最近关注到1688搜索排序体系的变化：PC端与无线端采用双套公式，AI匹配作为唯一贯穿两端的变量嵌入其中。作为B2B电商供给侧数字化升级的代表性动作，这件事值得从商业逻辑层面拆一拆。
一、事件背景
1688的搜索排名本质上是一套动态积分体系，系统对商品各维度表现持续加减分，汇总后决定排序位次。据业内整理的公式框架，PC端排名由人群画像、大众属性、点击率、转化率、动销率、大金额、买家留存率与AI匹配构成；无线端排名在PC端全部要素之上，叠加收藏、进货单、流量数量三项移动端行为指标。2026年以来，随着AI模型深度介入排序，匹配逻辑从"文字重合度"转向"需求理解"。据商家端反馈，AI匹配要素在两套公式中均参与计分，其权重走势与平台AI化战略的推进节奏一致。
二、双端结构的商业含义
双端结构值得注意的地方不在于两端公式不同，而在于两者的关系：无线端继承PC端全部要素，属于增量加权而非独立算法。这意味着PC端表现构成无线端排序的底盘，移动端三项指标（收藏、进货单、流量数量）则是对即时采购意向的溢价定价。从平台视角看，这是把"被记住、被放入采购清单"的行为纳入流量分配依据，激励商家经营意向信号而非仅经营曝光。从数据视角看，PC端要素偏存量质量——画像、动销、留存都是慢变量；移动端三项偏流量意向——收藏与进货单是快变量。慢变量决定店铺的底分，快变量决定排序的弹性，两层叠加构成一个既稳定又有响应性的排序系统。
三、三个观察
观察一：匹配效率优先于匹配广度。AI排序能理解口语化搜索表达，机械堆砌关键词的收益下降。这背后是供给侧过剩背景下的匹配效率问题——平台需要的不是"覆盖词最多的商品"，而是"需求拆解后成交概率最高的商品"。换句话说，搜索的产出函数从召回量变成匹配质量，这对供给侧的信号是明确的：内容的生产标准在变。
观察二：个性化排序重构"爆款"定义。同一关键词在不同买家端的结果差异扩大，排序结合采购历史、偏好品类、价格带展开。"一个款打爆全平台"让位于"一个款打透一类人"，SKU的精准定位价值上升。对平台而言，个性化排序也提高了单次展示的成交期望，同样一个坑位产出的交易额更高，这是平台愿意持续加码AI排序的商业动机。
观察三：实时反馈抬高稳定性门槛。数据变化最快24小时内反映至排序，大起大落的店铺难以获得稳定流量。运营节奏的连续性本身成为权重项。稳定性成为权重的另一层含义是：运营从项目制转向日常制，脉冲式冲量打法失效，持续的中等强度投入优于间歇的高强度投入。
四、对B2B行业的启示
其一，B2B流量分配正从流量运营转向数据运营。商品信息与数字化档案的完整度——产能、交期、起订量、履约记录——直接影响匹配概率，档案数字化程度低的商家将在排序端系统性吃亏，数据整理这种不性感的动作正在变成流量入口。其二，买家身份识别成为排序前置变量。分销商、OEM客户、外贸商的需求结构完全不同，商家需要按身份分层经营内容与话术，一套内容打所有买家的做法边际收益递减。其三，需求理解取代文字匹配后，模糊需求的拆解能力成为平台核心竞争力。"定制"背后是标识雕刻还是全链路私模，模型要能区分，商家的商品表达也要能区分，供需两端的表达精度同时提升，匹配效率才有改善空间。其四，中小商家与源头工厂的竞争维度趋于一致：交付确定性、数据完整性、内容精准度。这意味着产业带工厂如果在数据层补齐短板，其供应链优势将可以在排序端充分变现。其五，AI可识别度正在成为新的运营基础设施，类似早年的SEO，围绕"让模型读懂自己"的服务生态——档案代建、内容结构化、数据诊断——会是一个新的服务市场。
五、商家侧的建议
对已在系统化运营的商家，重点是把档案数据结构化让AI可读，同时把数据监控固定成日常动作，每天同一时间看同一组指标，波动会先于排名告诉你问题。对仍依赖关键词技巧的商家，先补买家侧要素——人群画像、标签体系——再谈投放，顺序反了是花钱买无效曝光。对新入局商家，从单款单人群打透开始，避免全店铺量摊薄数据浓度；新链接前7天的扶持窗口要集中资源打数据，错过窗口再补成本翻倍。
六、结语
1688排序AI化的本质，是平台把"好商品、好服务、好内容"的判断权从人工规则移交给模型。对供给侧而言，这意味着竞争门槛从"会做电商"上移到"数据可被理解"。这一进程对产业带工厂的影响，值得持续跟踪——当排序开始奖励交付确定性，供给侧的竞争会部分回到制造业的基本面：谁交付稳，谁拿流量。
