蘋果公司近期在優化應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，成功提升了App Store搜索結果的精準度，進而帶動了應用下載轉化率的顯著增長。這一突破性成果已通過學術論文《Scaling Search Relevance： Augmenting App Store Ranking with LLM Generated Judgments》對外公布。
傳統搜索排名系統主要依賴用戶行為數據，如點擊率和下載量等指標進行優化。然而這種模式存在明顯局限：由于人工評估成本過高，系統難以準確判斷應用元數據（包括名稱、描述和關鍵詞）與用戶搜索意圖的語義匹配程度。這種技術瓶頸長期制約著搜索體驗的進一步提升。
為突破技術局限，研究團隊專門開發了擁有30億參數的定制化大語言模型。該模型經過特殊訓練，能夠深度理解現有的人工評估標準，并精準分析搜索關鍵詞與應用信息之間的語義關聯。通過這一技術手段，系統自動生成了數百萬個新的相關性標簽，為排名算法提供了更豐富的數據支撐。
在完成模型訓練后，研究團隊將新生成的數據與原有系統進行整合，重新構建了底層排名機制。為驗證技術效果，蘋果在全球范圍內的應用商店開展了大規模A/B測試，覆蓋不同地區和用戶群體。測試結果顯示，在89%的測試場景中，新系統的表現均優于傳統模式。
轉化率數據直觀反映了技術升級的成效。采用新排名系統后，至少觸發一次應用下載的搜索會話比例提升了0.24%。雖然這個數字看似微小，但在App Store龐大的用戶基數下，其實際影響不容小覷。行業分析指出，按照2025年預計380億次的下載總量計算，這項技術改進將帶來數千萬次的額外下載量。
