个性化搜索模型是双向的搜索模型，比如客户搜索关键字“保温杯”，这个时候，淘宝先去分析搜索“保温杯”这个关键词的这个客户本身的属性和购物习惯，淘宝是根据你以往的浏览记录，购买习惯、消费水平、地域偏好、品牌偏好、个人信息等信息进行综合的考虑，然后给你贴个标签“消费水平高、大学本科、爱好运动、商务人士”根据这个标题淘宝也就会系统的判定，你是一个什么样的消费者。 第二步也是开始和传统搜索模型一样，只是多了一个价格模型，然后根据“你是一个什么样的消费者”这样的判定，来给你推荐相关的产品。如果你的消费水平低，那么他给你推荐的大部分都是低端产品。这就是大数据模型下的个性化搜索，这样看起来很简单，技术方面还是比较复杂的。
　　3、影响个性化搜索模型的因素 ①店铺因素：店铺DSR（店铺DSR即店铺动态评分，是指在淘宝网交易成功后，买家可以对本次交易的卖家进行如下三项评分：宝贝与描述相符、卖家的服务态度、物流服务的质量。每项店铺评分取连续六个月内所有买家给予评分的算术平均值。每天计算近6个月之内数据，且只有使用支付宝并且交易成功的交易才能进行店铺评分，非支付宝的交易不能评分）、消保、正品保障、24小时发货、橱窗推荐、旺旺在线时长和回复速度、违规处罚、客户投诉。 ②产品因素：类目相关、标题相关性、宝贝属性、上下架时间、宝贝主图、详情页相关性、价格相关性、销量相关性。 ③客户因素：浏览习惯，品牌喜好、消费能力、地域偏好、价格偏好。 关于如何通过淘宝seo优化来提升产品的搜索排名，将在后期更新。