編輯導讀：本文作者從去4S店選車的案例出發，對二手車搜索設計項目進行了復盤。從發現問題到制定目標，作者對相關步驟展開了詳細梳理，并對過程中遇到的問題進行了分析總結，供大家一同參考學習。

01?搜索就像你去4S店選車

舉個例子，你去4S店想買一輛黑色的寶馬X6，銷售人員查閱庫存后告訴你店里沒有黑色的了，只有雪山白你要不要？你在猶豫到底買還是換一家時，銷售人員開始給你洗腦，說雪山白顏色雅致，適用于多個場合，也保值。你心動了于是買下了雪山白的。

這個例子中，你去買黑色寶馬X6，銷售人員告訴你沒貨就像你使用搜索一樣，輸入黑色寶馬X6，搜索結果返回為空的頁面，但是這時候系統智能的給你推薦了其他顏色的同車系的車，并且給出了一些推薦理由去引導你購買。這個就是推薦。

你看不見的搜索

而這只是你看到的搜索表象，銷售人員查閱庫存的這個過程，轉換到搜索中就是后臺在進行Query分析等步驟，通過分析你的搜索詞給予你信息的反饋。

通過Query分析、切詞、倒敘索引、排序，最后將信息傳達給前端展示。

還是剛才的例子，你的搜索詞是黑色的寶馬X6，搜索會先將搜索詞進行切詞，拆成一個個詞組或者單字，顏色：黑色、非必留：的、品牌：寶馬、車系：X6。將這些詞進行倒排索引查找，找到和這些詞相關聯的信息進行排序然后進行展示。當然這個相關聯是我們人為進行干預或者優化的。在你原本的搜索詞基礎上會給與多個詞相關聯的內容進行展示。

由此我們得出用戶獲取信息的兩種方式-搜索引擎&推薦系統，通過這兩種方式我們獲取到用戶的搜索信息，并且人為的給與用戶各種結果的展示。

02?二手車搜索的問題

將4S店的流程搬到線上來看二手車的流程問題，通過漏洞數據我們發現二手車的搜索轉化比同期整體業務轉化低了40%，經過篩選的轉化率是要高于業務的整體轉化的，那么哪里沒有做好引起的搜索轉化差呢？

1. 另辟蹊徑-搜索詞場景還原

想要發現問題還是需要從問題的根源-用戶的搜索詞開始。

搜索詞是用戶使用搜索后留下的最好證據，將搜索詞帶入搜索場景，進行場景還原，通過專家視角發掘搜索隱藏的問題。

將搜索詞進行篩選和隨機取樣后我們取得了500條樣本數據。因為二手車存在很嚴重的地域性，相同的搜索詞在不同城市會出現不同的展示結果。將搜索詞分城市進行梳理，確保樣本的準確性、多樣性和地域性。

我們得出用戶日常的搜索詞主要分為兩大類：

目標明確型：對于搜索內容有明確指向，涉及品牌車系或價格等組合詞；

• 組合詞：主要為品牌+車系、品牌+車系+年款、車系+年款、價格+品牌、顏色+車系、里程+品牌+車系等詞匯；
• 品牌車系:根據城市不同用戶搜索的二手車品牌和車系也會不同；

目標模糊型：搜索內容沒有明確品牌車系，搜索結果內容混合多種信息；

• 車型/用途：家用二手車、三廂車、練手車等；

這些信息的占比也暴露了一個嚴重問題，用戶對于品牌車系年款沒有較為明確的目標，只是在盲目的嘗試搜索能夠給TA帶來的反饋是否符合TA的預期。

通過將搜索詞代入搜索場景，我們在每個節點都發現了很多問題，這些問題在一步步的阻攔用戶的搜索。

1. 搜索框：搜索的門戶搜索框引導文案是千篇一律的“請搜索品牌車系”缺少引導性和差異性，沒有給用戶帶來更多的有效信息，難道用戶不知道搜索框是用來搜品牌車系？我們告知用戶的不應該是這么簡單的答案。
2. 搜索頁:拋去鍵盤覆蓋的范圍，我們有60%的頁面可以展示更多有效信息，但是我們的頁面卻很“干凈”，“干凈”到用戶只能去使用搜索框，或許我們可以做些什么。
3. 聯想詞：通過搜索詞代入，一個重災區暴露了出來，聯想詞的推薦種類少、無意的聯想詞、無語義拆分傳導到結果頁的結果信息少而不準確。
4. 結果頁：因為上一個環節的“災難”結果頁的信息展示在召回率和搜索精度上都出現了問題。并且根據搜索詞還會出現一個“攔路虎”二級篩選。

