從0到1搭建策略產(chǎn)品系列:搜索

1 評論 1469 瀏覽 21 收藏 12 分鐘

本文作者將詳細(xì)解析如何從0到1搭建一個高效的搜索策略產(chǎn)品,深入探討用戶流量結(jié)構(gòu)、搜索場景介紹、搜索核心流程,以及索引構(gòu)建等關(guān)鍵環(huán)節(jié),幫助讀者理解搜索策略產(chǎn)品的構(gòu)建過程和核心要素。

思考一個問題:什么是當(dāng)前最主流的策略產(chǎn)品方向?

無疑就是搜索和推薦了。

大家可以仔細(xì)觀察一下,目前互聯(lián)網(wǎng)產(chǎn)品,基本99%會有搜索和推薦場景。

為什么?這還要從每個業(yè)務(wù)的用戶流量結(jié)構(gòu)說起。

一、用戶的流量結(jié)構(gòu)

其實,對于一個用戶端產(chǎn)品來說,當(dāng)一個用戶進(jìn)入你的產(chǎn)品,那么基本可以分為兩種類型:無非就是有明確需求的用戶和沒有明確需求的需求。

因此,基于這個出發(fā)點,典型的電商為代表的業(yè)務(wù),在他們的APP內(nèi)以綜合流量分發(fā)為主的首頁基本上都是采用一樣的流量分發(fā)思路,總體結(jié)構(gòu)下圖所示:

比如京東,淘寶,美團(tuán)等等。

為了盡快滿足有明確需求的用戶,搜索在最頂部,下面的垂直業(yè)icon,比如超市、服飾,電器等等,其實也都是為了滿足更加聚焦,且明確的用戶需求;

對于沒有明確需求的用戶,他們會繼續(xù)下滑,那么這部分流量基本上是以個性化推薦feed流來進(jìn)行承接。

因此,其實對于策略產(chǎn)品來講,了解如何搭建一個推薦系統(tǒng),以及搭建一個搜索系統(tǒng),基本上能夠cover大部分策略場景。

今天我們一起來看一下如何從0到1搭建一個搜索策略產(chǎn)品。

二、搜索場景介紹

搜索的產(chǎn)品場景都有什么?通常大多人認(rèn)為的搜索就是一個搜索框。

其實不然。

搜索常見的產(chǎn)品場景主要包括三種:搜索框、搜索中間頁和搜索結(jié)果頁,具體到每種場景下又可以細(xì)分為很多小場景:

  • 搜索框:搜索框,框下詞,框內(nèi)暗紋
  • 搜索中間頁:搜索聯(lián)想詞、搜索直達(dá)、歷史搜索詞、熱門搜索詞、搜索推薦
  • 搜索結(jié)果頁:頂部直達(dá)、排序篩選、搜索結(jié)果feeds流、穿插廣告位、banner位等等

但是,不管是在哪個場景,他們每一個追求的根本目標(biāo)都是一樣的,都與搜索的核心目標(biāo)保持高度統(tǒng)一:那就是滿足目標(biāo)明確的用戶訴求,起一個精準(zhǔn)流量分發(fā)的作用,促成快速成交。

所以我們在各場景下制定具體策略也是從這個核心目標(biāo)出發(fā),以此為前提進(jìn)行策略需求可行性的判斷。

三、搜索核心流程

接下來我們看一下,搜索是怎么完成一個閉環(huán),以及我們?nèi)绾螐?-1去搭建搜索核心架構(gòu)?

其實搜索大家總體上可以理解它在做兩件事情:

  • 明確用戶在搜索什么
  • 給用戶展示什么東西

我們首先來看第一步,搜索是怎么知道用戶在搜索什么?

搜索一般是從用戶輸入關(guān)鍵詞的時候開始,也叫query。

當(dāng)我們拿到用戶輸入關(guān)鍵詞之后,需要對關(guān)鍵詞進(jìn)行處理,比如常見的分詞,屬性識別,并且最終把用戶想要搜索什么識別出來,這個就叫意圖識別。

通過意圖識別模塊,搜索基本知道了用戶在搜什么東西,比如牛奶,還是手機(jī)。然后根據(jù)它的判斷,接下來其實就根據(jù)這個意圖去找到符合意圖的物品。

四、索引構(gòu)建

存放物品信息的地方,叫做索引。通過了解用戶的搜索意圖,我們與物品池的物品進(jìn)行匹配,然后把滿足條件的物品取出來,這個過程叫做召回。

當(dāng)知道了給用戶展示哪些物品之后,很關(guān)鍵的一個流程就是這些物品以一個什么樣的順序給到用戶,這個很關(guān)鍵。排序靠前,意味著物品先被用戶看到,意味著得到更多的曝光,也意味著會獲得更多的轉(zhuǎn)化。

很多人在做搜索的時候,只關(guān)注召回和排序,其實索引層面往往才是我們?nèi)菀缀雎缘囊粋€點,在搭建搜索之前需要好好的進(jìn)行盤點,有助于高效,精準(zhǔn)的給到用戶想要的商品。

接下來我們重點看一下索引模塊。

1. 物品索引

在電商平臺上,我們通過搜索關(guān)鍵詞,找出我們想要的商品,這個搜索過程是怎么實現(xiàn)的呢?其中就是利用我們輸入的關(guān)鍵詞,去跟商品做匹配,從而展示給我們匹配的商品;那么這個過程會涉及到商品庫所搭建的索引。

2. 什么是索引?

