起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識頭條入局“搜索”，為時已晚？
通過梳理今日頭條“搜索”在搜索三個階段的產品邏輯，筆者從中分析了今日頭條入局“搜索”的隱患和機會點。
現在做搜索產品晚了嗎？
“現在恰恰是新的機會，新的搜索引擎形態已經到來?！?/p>
在今日頭條 CEO 朱文佳看來，這是在對的時機推出對的搜索引擎。舊的搜索引擎是從搜索到信息流，新的搜索引擎是從信息流到搜索。基于自家的內容生態來推出精準搜索成為搜索新的切入口。
這樣看來，知乎、微信、頭條都符合這樣的形態，因為我們可以通過頭條、微信等的搜索框來檢索自己想要的內容。今日頭條內容矩陣包括圖文、視頻、問答、微頭條、直播、音頻。優質的內容生態+搜索分發存在著很大的想象空間。
“我們希望打造出一個最好的通用信息平臺，幫助人們看到更大的世界”
但我們不得不打個問號，從通用信息平臺到搜索分發，用戶價值被滿足了嗎？
1. 頭條搜索，搜你想搜
1.1 提供自家內容生態
前一陣子蘋果 App store 的下載前十一名全是字節跳動的產品，字節跳動的邊界一直在擴張，涉及到了許多內容領域。
在頭條搜索中，搜索結果中的短視頻來自抖音短視頻和頭條視頻，問答內容來自悟空問答，UGC 來自微頭條，資訊來自頭條文章，車輛信息來自懂車帝，圖片、音樂則來自全網搜索。
可以說頭條搜索的結果為字節跳動內容矩陣+全網內容，但前者占比更多。
看到內容矩陣，很容易讓人想到微信的搜一搜。微信搜一搜可以搜索朋友圈、公眾號、商品、文章、小程序、視頻、書籍、百科、問答等內容。
同時百度也開始跳出搜索，全面打造內容來源，比如百度知道、百家號和前兩年全力打造的智能小程序。
內容生態成為了護城河，與其爬取別人的信息，不如自身創造信息，從而看到更多可能。根據頭條的 2019 數據顯示，頭條有 160 萬頭條號創作者，頭條創作者共發布 4.5 億條內容，同時字節跳動的其他產品也有非常多的 UGC 和PGC產出。
但這也有一個致命問題，全網搜索還存不存在？第四部分會講到我的分析。
1.2 搜索年度榜單
頭條于 2020 年 1 月初發布了年度數據報告。上億用戶使用了頭條的搜索功能，根據搜索數據擬定了這份搜索榜單。
頭條搜索年度漢字為福字，頭條搜索年度英文單詞為 CHINA。
年度搜索關鍵詞前五分別為國慶大閱兵、香港、天氣預報、哪吒之魔童降世、今日豬價。
頭條搜索年度問題前五分別為天氣預報、剁椒魚頭的做法、腿拉筋的正確方法、掉發嚴重怎么治療、睡前喝牛奶的好處。還有一系列別的年度搜索場景，篇幅問題，不一一展開。
如同百度年度關鍵詞、排行榜一樣，榜單數據全部來源于用戶的真實搜索記錄。頭條搜索年度榜單，于用戶而言，自己的一次次搜索沉淀了這份年度搜索榜單。
于頭條而言，這份數據就是日后的護城河。因為他們能知道用戶想搜什么，從而獲取用戶需求。
2. 搜索的本質是什么？
俞軍曾說過，“搜索引擎是改變人類知識獲取能力的一場革命?！币驗樗阉鞯某霈F改變了信息分發的模式，讓每個人可以平等地通過搜索獲取信息，這是搜索帶來的信息普惠。
信息分發經歷了四個時代，從最開始門戶時代的分類索引到搜索時代的搜索引擎再到 SNS 時代的訂閱關注到如今 Feed 時代流行的推薦算法。
信息分發模式的變革給搜索帶來了挑戰，同時互聯網巨頭內容信息的不互通造就了信息孤島，進一步降低了用戶的搜索體驗。
因為搜索的本質是要滿足用戶的搜索需求，讓用戶能高效搜索到想要的內容。
所以搜索后面的變革一直是圍繞內容和結果呈現，內容的豐富和優質是搜索前提，結果呈現是用戶搜索行為的結果。
3. 頭條搜索的產品邏輯
