“?本文主要結(jié)合作者的一些電商算法經(jīng)驗，以手淘搜索為例展開，介紹產(chǎn)品和訴求層面以及如何使用搜索入口來做用戶引導(dǎo)，后續(xù)文章會結(jié)合相關(guān)算法深入展開。”

作者：姚凱飛，Club Factory 推薦算法負責(zé)人碩士畢業(yè)于上海交通大學(xué)，前阿里推薦算法工程師，多年電商及視頻推薦經(jīng)驗，目前在出海電商Club Factory負責(zé)推薦算法工作。

出品：DataFunTalk

?

一. 概述

一個產(chǎn)品的搜索功能，是用戶快速觸達所需信息的通道，起到了引導(dǎo)用戶走向的重要作用；優(yōu)秀的產(chǎn)品必然有成熟、體驗良好的搜索功能。

國內(nèi)幾個大型電商公司基本每日都有較大的流量通過搜索產(chǎn)生成交，具有優(yōu)秀用戶體驗的搜索功能必然帶來巨大的商業(yè)收益。那他們是怎么讓你更快更好地找到你想要的東西呢？搜索入口很可能是用戶開始使用app的起點，搜索的易用性是影響產(chǎn)品初次體驗的重要要素。

本文主要結(jié)合本人的一些電商算法經(jīng)驗，以手淘搜索為例展開，介紹產(chǎn)品和訴求層面以及如何使用搜索入口來做用戶引導(dǎo)，后續(xù)文章會結(jié)合相關(guān)算法深入展開。

什么是用戶引導(dǎo)?

引導(dǎo): 帶著人們向某個目標(biāo)行動，在行動上幫助人們走出困境。

搜索引導(dǎo): 幫助用戶更快的完成搜索過程，找到目標(biāo)信息。

具體到電商: 幫助用戶找到所需商品，并達成交易。

0. 電商搜索核心要點

• 幫助用戶明確搜索意圖

• 節(jié)約用戶搜索時間

• 提高搜索體驗

• 完善健康商業(yè)生態(tài)

• 實現(xiàn)更高效的用戶與商品/商家的連接，進而獲得更高的營收

核心&本質(zhì)是理解用戶

特點:?搜索和推薦場景時效性強，千人千面，用戶興趣多變

用戶搜索流程:

用戶輸入搜索關(guān)鍵詞，搜索系統(tǒng)根據(jù)輸入信息，篩選出用戶可能喜歡的內(nèi)容，同時按照某種重要性進行排序并展示。簡單而言，搜索可以分為三步。

• 對用戶輸入搜索詞的解讀

• 根據(jù)搜索詞對內(nèi)容篩選

• 對篩選后的結(jié)果集排序并展現(xiàn)，并且根據(jù)用戶反饋進入新的搜索服務(wù)

1. 搜索前

搜索前

• 條件：對用戶當(dāng)前需求沒有顯式信息

• 定位：以推薦為主

• 典型產(chǎn)品：搜索底紋、搜索發(fā)現(xiàn) 、歷史搜索詞、熱門搜索詞

• 搜索物料：歷史搜索詞、短期&長期商品交互(點擊、加購、收藏、購買)、其他人的搜索及站內(nèi)行為

2. 搜索中

搜索中

• 條件：需求部分已知

• 定位：輔助查詢輸入

• 典型產(chǎn)品：查詢智能補全(SUG) /搜索聯(lián)想

• 搜索物料：短期&長期商品交互(點擊、加購、收藏、購買)、其他人的搜索及站內(nèi)行為

3. 搜索后

搜索后

• 條件：用戶完成搜索，已獲取結(jié)果列表，排序及展示結(jié)果頁

• 定位：輔助用戶修正結(jié)果或重新查詢

• 典型產(chǎn)品：相關(guān)搜索、篩選、泛詞引導(dǎo)/錦囊、搜索糾錯，搜索確認、搜索排序

• 搜索物料：搜索詞下類目重要屬性，短期&長期商品交互(點擊、加購、收藏、購買)、其他人的搜索及站內(nèi)行為

4. 分類

在用戶可感知層面，搜索詞推薦功能可以分為聯(lián)想類產(chǎn)品和無聯(lián)想類產(chǎn)品

4.1 聯(lián)想推薦產(chǎn)品

• 下拉提示：輸入部分query詞，聯(lián)想出完整query并推薦展示給用戶，降低輸入成本

• 錦囊：類目錦囊、屬性錦囊、知識錦囊、相關(guān)搜索錦囊

• 推薦合適的細分query，幫助用戶找到更合適的詞換詞搜索及收斂

4.2 無聯(lián)想推薦產(chǎn)品

• 底紋：導(dǎo)購類產(chǎn)品；定位為個性化的根據(jù)用戶歷史行為推薦合適的query促成收斂，或發(fā)現(xiàn)全新的query幫助用戶發(fā)現(xiàn)和種草

