早上想喝杯咖啡，打开手机搜 nearby 好评高的店，三公里内十几家冒出来，但你只点排名前几的那家。这背后不是随机排序，而是本地生活搜索算法在悄悄工作。
算法不只是排序，它懂你在哪儿、想干啥
你在朝阳大悦城附近，搜“火锅”，结果跳出的是望京的网红店，而不是你脚边那家老重庆麻辣烫，你会不会觉得不对劲？现在的本地搜索算法早就不靠关键词硬匹配了。它结合位置、时间、用户行为，甚至天气来调整结果。
比如下雨天，系统可能优先推有外卖、支持到店自取的餐饮；晚上十点搜“药店”，会自动过滤掉已关门的，只留24小时营业的。这些细节不是巧合，是算法在综合判断你的实际需求。
商家怎么被“挑中”的？
一家新开的理发店，没多少评价，为什么能排在前面？因为它优化了门店信息：地址准确、电话可拨、营业时间更新及时，还上传了实景照片。这些数据让算法认为它“可信度高”。
再比如，用户搜“儿童剪发”，系统不仅看店名有没有相关词，还会分析评价里是否频繁出现“小朋友”“不哭”“耐心”等描述。这种语义理解能力，让匹配更精准。
代码层面怎么实现距离加权？
很多平台用地理哈希（Geohash）快速筛选附近商户，再结合评分、销量做二次排序。下面是一个简化版的距离权重计算示例：
function calculateScore(business) {
const distanceWeight = 0.5;
const ratingWeight = 0.3;
const salesWeight = 0.2;
const normalizedDistance = 1 - (business.distance < 5 ? business.distance / 5 : 1);
const score =
normalizedDistance * distanceWeight +
(business.rating / 5) * ratingWeight +
Math.log(business.sales + 1) / 10 * salesWeight;
return score;
}这个公式把离你近的、评分高的、销量稳的店自然往前推，但又不至于让远一点的好店完全没机会。
用户行为反向训练算法
你点了某家店，停留时间长、完成下单，系统就记一笔“这个结果有效”。如果你搜完就关，或者滑到底都没点，那当前排序就被视为不够好。成千上万用户的操作汇聚起来，持续优化推荐逻辑。
甚至你平时常去连锁便利店，某天突然搜“杂货店”，算法可能还是会优先展示你熟悉的品牌，因为历史行为暗示了偏好。
对商家来说，别只盯着刷好评
现在很多小店主以为拼命刷五星就能上位，其实作用越来越小。现在算法能识别异常评价模式，比如短时间内几十条一模一样的短评，反而会被降权。
真正该做的是保持信息完整、响应用户留言、开通预约或在线客服功能。这些信号告诉算法：这家店活跃、靠谱、服务在线，值得推给更多人。
本地生活搜索不是静态榜单，而是一套动态匹配机制。它要解决的从来不是“有哪些”，而是“哪个最适合你现在”。下次你点开搜索结果时，不妨想想，这条信息是怎么穿过几百个候选者，最终出现在你眼前的。