用戶的搜索行為可以分為三個過程，分別是搜索前、搜索時、搜索后，下面將從這三個過程來聊聊頭條搜索的產品邏輯。
3.1 搜索前
根據艾瑞數據顯示，今日頭條的日活為 1.2 億，今日頭條擁有海量的用戶和巨大的內容池。所以頭條搜索 App 暫時還沒有在應用商店上架，而是將其全網搜索的功能放置在今日頭條 App 的頂部搜索框中。
頭條搜索的入口直接可見，用戶的使用路徑只有一步，這無疑減少了頭條用戶搜索的使用成本。
對于頭條的用戶來說，用戶使用搜索的目的比較強。用戶的使用場景主要有以下幾個：
- 想在今日頭條里搜索明確的內容，得到信息
- 搜索今日頭條里的內容矩陣，比如微頭條、西瓜視頻、關注的用戶、回答等
- 不明確自己想要搜什么內容，就是想進搜索框看看
- 忘記了自己之前的搜索內容，想再次查看
進入到搜索界面，由上至下分別為搜索框、一行的搜索推薦、歷史記錄和猜你想搜。
這四個主要的使用場景在搜索前都有相應的模塊對應。
（1）和（2）的使用場景可以通過最上方的搜索框解決，直接搜索，查看結果。
（3）的使用場景通過一行的搜索推薦和底下的猜你想搜來滿足。一行的搜索推薦給用戶兩個搜索內容，這兩個搜索內容是近期的熱門內容。猜你想搜則通過用戶在頭條內的搜索記錄和瀏覽行為對用戶進行內容推薦，這是字節跳動熟悉的算法推薦，千人千面。
（4）的使用場景則通過歷史記錄模塊來滿足。
3.2 搜索時
在搜索框中輸入相關關鍵詞時，會出現下拉框，下拉框會顯示該關鍵詞近期搜索的需求。
比如輸入“易”字，下拉框中出現“易烊千璽”、“易建聯”、“易經”、“易中天”、“易孕體質”、“易坦靜”等等。通過這個下拉框的排序，我們可以看到“易烊千璽”是用戶搜“易”字最多的搜索需求。
下拉框會提供 10 個近期最熱門的需求，來滿足用戶的搜索選擇。搜索時的搜索下拉框，精準地顯示了用戶在搜索某關鍵詞時有可能存在的搜索需求，一定程度上提高了用戶的搜索體驗。
在搜索時，用戶的搜索方式暫時有兩種。今日頭條支持手動輸入和語音輸入，但百度支持手動輸入、語音輸入、識圖輸入。頭條搜索的語音輸入貌似還無法使用，我多次通過語音測試均無法識別成功。在搜索方式上和識別準確性上，頭條搜索還有很長的路要走。
3.3 搜索后
搜索后的內容頁面有 11 個分類，分別是綜合、資訊、微頭條、圖片、視頻、小視頻、音樂、用戶、問答、話題和直播。在這里，以“易烊千璽”作為關鍵詞進行搜索。
3.3.1 搜索結果
內容如下：
- 綜合：搜索結果主界面，按照一定的規則排序跟易烊千璽有關的內容
- 資訊：相關的文章、新聞（主要為今日頭條用戶所發布的）
- 微頭條：與易烊千璽相關的微頭條（微頭條內容中有“易烊千璽”四字就符合）
- 圖片：與易烊千璽相關的圖片
- 視頻：與易烊千璽有關的視頻（視頻來自今日頭條用戶發布）和相關影視作品（點擊觀看會跳轉到有版權的視頻網站）
- 小視頻：與易烊千璽相關的小視頻（來自今日頭條內的小視頻和抖音的小視頻）
- 音樂：與易烊千璽相關的音樂（點擊音樂可收聽，跳轉到相關音樂軟件，有些音樂軟件有會員權限設置，只有 60 秒收聽權限，有些可以收聽整首歌曲）
- 用戶：與易烊千璽有關的用戶（比如“易烊千璽部落”、“易烊千璽微吧”、“易烊千璽官方后援會”···，用戶名字有“易烊千璽”則會出現在這一分類）
- 問答：跟易烊千璽有關的問題（主要來自頭條內部的悟空問答板塊，也有一小部分是全網的問答內容）
- 話題：與易烊千璽相關的話題列表（比如“易烊千璽演唱會”、“易烊千璽晚安”···）
- 直播：與易烊千璽相關的主播
3.3.2 搜索結果排序
結果的排序為互動百科>資訊>影視作品>大家都在搜>微頭條>其他人還在搜>相關推薦>圖片>小視頻>歌單>相關搜索。