• 搜索發(fā)現(xiàn)：導(dǎo)購類產(chǎn)品；根據(jù)歷史行為推薦相關(guān)query促成收斂

5. 技術(shù)方案

搜索算法與業(yè)務(wù)訴求和搜索路徑結(jié)合，設(shè)計更適合用戶的才能做到更好的用戶引導(dǎo)。

本節(jié)以手淘搜索元涵老師的總結(jié)作為結(jié)尾：

“從2013年起，淘寶搜索就進入千人千面的個性化時代，搜索框背后的查詢邏輯，已經(jīng)從基于原始Query演變?yōu)椤綫uery+用戶上下文+地域+時間】，搜索不僅僅是一個簡單根據(jù)輸入而返回內(nèi)容的不聰明的“機器”，而是一個能夠自動理解、甚至提前猜測用戶意圖（比如用戶瀏覽了一些女士牛仔褲商品，然后進入搜索輸入查詢詞“襯衫”，系統(tǒng)分析用戶當(dāng)前的意圖是找女性相關(guān)的商品，所以會展現(xiàn)更多的女士襯衫，而不是男生襯衫），并能將這種意圖準(zhǔn)確地體現(xiàn)在返回結(jié)果中的聰明系統(tǒng)，這個系統(tǒng)在面對不同的用戶輸入相同的查詢詞時，能夠根據(jù)用戶的差異，展現(xiàn)用戶最希望看到的結(jié)果。變化是時刻發(fā)生的，商品在變化，用戶個體在變化，群體、環(huán)境在變化。在搜索的個性化體系中合理地捕捉變化，正是搜索要去解決的課題。”

——阿里資深算法專家元涵

二. 搜索前

“搜索是用戶把控方向及自由度的信息入口，尤其是當(dāng)用戶無法在產(chǎn)品上通過瀏覽找到想要的東西。”

在進行搜索功能的設(shè)計時要以簡單、高效為核心目標(biāo)，搜索即服務(wù)。電商搜索從大的架構(gòu)或流程上來說，與通用搜索引擎有非常多的相似之處。包括對數(shù)據(jù)的收集、分析、索引，進而根據(jù)用戶的搜索詞在搜索引擎中檢索，完成商品與搜索詞之間的相關(guān)度評價，最后對結(jié)果進行排序展現(xiàn)，并實時響應(yīng)用戶的相關(guān)行為和篩選反饋。

根據(jù)搜索的過程，可以拆解用戶的搜索流程如下：搜索入口-搜索觸發(fā)-內(nèi)容輸入-點擊搜索-反饋結(jié)果。我們從這個流程的各個環(huán)節(jié)上來看三大電商的搜索功能，進行對比分析。

對比是個學(xué)習(xí)與分析的好方法，接下來的若干章節(jié)將從上述各個環(huán)節(jié)展開，主要介紹國內(nèi)top3電商為主，所以分別以拼多多、淘寶、京東的搜索功能為切入點進行對比，并給出相關(guān)技術(shù)方案。

本文從前兩個環(huán)節(jié)來進行介紹，搜索前(搜索入口-搜索觸發(fā)):

1. 搜索入口放在哪

一級tab(拼多多)

頂部中間搜索框(淘寶,京東,天貓)

搜索入口吸頂(淘寶,京東,拼多多,移動)

頂部右側(cè)放大鏡icon(移動)

入口舉例

這里沒有找到將頭部右側(cè)icon作為搜索入口的電商，所以找了非電商的例子(移動)。

分析:幾乎所有大型電商對搜索入口定位均較高，給了相當(dāng)重要的位置，尤其是拼多多給了一級tab作為用戶的搜索入口，但首頁取消了搜索入口；并且在搜索入口展現(xiàn)層面均設(shè)置了吸頂(下滑操作不會讓搜索框消失)，拼多多搜索入口在一級tab下吸頂。搜索位置體現(xiàn)了產(chǎn)品對搜索功能的定位問題。

2. 搜索觸發(fā)

a. 觸發(fā)前

默認底紋:內(nèi)容前置，用戶在不輸入搜索詞的情況下直接得到想要搜索的詞

常見情況:商品名稱關(guān)鍵詞，類目詞，品牌詞，特定活動

底紋推薦-產(chǎn)品

底紋推薦技術(shù)方案

極簡版:

運營人工配置

統(tǒng)計版:

