垂直搜索引擎和個性化推薦都有哪些特點？在實際應用中二者又有何關聯？文章為您解讀。

既談垂直搜索引擎和個性化推薦，就繞不開AI。AI已是眾人皆知，雖源于AlphaGo大聲在圍棋界一戰成名，但人工智能的熱門商業應用則是無人駕駛、百度和Google這樣的搜索引擎、讓今日頭條發家致富的個性化推薦等。

而上述這三者，無人駕駛聲名遠揚憾在未正式商用普及大眾，而其他兩個則滲透在我們生活的方方面面。

搜索自不必多說，不懂就問是我們對搜索最基本的了解和訴求。而個性化推薦則不因個人意志為轉移，因為商品被推薦與否，哪些商品被推薦，我們沒有決定權。

今天就來說一說“搜你所想”的垂直搜索引擎和“想你所想”的個性化推薦引擎的應用邏輯。

垂直搜索引擎的應用三階段

大多數人對于搜索引擎的第一反應可能都是Google或百度，因為我們習慣了在百度主動查詢一些內容，而對方也幾乎達到了有求必應的能力。而這不是我們今天所要講述的垂直搜索引擎。

垂直搜索引擎是網站/APP里提供的搜索窗口，讓用戶通過搜索關鍵詞就直達目標內容。比如淘寶里搜索“書包 男士 雙肩”，搜索結果的展現幾乎與搜索詞無異。在資訊類APP里搜索“香港”會出現與之相關的大量新聞。

如果稍加留意和思考的人，可能會想搜索“香港”出來的結果會是怎樣？這便是搜索引擎的奧妙所在。你的只字片語所能獲得的結果滿意度，是搜索引擎能優良與否的一個標準。在我看來，搜索包括三階段：搜索詞輸入階段、搜索結果展現階段、搜索結果自定義調整階段。

就以搜索“香港”為例說明垂直搜索引擎的三階段。

階段一：搜索詞輸入階段是用戶表達意愿需求的階段

用戶在搜索框中輸入香港的過程中可能會錯誤地輸入為“xiang gang”、“xiagngang”等，此時搜索引擎需要做的就是對搜索詞進行語義分析識別用戶搜索意圖進行自動糾錯，也就是明白用戶想要的是什么，力求做到“用戶可以寫錯，不能答錯”。而與此同時，搜索框下方會出現一系列與“xianggang”相關的提示詞，例如“香港20周年晚會”、“香港20周年閱兵”等與“香港”相關的內容，減少用戶輸入時間，提高用戶的輸入效率。

階段二：搜索結果展現階段

此處必須引出兩個概念：召回率和搜索精度。

召回率（recall）就是是否把用戶想要的東西都搜出來，網站明明有此產品卻沒有出現在搜索結果中，就是召回率不足的表現。

而搜索精度（precision）就是搜索出來的東西是否是用戶想要的。用戶在搜索提示中點擊“香港20周年晚會”，那么出現的搜索結果應該與之相關，且全部搜索出來。

“智能排序”又是一個不得不提的概念，給用戶返回的搜索結果中，與香港20周年晚會相關的最優質的搜索結果是否排在最前。

階段三：搜索結果自定義調整階段

此時就是用戶根據自己的意愿進行搜索結果排序和篩選。比如只想看近11小時內的”香港20周年晚會”發布視頻，這就是一個用戶對搜索結果篩選的過程，可以更快更好地找到目標搜索結果。

前面已說過垂直搜索引擎的三個應用階段，下面來說一說怎么個性化推薦的應用。

個性化推薦應該只顧個性還是多樣化推薦？

今日頭條僅憑一個非常簡單的移動產品就可以迅速攀升到資訊類第一的地位，得益于其領先的個性化推薦技術，其定位“你關心的，才是頭條”足以反映個性化推薦戰略對今日頭條的意義。淘寶網更是將個性化推薦發揮到極致，首頁的每一個模塊都是個性化的影子，幾乎是想把每位用戶沉溺在里面。

即便今日頭條和淘寶這兩款產品已經有了關于我比較完善的用戶畫像，能夠根據我的喜好進行推薦，但是我的使用率卻越來越低。究其原因，如下兩點：

1. 不具備多樣性，拿今日頭條來說，我只是在這一刻喜歡看軍事新聞而已，但記下來的推薦內容一直是軍事新聞，居心何在？
2. 不能帶給我驚喜。那淘寶來說，我現在想買條褲子，但并不代表我對好看的上衣沒興趣，所以推薦中如果有讓我眼前一亮的上衣，我會選擇多逛一會。

因為優秀的個性化推薦并非用戶看過什么就接下來推薦什么。而需具備多樣性和新穎性，讓用戶有驚喜感，而這遠比簡單的同類推薦要復雜。無論是資訊還是電商產品，有些用戶在“閑逛”時會帶有一些盲目性和消遣性，此時富有驚喜感的產品被推薦可以大大提升用戶的好感度。

所以優秀的推薦引擎必須建立在多樣性、新穎性的基礎上，用數據來調整策略，而不是單純著眼于當下進行單一類型推薦。

尤其需要注意的一點，對于資訊類產品而言，所推薦產品的時效性也是個不可忽視的因素。

資訊類產品如果想要依靠個性化推薦提升用戶粘性，增加付費轉化，必須明確在哪個場景使用個性化推薦是適當的，是首頁的信息流推薦、詳情頁的相關推薦還是其他使用場景，依靠數據來調整個性化推薦的使用策略。另外，多樣性推薦是可以根據占比由企業自行決定的，當然這也需要數據對比支撐不斷調整占比，而時效性的資訊也可以根據統計的數據進行合理排布。

垂直搜索引擎和個性化推薦二者相輔相成

搜索和推薦雖然有很多差異，但兩者存在著大量的融合。越來越多的搜索引擎會結合推薦系統的結果，而“相關搜索詞”就是推薦系統的產物。比如在一些平臺型電商網站中，由于結果數量巨大，且相關性并沒有明顯差異，因而對搜索結果的個性化排序有一定的運作空間，這里融合運用的個性化推薦技術也對促進成交有良好的幫助。

推薦系統也大量應用用了搜索引擎的技術，搜索引擎解決運算性能的一個重要的數據結構是倒排索引技術（Inverted Index），而在推薦系統中，一類重要算法是基于內容的推薦（Content-based Recommendation），這其中大量運用了倒排索引、查詢、結果歸并等方法。另外點擊反饋（Click Feedback）算法等也都在兩者中大量運用以提升效果。

作者：Sarah

本文由 @Sarah 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