03?制定設計目標

梳理完這些問題，我們的目標很明確了，教育目標模糊型用戶，并逐漸向目標明確型引導，對于目標明確型用戶推薦更精準的內容，優化搜索的邏輯提高搜索效率。帶著目標去解決問題。

1. 搜索框-教育用戶搜什么

搜索框，在這樣狹窄的空間內，我們是否可以提供更多的信息展示以及引導？

推薦詞輪播機制，在有限的空間展示多種類型的推薦詞，教育用戶可以搜索哪些內容，以及將平臺的更多豐富推薦信息展示給用戶。

2. 搜索頁-推薦系統的主場

通過搜索點擊進入搜索的大廳-搜索頁，二手車的搜索頁就像一張白紙一樣，只有一個搜索歷史和一個全國人民看到的都一樣的推薦車系。這樣一來推薦就沒有任何意義了。

那么我們到底要推薦給用戶什么信息呢?

通過梳理用戶搜索詞我們整理出了用戶常用的搜索詞類型和組合，我們以這些詞為模板設定了很多推薦詞組合，結合用戶畫像，方便用戶去搜索以及教育用戶可以使用哪些組合詞滿足他們的搜索場景，減少“錯誤”的搜索詞帶來的少無結果。

同時這些組合的推薦詞還縮短用戶操作路徑，通過點擊推薦詞可以直達結果頁并同步篩選器，還可以教育用戶使用篩選器一舉兩得。

智能推薦的另一種展現形式-權威榜單是我們的一次新的嘗試，58二手車多年來持續積累二手車相關的大數據集合。并結合自身的智能推薦機制給與用戶更多維度的選車建議。結合用戶畫像我們將優質內容呈現給用戶，表現專業性占領用戶心智。提供了更多根據觸達&商業推廣能力。榜單標題和內容的高擴展性，還可以推廣更多業務線。

經過這一系類的優化，我們的推薦系統慢慢的豐富了起來，針對用戶畫像推薦更符合用戶搜索習慣的推薦詞組合，針對目標模糊型用戶還推出了權威的榜單設計。

3. 聯想詞-邏輯優化是靈魂

通過聯想詞可以縮短用戶的操作路徑，以及通過聯想詞推薦提升用戶獲取信息的效率。

在聯想詞推薦部分，底層的Query分析結果關系到前端信息的展現維度和顆粒度。針對聯想詞關聯性差和類型少，我們對聯想詞做了一系列細致的優化，豐富了聯想詞詞類型和信息的關聯度。

在別字的識別、近義詞解析方面我們制定了新的走查機制，定期會抽查少無結果搜索詞，針對少無結果的搜索詞進行機制上的優化。

4. 結果頁-減少搜索路徑+搜索精度三連擊

在現有的搜索邏輯中針對車類型搜索是有一層二級篩選的，加長了用戶的搜索路徑，而且這類搜索詞占到了整體搜索詞的40%。我們決定砍掉這層篩選。把類型選擇放到了結果展示頁，這將減少用戶的篩選成本。對于分類較為模糊的車型可以方便的進行切換。召回的結果更多。

搜索結果精度再精度：用戶搜索到的信息有時是一個很龐大的數據，或者說是一個需要用戶繼續二次處理的數據，對于這些數據我們是否可以幫助用戶處理？或者給出更多維度的篩選幫助TA快速在這些數據中得到自己想要的結果。

針對用戶不同類型的搜索詞給出了不同維度的二次篩選建議，對于車型類搜索詞我們給出品牌類推薦。如果用戶搜索品牌我們會給出車系推薦并且結合平臺統計的關注度提升了推薦可信度，對于車系類搜索詞我們給出了價格維度的篩選，并且進一步對價格給出平臺庫存展示，方便用戶對結果的初步預判。通過和常規的篩選器聯動，對于獲取信息是更進一步的加工。

對多類型搜索詞負責：58二手車車源豐富還會和當地二手車市場進行合作提供更多有保障的二手車源，對于搜索二手車市場以及店鋪我們提供了專項的信息卡片展示，能夠讓用戶更方便很準確的獲取到多維度的信息。

04?總結一下

從用戶搜索詞出發，進行搜索場景還原。發掘并解決整個搜索鏈路中每個節點帶來的搜索難題，教育目標模糊型用戶，并逐漸向目標明確性引導，對于目標明確型用戶推薦更精準的內容。

整個項目是非常龐大的涉及了整個二手車的搜索模塊，其中還有很多功能模塊還沒有完成開發上線，后續我們會持續跟進優化，逐漸完善我們的推薦邏輯和搜索邏輯。

以上感謝閱讀。

作者：劉明倫，設計師

本文來源于人人都是產品經理合作媒體@58用戶體驗設計中心（微信公眾號@58UXD），作者@劉明倫

題圖來自Unsplash，基于CC0協議