熱門搜索詞、熱門品類、熱門活動

簡單模型版:

實時對用戶最近一次的點擊/收藏/加購/搜索詞，使用自然語言處理進行關(guān)鍵詞、品類詞、活動提取，并在搜索框內(nèi)顯示。這里涉及文本處理詞性識別和命名實體識別(NER,把無結(jié)構(gòu)文字轉(zhuǎn)變?yōu)橛薪Y(jié)構(gòu)文字)，核心詞(名詞)、形容詞(屬性/標(biāo)簽等)提取過程，可以考慮基于規(guī)則或統(tǒng)計的詞性標(biāo)注(HMM)。

詞性識別-來自《郎君-NLP技術(shù)的應(yīng)用及思考》

實體打標(biāo)詞性識別-來自《郎君-NLP技術(shù)的應(yīng)用及思考》

復(fù)雜模型

embedding方法

生成式:?seq2seq，通過將用戶的近期n-1個時間步內(nèi)的行為序列輸入rnn模型(lstm)，生成預(yù)測未來第n時間步的行為，可以考慮將商品標(biāo)題，屬性，用戶特征/標(biāo)簽一同輸入訓(xùn)練user embedding，然后在用過一個decoder對其進行解碼。

用戶行為序列

生成式-user-embedding-《云棲社區(qū)-query生成與推薦》

生成式-query generate-《云棲社區(qū)-query生成與推薦》

檢索式:?user與query embedding到同一個向量空間中,并最終計算兩者的相似度，最終將與用戶相似較高的topN進行召回，并使用模型預(yù)估意圖及轉(zhuǎn)化最高的query作為底紋。

檢索式-《云棲社區(qū)-query生成與推薦》

doc2vec和word2vec方式對用戶和query進行embedding，query的文本為搜索曝光日志中此query下轉(zhuǎn)化最高的n個商品(tittle,描述等)，user的文本則為用戶近期行為交互相關(guān)商品的文本(tittle,描述等)，使用doc2vec或word2vec進行訓(xùn)練，最終產(chǎn)出query及user的embedding vector。

query及user的doc構(gòu)建

檢索式向量召回性能開銷大，一般現(xiàn)在外層使用聚類模型進行一級查找，確定一級簇以后再進行二級查找。

• 對候選集合使用kmeans聚成n個簇

• 遍歷n個簇中心查找余弦距離最近的topM個類

• 然后遍歷topM個簇中的點獲取topK個相似

• 最后使用一個對目標(biāo)建模的模型找出得分最高的搜索詞作為默認詞

b. 觸發(fā)后，輸入前

觸發(fā)搜索框后，在絕大數(shù)電商搜索產(chǎn)品中均有不同程度的搜索推薦版本，對于業(yè)務(wù)來說，這是cross sale的方式。常見的有搜索歷史、熱門搜索、搜索發(fā)現(xiàn)，并且除了搜索歷史，熱門搜索和搜索發(fā)現(xiàn)一定程度上需要做語義歸一化，避免浪費坑位，如“白褲子”與“褲子 白色”。

熱門搜索發(fā)現(xiàn)-產(chǎn)品

搜索歷史

搜索歷史的功能建立在一定假設(shè)的基礎(chǔ)上，假設(shè)用戶使用搜索具有一定重復(fù)性。搜索歷史幫助用戶快速檢索歷史需求，快速進行回放。并且通過數(shù)據(jù)分析可以發(fā)現(xiàn)，搜索歷史的query詞更加高頻，轉(zhuǎn)化也比其它搜索推薦詞轉(zhuǎn)化高；所以歷史搜索一般更靠近搜索框，并且搜索詞按時間先后順序由近及遠，數(shù)量過多時會進行折疊或只保留N個，用戶有清空歷史搜索詞的選項。

熱門搜索詞

通過已有用戶的搜索日志，進行數(shù)據(jù)分析，選擇將高頻&高轉(zhuǎn)化搜索詞進行展現(xiàn)，便于用戶冷啟動/意圖冷啟動進行篩選。這一過程中也有運營同學(xué)的參與，如大促熱門活動主題。熱門搜索推薦詞應(yīng)避免長尾，應(yīng)盡量高頻、寬泛、多樣。

注:用戶冷啟動一般指新用戶，意圖冷啟動指用戶之前未有的需求。

搜索發(fā)現(xiàn)/搜索詞推薦

這一板塊使用了千人千面，更加個性化。并且很多時候有換一批的功能，可以讓更多內(nèi)容有曝光機會。由于有搜索歷史的存在，所以搜索詞在個性化的同時，應(yīng)盡量避免與搜索歷史欄出現(xiàn)語義重復(fù)，提供更有價值的搜索詞，從而最大化曝光效率，并且為了防止過多推薦詞帶來干擾，一般搜索發(fā)現(xiàn)詞在10個以內(nèi)。