排序結果和規則分析如下：
1）除了微頭條和資訊，其余每一類展示不會超過 3 列，查看更多內容可打開折疊頁面。
頭條搜索對于不同類型的關鍵詞搜索會有不同的內容分類排序，僅對于易烊千璽搜索結果而言，頭條里的微頭條和資訊優先級更高，除了頭條的內容生態很大程度上依靠微頭條和文字外，還有因為用戶查看易烊千璽更多是查看跟他有關的新聞和內容，所以搜索結果里有大量微頭條和資訊文章。
2）搜索結果中的推薦搜索主要有三個板塊，分別是【大家都在搜】、【其他人還在搜】、【相關搜索】。
這三個推薦搜索（相關搜索）反映了該關鍵詞的用戶長期搜索需求。三個板塊的布局也是十分講究，【大家都在搜】為 2 行，【其他人還在搜】為 3 行 6 個內容，【相關搜索】為 5 行 10 個內容。相關搜索在搜索結果頁的最下方，瀏覽到相關搜索的用戶，說明這個用戶已經看完前面的內容仍然沒有找到滿意的答案，所以提供 10 個相關內容給用戶進行繼續搜索。
在我看來這三個推薦搜索板塊的搜索內容之所以不同，主要是因為數據的更新周期不同，不同的關鍵詞熱度周期來覆蓋跟這個關鍵詞有關的內容，以此來滿足用戶的需求，方便用戶搜索到他們需要的內容。
3）搜索結果排序千詞千面
在以“易烊千璽”為關鍵詞進行搜索時：搜索結果的排序為互動百科>資訊>影視作品>大家都在搜>微頭條>其他人還在搜>相關推薦>圖片>小視頻>歌單>相關搜索。
在以“新型冠狀病毒”為關鍵詞進行搜索時：搜索結果的排序為專題>互動百科>資訊>專家回答>大家都在搜>視頻>醫生資訊>相關搜索。
在以“特斯拉”為關鍵詞進行搜索時：搜索結果的排序為：特斯拉官網>車系>互動百科>小視頻>其他人還在搜>特斯拉相關企業>官方客服電話>資訊>相關推薦>相關搜索。
為什么會出現這樣的千詞千面？
因為可以搜索的內容實在是太多種類的，對于不同種類的內容，用戶有不同的信息獲取需求。為了滿足這種需求，必須要做到不同的搜索內容要有相對應的搜索結果排序。
即便是同一個關鍵詞，每個用戶想獲取的信息可能不一樣。在還未獲取用戶的搜索需求時，應該根據關鍵詞的特性和屬性來設置搜索結果排序，這樣能最大程度上滿足大部分用戶的信息獲取需求。
我還關注到搜索不同關鍵詞時，搜索框下方的 tab 順序也會改變，這個改變主要是根據關鍵詞的屬性和用戶的觀看歷史行為來決定的。
4. 頭條搜索的未來隱患和機會
4.1 頭條搜索未來隱患
4.1.1 頭條內容矩陣弊端
想要做好內容搜索必須滿足兩大維度，分別是豐富和優質。內容豐富體現在今日頭條有頭條號、西瓜視頻，并且搜索的內容呈現的是字節跳動的內容矩陣，包括抖音短視頻、火山小視頻、西瓜視頻、悟空問答等。但頭條的內容優質維度明顯還有待提升，微頭條的內容質量、評論量、觀看量跟友商相比還差很多。
雖然頭條主推“青云計劃”、“金字節獎”來吸引內容創作者，但據一些創作者反映這樣的專項補貼無法惠普，只是某些頭部大號獨享。怎么提升頭條號的內容質量，任重道遠。
其次微頭條質量優質也會存在被罵的可能？具體可參考百度的百家號，當年百度在結果頁大力推廣自己家的百家號，用戶罵搜不到想搜的網址和內容，搜出來的都是充斥著營銷、內容不相干的百家號。
雖然頭條搜索對外稱是全網搜索，但據筆者體驗多天，在百度、搜狗、頭條搜索搜索相同的關鍵詞，比如搜“產品經理”，我的目的是想知道產品經理是干什么的。
在三家搜索引擎中，展示的內容如下，可以看到頭條展示的大部分是微頭條的文章，結果維度是最少的，沒有百科，沒有別的網站文章、沒有知乎內容，沒有產品經歷的招聘信息，沒有微信公眾號推文。
