要利用机器学习提高电商搜索排名效果，可以采取以下步骤
收集用户在电商平台上的搜索行为数据，包括搜索关键词、点击商品、购买记录等，构建数据集。
对收集到的数据进行特征提取和处理，将其转化为可供机器学习模型使用的特征向量。
选择适合电商搜索排名的机器学习模型，例如基于深度学习的神经网络模型、基于决策树的分类模型等。
利用数据集对选择的机器学习模型进行训练，并进行交叉验证和调参等操作，以提高模型的准确性和泛化能力。
将训练好的机器学习模型应用于电商搜索排名中，根据用户的搜索行为和商品的相关特征，预测出商品的搜索排名，从而提高搜索结果的相关性和准确性。
根据实际的搜索排名效果和用户反馈，对机器学习模型进行不断优化和调整，以进一步提高搜索结果的质量和效果。
需要注意的是，电商搜索排名涉及到许多因素，如商品的销售情况、用户的偏好等，因此需要综合考虑多个因素，并采用多种机器学习技术进行优化。同时，为了保证搜索结果的公正性和客观性，需要避免过度依赖任何一种因素或算法。