中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

搜索功能在各大APP中可以說是司空見慣的標配，相對“社交流量”的信息找人，“搜索流量”是人找信息，它傳遞的是一種“我想知道”的信息。搜索的算法設計可以很簡單也可以很復雜，本文旨在帶對搜索感興趣的你了解“點擊搜索框到出現搜索結果”背后的故事。

搜索框設計思路

先從搜索框的設計思路說起。UI元素不多提，主要強調一下宏觀上“針對不同用戶的不同需求設計搜索模塊”的產品思維。

我們看看iOS系統、產品經理APP、淘寶、Google的搜索位置和設計（如下圖），從左到右依次是手機系統->閱讀類APP->電商類APP->搜索引擎的代表，用戶在這些場景里對搜索的需求依次增強，搜索在頁面上的表現形式也依次增強：搜索半隱藏->搜索icon->搜索在頂部欄固定->索索是首頁主體。

（iOS系統、產品經理、天貓、Google搜索框設計）

產品經理APP，搜索功能以icon的形式放在首頁右上角，它的搜索功能非常弱（搜索結果常常不如人意），首頁強調的是運營的結果——“你應該知道”的信息，弱化了搜索功能——“你想知道”的信息，也可能是出于開發成本的緣由弱化了搜索。

在抖音和快手APP里，抖音將搜索功能以icon的形式放在首頁左上角，快手將搜索功能放在個人頁（二級頁面）里，體驗下來，抖音的搜索功能的體驗比快手更好，快手也是避短了。以上從本質上說，都是為了給用戶提供更好的產品體驗。

（左：抖音，右：快手）

搜索算法

搜索icon背后的邏輯是通向“理想結果”的通道，大致分為四步：

1. 用戶輸入內容（稱“query”）
2. 分析用戶搜索意圖
3. 根據用戶輸入的信息對內容進行篩選召回
4. 對召回后的結果進行排序

Step1：用戶輸入內容

用戶在搜索框輸入的內容，常見的是文本，現在也有圖片、語音的方式。

在搜索框內設置“引導暗文”屢見不鮮，它既可以教育新用戶可以搜索哪些關鍵詞（如下左圖），也可以承擔運營推廣、商業化的職能（如下右圖）。

（左：多抓魚，右：美團）

用戶有時候會重復搜索同一內容，保留搜索歷史就顯得有必要了。移動APP的搜索歷史記錄大致有兩種展示樣式，列表式和按鈕式，按搜索時間倒序排列，超過顯示條數會被折疊。搜索歷史刪除功能有單條刪除或一鍵清除兩種。

搜索歷史記錄下常配有熱門推薦、特色欄目、話題榜等運營模塊。在資訊APP中，以熱度榜最為常見，以“標題+熱度值或熱度角標”的方式出現，讓用戶能快速了解當前的熱點從而點擊感興趣的內容進入“消費場景”。

這些模塊涉及各自的排序算法或業務邏輯，其中蘊含商業化和運營價值，如在熱議榜中穿插運營活動或廣告或搜索掛件，但要注意熱度和體驗的合理性，避免出現突兀感降低用戶的信任感和體驗感。

（資訊APP搜索頁面截圖）

如果內容類型較多，產品會傾向于先讓用戶限定范圍再搜索，使搜索結果更精準，如微信搜索（如下左圖），也有的APP是在搜索結果上做分類，如資訊APP（如下右圖）。

（左：微信，右：今日頭條）

除了歷史搜索，有沒有其他提高用戶輸入效率、降低輸入錯誤率的辦法？

自動補全是不錯的方法。這是基于產品定位或基于用戶行為/畫像的聯想部分，對于前者的理解，如用戶在京東APP上搜索水蜜桃，用戶是想購買水蜜桃，而不是想搜索水蜜桃的百科；對于后者的理解，如用戶先前瀏覽過陰陽師手辦，當他在搜索框輸入“陰陽師”的關鍵詞時，“陰陽師手辦”會是自動補全的首選。

（自動補全示例）

另外，當用戶點擊搜索按鈕后，若需要等待搜索結果，需要有加載提醒的標識，避免用戶認為搜索功能無響應。

Step2：分析用戶搜索意圖

對用戶搜索意圖的分析涉及分詞和詞語處理。

分詞也稱“文本詞條化”，但總的來說用戶更傾向于輸入“連衣裙 藍色”代替“我想要買一條藍色的好看的連衣裙”。分詞依賴分詞庫和詞性判斷，前者需要維護一個和產品定位相匹配的詞庫（市面上已有很多開源且豐富的詞庫）， 詞庫的維護涉及新詞發現，從大數據的分析可以將新詞發現的流程自動化，人工抽檢即可，例如詞語“中國有嘻哈”是2017年才有的新詞，代表一檔Hip-hop音樂選秀節目。而詞性判斷涉及用詞性庫和上下文去分析詞語的詞性。

