編輯導語：在前一篇中，作者分享了關于《搜索聯想詞的產品定位，效果評估和召回》，本篇闡述在召回所有候選結果后，如何進行排序的問題和聯想詞頁面的場景和動線，我們一起來了解一下。

一、候選詞條的精排

根據用戶確定的字符，在召回環節召回前K條候選聯想詞，如何將這些詞條精準排序，就是排序需要解決的問題。在精排環節，根據業務發展的成熟度，逐步從單一因子排序過度到多因子排序。

為什么要逐步過渡呢？主要是考慮到數據積累的量級影響到數據的信任度問題。在業務發展初期，數據量小，用戶交易鏈路后續數據對結果的影響抖動大，就單純采用交易環節前期行為，比如采用單純的點擊量因子來排序。

根據鏈路衰減原則，在業務發展初期，本身數據量都很小，后續的點擊，訂單，GMV就更小，如果采用后端的行為，那么對結果的擾動就非常大，也就是說這些數據對評估目標是不可信任的。

等業務積累到一定階段，點擊率數據可被信任的話，可以采用點擊率數據來排序，等到業務發展相對成熟，可以采用包含人氣因子、收益因子、服務因子等綜合模型來排序。

排序產品策略主要有如下幾類，我將每種策略的優劣做簡單分析，在闡明策略之前，我們還是將聯想詞目標重申一下：

• 用戶輸入部分字符就推薦出用戶需要的Query供用戶選擇，降低輸入成本；
• 結合公司經營需要或者用戶的發散性要求，提升推薦Query的新穎性。

策略1：基于推薦Query搜索次數排序，優勢：簡單；不足：作弊Query可能被推出，并且長尾query沒機會。

策略2：基于Query靜態分的下拉推薦

Query靜態分擬合了Query各維度的知識：比如Query PV、IPV、UV、IUV、CTR、成交轉化率、成交筆數、成交金額、召回商品數，將上述知識用LR回歸的方法擬合成一個實數。

優勢：根據靜態分對候選Query進行排序，Query靜態分不僅考慮了Query的歷史PV/點擊信息，而且考慮了Query的交易信息，交易良好的Query獲得更多的展現機會，給予高質量候選Query以更多的展現機會和排序位置，大大降低了低質量和作弊Query的展現概率。

劣勢：靜態分主要依賴于歷史Query自身的特征，搜索Query與候選Query之間的聯系僅僅是兩者的前綴相同，這種簡單的共性（匹配）沒有將搜索Query與候選Query緊密的結合在一起，關聯性弱的候選Query如果行為表現比較好，就會排在前面，但是這種關聯性弱的Query的線上表現，尤其是CTR往往很差。

策略3：基于CTR預估的下拉推薦

利用LR回歸模型來預估推薦Query的CTR，在模型中充分考慮到搜索Query和候選Query之間的關系，二者之間的聯系越強，候選CTR就會高，反之則會比較低，所以設計的策略用到的特征如下

• 搜索詞與推薦Query文本特征
• 搜索詞與推薦Query的類目相關特征
• 搜索（推薦）Query的詞性特征
• 搜索（推薦）詞對應的結果頁面特征
• 候選Query靜態分特征（容納靜態分策略優點）

優點：充分考慮到推薦Query的歷史表現，推薦Query與搜索Query之間的關系

缺點：沒有考慮用戶的個性化偏好

策略4：結合用戶個性化建模的CTR下拉推薦

策略3考慮了搜索Query和候選Query之間關系以及候選Query的歷史表現，但是沒有結合用戶個性化信息。

將用戶的年齡、性別、購買力、短期和長期Query偏好作為用戶建模，在排序時候結合個性化建模推薦會取得更好的效果，在策略3的基礎上增加如下用戶特征：

• 用戶年齡
• 用戶平臺性別
• 用戶購買力
• 用戶長期Query特征
• 用戶短期Query特征

優點就不用講了，但是策略4只有在平臺業務成熟度足夠的時候，才可能開展，同時對平臺研發能力有較高要求，具備用戶建模、行為建模等大數據平臺能力。

排序后處理：

• 后處理包括同義Query去重；Query結構化和合并。去重是指語義上相同，但是表層字符上有些不同，進行詞條合并。
• Query結構化和合并：結構化合并有助于展示更多的推薦（也就是聯想）Query。

比如在電商網站搜索“海爾”，推薦的Query有：

• 海爾冰箱
• 海爾洗衣機
• 海爾風扇
• 海爾微波爐
• …

一般地，網站將最常用Query能結構化的盡量結構化，結構化遵循語義一致的原則，比如電商網站將品牌的多個品類（品類語義），品牌+品類的多種功能（功能語義）等結構化在一起。

二、場景和動線

前面文章我們在搜索結果頁搭建場景和策劃動線，文中也提及在各個頁面都可以策劃場景和動線，比如在聯想詞頁面，電商網站策劃了店鋪導流的場景（上圖中藍色方框內），滿足用戶直接搜索店鋪的需求，另外，策劃了O2O場景（上圖中的綠色方框），滿足用戶線下店鋪極速達的需求。

大家可能會問，這種場景穿插放置位置是如何決定的？這種場景策劃結合了商業變現和用戶需求，根據公司變現規則來確定，按照變現收入來確定位置。

Query離線處理：

Query歸一化：大小寫、全半角、簡繁體、無效字符比如停用詞、無效空格等。

大家對文中的產品策略，以及場景和動線設計，以及搜索聯想詞還有哪些方面的意見和建議，歡迎評論區留言討論。

#專欄作家#

毛新年，公眾號：資深電商專家毛新年，人人都是產品經理專欄作家。起點學院講師，2021年B端產品經理大會演講嘉賓。主導搭建主流電商平臺搜索推薦商品三大體系，熟悉電商平臺策略-產品-運營-數據及研發各環節。

本文原創發布于人人都是產品經理，未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議。