3 月 7 日消息，蘋果研究團隊于 2 月發布研究報告，通過引入大語言模型（LLM），顯著提升了 App Store 的搜索轉化率。

援引博文介紹，蘋果 App Store 的排名系統目前主要依賴行為相關性（即用戶是否點擊或下載）來優化搜索結果。由于人工評估成本極高，衡量應用元數據與搜索詞語義匹配度的文本相關性標簽一直極度匱乏，這構成了優化搜索體驗的重大瓶頸。

在最新《Scaling Search Relevance： Augmenting App Store Ranking with LLM Generated Judgments》研究中，研究人員為突破這一技術局限，專門微調了一個擁有 30 億參數的大語言模型。

該模型深入學習了現有的人工評判標準，并能精準分析用戶的搜索詞與應用元數據（如名稱、描述和關鍵詞）之間的關聯。

隨后，研究團隊利用該模型自動生成了數以百萬計的全新相關性標簽，并結合原始數據，重新訓練了 App Store 的底層排名系統。

蘋果在全球范圍內的實時應用商店流量中開展了嚴謹的 A/B 測試，并取得了超出預期的成效。數據顯示，這種由大語言模型增強的排名系統在 89% 的測試店面中表現優異，其核心指標“轉化率”（即至少觸發一次應用下載的搜索會話比例）實現了 0.24% 的統計學增長。

盡管 0.24% 的轉化提升幅度在字面上看似微不足道，不過其實際產生的行業影響力卻極為驚人。業界普遍預估，2025 年 App Store 的總下載量將達到約 380 億次。因此，這一微弱的百分比增長在龐大的用戶基數下，將直接轉化為高達數千萬次的額外應用下載量。