaped首页](https://www.shaped.ai/)以$100免费额度、无需信用卡作为开始入口；这里未取得具体合同报价，也不将Free理解为无限数据和请求。

更新速度也分层。FAQ明确默认只在创建时训练一次，后续重训需要配置计划，可按用途调整至每隔数小时；事件摄取、目录同步和模型重训分别发生，不能把“收到一个点击”说成“全模型已经重新学完”。前台接入还需要安排密钥保护，当前建议由服务端代理调用。对能维护事件定义、训练计划与服务接入的团队，这种可编排性才会成为选择Shaped的理由。

## 同一份目录，安排两个不同的入口

下面是编辑自拟的家具目录讨论，不是两款平台的实际运行结果，也不是足够训练模型的数据集：

| 访客正在做什么 | 应用需要交付什么 | 团队维护什么 |
| --- | --- | --- |
| 搜“小阳台折叠椅” | 相关且符合用户所选尺寸、库存条件的结果 | 商品属性、查询和过滤条件 |
| 点开一把椅子继续比较 | 其他合适款式或关联商品 | 推荐位、内容/图片或行为模型、展示规则 |
| 点击、加入购物车或购买 | 能分别解释的反馈记录 | 用户与商品对应、事件含义和时间 |

三行共享同一份目录，却不应该被压成同一种“相关性”。尺寸、缺货等明确条件由应用的规则处理；行为模型帮助决定合格候选怎样呈现。推荐展示在详情页，就继续记录详情页上的行为，才能知道用户是否愿意探索其他商品。只有少量目录、几乎没有历史行为时，可先采用属性或图片相似方案；积累了可解释的事件，再采用依赖行为的路线。

选择Algolia，可以从现有索引、前台组件和运营人员维护结果的职责分工出发；选择Shaped，可以从目录与交互表、训练模型和查询服务出发。两种路线都需要有人负责商品数据与前台体验，但给运营和工程留下的日常工作不同。本文未导入真实目录、训练模型或执行线上实验，未测得搜索质量、延迟或转化提升；封面为编辑概念。

## 工具推荐与取舍

### Algolia

Algolia将目录索引、搜索与推荐前台接入，以及商品运营的规则和分析放在同一产品路线中。工程接好数据和界面后，运营可围绕搜索、分类页和推荐位继续维护呈现，适合需要明确工程与运营分工的目录型网站。

适合谁用：有商品或内容目录，希望兼顾搜索入口、后续发现与运营控制的团队。

选择前要知道：Free无需卡，每月含一万搜索请求、五千推荐请求，另可容纳五万条记录，单位分别计算。NeuralSearch列Elevate并需年度合同；Grow Plus才增加AI Ranking等能力。行为Related items取近30天、不足延至90天，需合计一万条事件；内容相似与图片相似有不同输入要求，不按行为模型统一承诺。

关键采用条件：模型事件门槛、AI方案和分别计量

产品资料：https://maomu.com/p/www-algolia-com
官网：https://www.algolia.com

### Shaped

Shaped把目录和交互数据接入可训练引擎，组合检索、个性化排序与业务过滤，适合需要将用户行为持续用于搜索、相似内容和推荐流的开发团队。它让团队在同一服务路线中维护数据、模型和查询逻辑。

适合谁用：已有可关联的目录、用户与行为数据，并愿意维护模型和API接入的应用团队。

选择前要知道：Free列核心模型及BigQuery/PostgreSQL/MySQL/Custom API；Snowflake、Kafka等额外连接器和Two-Tower、LightGBM等高级模型列Standard。默认创建时仅训练一次，持续重训需配置计划；前台调用建议经服务端代理。当前首页起步为$100免费额度/无需卡，不代表无限使用；具体费用与用量按实际报价。

关键采用条件：连接器和模型分档、重训与服务接入

产品资料：https://maomu.com/p/www-shaped-ai
官网：https://www.shaped.ai

## 推荐依据

2026年11月18日读取当前搜索、推荐模型、数据连接、查询、训练与套餐说明，比较自有目录到前台搜索和推荐的完整采用路线。未导入真实目录或执行效果测试；家具场景与封面均为编辑自拟。

以当前可读官方说明比较平台路线，未把厂商转化或速度宣传写成实测；编辑目录场景只解释工作分工。

## 参考资料

- Algolia：当前搜索能力：https://www.algolia.com/products/ai-search
- Algolia：商品运营与搜索、推荐控制：https://www.algolia.com/industries/ecommerce/digital-merchandising
- Algolia：推荐模型、事件门槛与训练：https://www.algolia.com/doc/guides/algolia-recommend/overview
- Algolia：数据准备与前台推荐接入：https://www.algolia.com/doc/guides/algolia-recommend/how-to/set-up
- Algolia：当前方案、额度与合同：https://www.algolia.com/pricing
- Shaped：个性化搜索完整流程：https://docs.shaped.ai/docs/v2/use_cases/personalized_search/
- Shaped：连接目录、用户与交互数据：https://docs.shaped.ai/docs/v2/data_reference/connecting-data-to-engines/
- Shaped：计划、匿名用户、训练与密钥：https://docs.shaped.ai/docs/v2/support/faq/
- Shaped：查询、过滤与多样性：https://docs.shaped.ai/docs/v2/query_reference/shapedql/
- Shaped：不同数据的摄取与训练节奏：https://docs.shaped.ai/docs/v2/engine_reference/handling-scale/
- Shaped：当前起步额度与完整产品：https://www.shaped.ai/