在搜索引擎中,索引即是為了數(shù)據(jù)可以被檢索到,基于目標(biāo)內(nèi)容創(chuàng)建的一種存儲結(jié)構(gòu);用名詞理解,索引即為數(shù)據(jù)庫;用動詞理解,索引即是存儲一個文檔到數(shù)據(jù)庫中,使它可以被檢索到;

這里需要引入另外的索引概念:倒排索引。

那倒排索引又是什么?

倒排索引:實現(xiàn)比關(guān)系型數(shù)據(jù)更快的過濾。特別他對多條件的過濾支持非常好,可以提升數(shù)據(jù)檢索速度。

現(xiàn)代搜索引擎絕大多數(shù)的索引都是基于倒排索引來進(jìn)行構(gòu)建的,這源于在實際的搜索場景中,用戶往往在進(jìn)行查詢信息的時候,只輸入某個信息中的某個關(guān)鍵字;比如我們不記得電影的名字,通過某個電影片段進(jìn)行查詢;

面對這些海量的查詢信息,我們需要效率更快的查詢方式,也就是倒排索引;

有個簡單的例子來理解倒排索引的匹配方式:

請你說出帶有“月”字的詩句,并說出古詩名:

也就是說,如果匹配方式是正排索引,那么需要把每首詩從頭到尾都檢索一遍,命中再匹配相應(yīng)的詩名,這種方式效率會非常低;

3. 如何進(jìn)行索引搭建?

在搭建索引之前,需要對商品屬性進(jìn)行盤點,主要關(guān)注以下3點:

  • 現(xiàn)階段商品都有信息,商品打標(biāo)的方式是人工還是機(jī)器,覆蓋率和準(zhǔn)確率如何?
  • 用戶近x天搜索詞,相對應(yīng)的商品屬性是什么?哪些現(xiàn)在有,但沒有添加進(jìn)索引;哪些現(xiàn)在沒有,需要新增屬性。
  • 商品屬性,哪些是重要的,哪些是次要的;

以上三點主要圍繞著用戶需求來進(jìn)行,商品屬性準(zhǔn)確與否直接關(guān)系到用戶體驗,比如搜索“V領(lǐng)連衣裙”,其中有個商品標(biāo)題寫著V領(lǐng),實際是方領(lǐng),在用戶感知層面除了搜索不準(zhǔn)確,還會消耗平臺的公信力;

那么,在盤點好以上三點之后,可以把商品屬性進(jìn)行索引分類,整理成商品畫像,需要區(qū)分主次(主要用于召回);規(guī)整之后即可添加進(jìn)搜索引擎;如果覆蓋率與準(zhǔn)確率較低,需要同時優(yōu)化商品信息的覆蓋率與準(zhǔn)確率;

圖示:服裝商品畫像

4. 關(guān)于商品畫像

商品畫像是商品屬性的集合,它能表述一個商品有什么特征。

比如常見的商品屬性有品類、領(lǐng)型、袖長、廓形,那集合起來的就是一個商品的畫像,它表述的是這個商品的特征,比如說長袖V領(lǐng)的T型連衣裙

說起商品屬性,有些讀者會很疑惑,比如說:商品屬性的維度應(yīng)該怎么劃分?我應(yīng)不應(yīng)該把商品屬性給功能化?或者說,商品屬性需要支撐到什么程度?

先說說商品屬性的維度劃分,商品屬性維度應(yīng)該怎么劃分應(yīng)該回歸到平臺具體的商品品類結(jié)構(gòu)以及業(yè)務(wù)形態(tài);比如說,平臺的業(yè)務(wù)就是主營服裝,那么在商品規(guī)格里面也就沒有手機(jī)商品的相關(guān)屬性,自然在劃分的時候也就有所區(qū)別;

那商品屬性的功能需要支撐到什么程度?

這里依舊需要回歸到業(yè)務(wù)場景,如果平臺業(yè)務(wù)是面對外部企業(yè),需要衡量標(biāo)簽的使用場景以及使用頻率;如果平臺業(yè)務(wù)面對的是內(nèi)部員工,需要和商品企劃的同學(xué)細(xì)聊商品企劃的場景,去衡量商品標(biāo)簽需要支撐的價值點:比如商品分析、抓款投放等等

商品屬性更新機(jī)制。根據(jù)業(yè)務(wù)情況制定更新機(jī)制,平臺活動較多,對商品信息更改較為頻繁,可以為即時更新機(jī)制;商品基本不變,可以為t+1更新機(jī)制等等。

總之,索引是搜索的基礎(chǔ),一個好的索引才能保證用戶搜索結(jié)果的準(zhǔn)確性和有效性。一個很典型的常見是當(dāng)你的無結(jié)果率很高的時候,大概率是索引出現(xiàn)了問題。

本文由人人都是產(chǎn)品經(jīng)理作者【夏唬人】,微信公眾號:【策略產(chǎn)品夏師傅】,原創(chuàng)/授權(quán) 發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)許可,禁止轉(zhuǎn)載。

題圖來自Unsplash,基于 CC0 協(xié)議。

更多精彩內(nèi)容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發(fā)揮!