以上可以看出頭條的全網搜索只是個說辭，各大互聯網巨頭內容不互通，信息孤島使得頭條搜索的搜索體驗暫時來說比較差。用戶搜不到想要的信息，那這樣的搜索就是失敗的，算法推薦和操作交互只是提升了用戶體驗，幫助用戶準確找到信息才是搜索引擎的核心競爭力。
4.1.2 kill time 邏輯不自洽
談到字節跳動，我們會想到算法推薦，因為字節跳動中成功的產品幾乎沿用了信息流+推薦這一套打法。打法的成功會讓其產生路徑依賴，使其將其打法復刻在別的產品中。
那么通過信息流來反做搜索和推薦這樣的打法會成功嗎？
我并不看好。
字節跳動的推薦引擎是 kill time，即讓用戶花費更多時間沉浸在信息流中。而搜索是讓用戶搜完即走，想搜再來的，這跟字節跳動的 kill time 邏輯不自洽。
同時算法推薦依靠用戶的歷史數據，需要大量的用戶數據來做算法推薦。但搜索看重的并不是用戶數據，看重的是內容和結果排序，核心優化一定是圍繞著內容和結果排序的，而不是用戶。
舉個例子，悟空問答沒有做好，是因為悟空問答看重的是問答內容的質量和用戶，只有了優質內容的沉淀才能滿足該產品的用戶價值。推薦這一套打法之所以不管用，是因為用戶不愿意來這里看劣質回答和內容。同理，搜索看重的也是內容和結果排序，用戶搜不到有用內容，推薦做的再好又有什么用？
4.1.3 新體驗和遷移成本
俞軍曾提出一個公式，用戶價值=新體驗-舊體驗-遷移成本。開頭我有提到從通用信息平臺到搜索分發，用戶價值被滿足了嗎？很顯然用戶價值想要被滿足，就要考慮新體驗和遷移成本的問題。
根據研究機構比達咨詢數據顯示，百度搜索、神馬搜索和搜狗搜索總市場份額占比 98%，留給其他的搜索引擎僅為 2%。百度搜索依舊是最多人使用的搜索引擎，即便人們提到百度便想起廣告競價和莆田系醫生，但百度經過這幾年的迭代和優化，打造了一站式的內容生態和更好的操作體驗，依然是許多人首選的中文搜索引擎。
舊體驗指的是百度、神馬和搜狗這種搜索產品的用戶體驗，目前來說，僅從搜索結果的內容廣度和深度來看，頭條搜索的新體驗離這些產品的舊體驗還有一定距離。
頭條日活為 1.2 億，百度搜索日活為 2 億。頭條搜索目前布局在頭條搜索框中，頭條搜索日活無從知曉。
怎樣降低用戶的遷移成本，讓用戶放棄百度搜索選擇頭條搜索是頭條搜索業務負責人應該重點關注的地方。但就目前來看，用戶的遷移成本極高。
4.2 頭條搜索機會
4.2.1 獲取用戶需求
正如前面說到的，頭條 2019 年的的搜索榜單于頭條而言，背后的搜索數據就是日后的護城河。因為他們能知道用戶想搜什么，從而獲取用戶需求。
數據是互聯網公司的養分，擁有了海量的用戶數據，便可通過數據分析獲知用戶的真實需求和潛在需求。用戶的每一次搜索數據都是真實的，這樣的數據有利于字節跳動后續的相關產品輸出和戰略布局。
4.2.2 全網搜索
搜索的本質是要滿足用戶的搜索需求，讓用戶能高效搜索到想要的內容。信息孤島不是用戶想要的，信息高效全面的獲取是必然，最終還是要走向全網搜索。
字節跳動已經通過其旗下全資子公司投資了互動百科，頭條搜索中的百科便是來自于互動百科。除了互動百科和自身的內容矩陣，頭條應該還要繼續補足地圖、商品、新聞、招聘等大類的內容。
“做好搜索有三個關鍵點：技術、內容和初心”
頭條搜索想在搜索領域分一杯羹，時間不晚，但路還很長。
作者：蘇Eddie，微信公眾號：蘇Eddies
本文由 @蘇Eddie 原創發布于人人都是產品經理，未經作者許可，禁止轉載。
題圖來自Unsplash，基于CC0協議。
為什么百度做搜索這么久，后臺肯定知道用戶都在搜索什么，但是為什么沒有把握住用戶的真正需求呢？為什么二米根據用戶的需求開發出好的產品呢？
看來，單通過大數據分析用戶的需求這不代表就可以開發出好的產品，