詞語處理包括停用詞過濾、同義詞/近義詞轉換、詞條歸一化、自動糾錯等。

停用詞過濾指剔除“的”、“了”這類無意義的詞或字，主要是通過詞或字出現頻次判斷，市面上也有可用的停用詞庫。

用戶在使用搜索的時候難免會有輸錯關鍵詞或表意不清的情況，這時候理解用戶搜索意圖需要“自動糾錯”，主要是通過噪聲信道模型去糾正用戶的錯誤輸入，糾錯的類型一般有：

1. 同音糾錯；
2. 形似字糾錯；
3. 多字、少字、錯別字、順序錯誤；
4. 模糊音糾錯，對英文輸入來說，還有大小寫歸一化、詞形時態的糾錯等。

結果頁頂部最好保留疑似錯誤關鍵詞的搜索結果入口，避免機器誤判損傷產品體驗。

（百度搜索“自動糾錯”示例）

Step3：根據用戶輸入信息對內容進行篩選召回

在對內容進行召回前，我們需要通過索引去連接內容，就像查字典時用的查字目錄。搜索的索引是倒排索引（inverted index），可以簡單理解為“需要根據屬性的值來查找記錄”。

以電商為例，如下圖：

（倒排索引示例）

召回內容時一般根據相似度分值擇優召回。以資訊APP為例，即計算關鍵詞和文章的相似度，通常是通過tfidf算法計算關鍵詞和文本的相似度（標題、摘要、正文等不同文本有不同權重）或通過embedding（向量化）召回。

Step4：對召回后的結果進行排序

排序可以考慮內容靜態分，評論、點贊、收藏等業務數據可以是影響最終score的因素。如果有個性化部分（如電商），機器會基于用戶畫像，在召回和排序的時候將用戶可能最關心的內容優先召回和排序。重排環節加上業務邏輯，如商業化廣告、運營活動等，該次搜索的結果展示list就準備好了。

對于時效性要求比較強的產品，如資訊APP，還需要加上一個時間衰減因子，避免將老舊內容先推出。

Step5：搜索結果展示

搜索結果展示頁，常規的是根據相似度計算+業務邏輯的“關鍵詞推薦”，另一種是“聯想推薦”，適合的場景有：

1. 在沒有搜索結果或搜索結果較少的情況下“拓展”推薦，總比一個空白頁好；
2. 除正常的搜索結果外，補充根據用戶畫像匹配的內容（用戶感興趣的概率高）或通過大數據計算出來的內容，作為一種兜底策略；
3. 承擔某些運營功能。

另外，在搜索結果頁的一個小技巧，對命中關鍵詞的文字進行高亮顯示，讓搜索結果更加“一目了然”。

（資訊APP搜索“慶余年”，結果展示頁）

搜索指標

以資訊APP為例，我們來看看搜索優化的核心目標、觀測指標和算法評估指標。

核心指標：搜索成功率=有點擊的query次數/總query次數（成功的定義可以是一次搜索后有消費行為，如滿足時長指標的點擊等）

全鏈路指標：

搜索算法評估指標：NDCG（詳細請看上一篇《做推薦業務，這4種機器效果測評方法你應該知道》）

搜索商業化

目前市面上常見的搜索商業化有：

1. 搜索框引導暗文
2. 搜索框皮膚
3. 搜索熱門榜單
4. 熱門搜索掛件
5. 搜索結果頁優先推薦
6. 搜索彩蛋

（左中：京東，右：淘寶）

這些位置多以CPM（Cost Per Mille）和CPC（Cost Per Click）的方式進行廣告合作，常見的付費方式還有CPD（Cost Per Download）、CPA（Cost Per Action）、CPP（Cost Per Purchase）等等。

對“搜索”后續發展的看法

目前資訊APP的搜索較少個性化（電商搜索有部分個性化），主要是基于NLP去設計開發搜索功能。隨著大數據和機器學習的發展，搜索的技術和功能設計也將會在NLP基礎上，利用用戶行為數據，往理解用戶（query understanding），搜索延展（query expansion ）、搜索推薦（query suggestion）縱深，如深度學習模型訓練、Learning to rank，如根據用戶搜索后的點擊行為選擇訓練集等等，從而設計出更“貼心懂你”的搜索。

我們通過幾個問題感受下這種趨勢：

• 如果一次搜索無消費行為，二次搜索策略將如何優化？
• 從大數據上看，某個關鍵詞的搜索結果中，大多數用戶傾向于點擊一個相關性不如前排的內容，是否可以使用這類數據優化相關性的限制？
• 用戶在搜索結果頁點擊內容A后大概率會點擊其下的相關內容B，這種用戶行為數據能否用在搜索的優化上？
• 一個喜歡吃蘋果和一個喜歡使用蘋果手機的用戶，他們某些關鍵詞的搜索結果會一模一樣嗎？

本文由 @張小喵Miu 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。