這個模塊的技術(shù)方案與底紋推薦類似，只不過最終的展現(xiàn)不是一個，而是topN，這里就不再贅述。

三.?搜索中

搜索詞充當(dāng)了用戶與搜索工具之間的重要溝通載體，借助關(guān)鍵詞實現(xiàn)用戶自我意識與搜索引擎之間的交流，形成了一個意識產(chǎn)生、關(guān)鍵詞轉(zhuǎn)化、搜索、信息獲取、動機滿足的信息閉環(huán)。

當(dāng)然還有很多因素也會去影響這個閉環(huán)，如用戶(歷史行為，性別、年齡等)、地域、天氣，一個宏觀、長周期的鏈路等。

根據(jù)搜索的過程，可以拆解用戶的搜索流程如下：搜索入口-搜索觸發(fā)-內(nèi)容輸入-點擊搜索-反饋結(jié)果。我們從這個流程的各個環(huán)節(jié)上來看四大電商app(京東、天貓、手淘、拼多多)的搜索功能，進行對比分析。

前文已經(jīng)介紹了搜索前的一些產(chǎn)品及技術(shù)方案；本文還是電商搜索為例，以用戶搜索過程中輸入搜索詞(點擊“搜索“按鈕到按下”回車“之間發(fā)生的事)的過程為切入點，結(jié)合產(chǎn)品及技術(shù)方案展開，結(jié)合相關(guān)搜索詞功能進行論述。

搜索詞自動補全產(chǎn)品形態(tài)

關(guān)鍵詞匹配/補全/聯(lián)想/糾錯的作用主要有三個：引導(dǎo)、糾錯和高效。

通過統(tǒng)計發(fā)現(xiàn)，用戶在第一次查詢中得到預(yù)期搜索結(jié)果的概率非常低，所以需要引導(dǎo)查詢自動建議可以減少用戶搜索的工作量，并通過數(shù)據(jù)挖掘(群體行為和智慧)來給出高頻恰當(dāng)?shù)乃阉鹘ㄗh。

四個電商均使用了前綴匹配，但是手淘和天貓使用了拓展icon，可快速將推薦詞黏貼至搜索框，京東使用了屬性、標(biāo)簽、類目擴展 (除了對輸入內(nèi)容做聯(lián)想，還會展示出與關(guān)鍵詞相關(guān)的維度，自動補全關(guān)鍵詞，增加用戶的選擇)，拼多多則相對搜索詞產(chǎn)品探索較少。不過目的都是幫助用戶快速鎖定意圖，并開展搜索。

用戶在搜索框輸入字符時，會在搜索框下面實時顯示下拉提示詞給用戶，方便用戶選擇。可以幫助用戶快速輸入和優(yōu)化搜索條件，且避免輸入錯誤；在此基礎(chǔ)上很多電商app也出現(xiàn)了篩選功能，在當(dāng)前搜索建議詞基礎(chǔ)上進行擴展，進一步減少用戶操作。一般在用戶搜索的不夠具體，會推薦該搜索詞更細的分類。淘寶的輔助多重篩選搜索，輸入時展現(xiàn)的一系列聯(lián)想內(nèi)容，點擊右邊的一個拓展icon，就可以采用聯(lián)想出的內(nèi)容，在此基礎(chǔ)上繼續(xù)縮小范圍篩選，從而幫助用戶獲得最接近需求的內(nèi)容。

通過當(dāng)前實時輸入的詞去匹配候選詞，一般查詢頻度和同查詢詞的歷史查詢記錄為重要參考依據(jù)。

在搜索詞補全和聯(lián)想數(shù)量上，淘寶為10條，拼多多為10條，京東/天貓超過10條，但是不能過多，過多的選擇會給用戶造成記憶負擔(dān)，并且占據(jù)空間，有損用戶體驗，所以需要控制數(shù)量以便信息不會過載。

當(dāng)然部分電商在歷史的版本迭代中會嘗試在搜索輸入階段進行糾錯，比如輸入聯(lián)衣群，下拉框中自動糾正為連衣裙的一些選項，目前四個電商app均并無此功能，而是在搜索結(jié)果展示內(nèi)做糾錯及提醒；自動容錯功能，將極大地提升用戶體驗，并提升用戶的購買率。

技術(shù)方案

主旨：前綴匹配原則，完整詞未出現(xiàn)時一般使用補全/聯(lián)想功能，品類引導(dǎo)詞為主；當(dāng)出現(xiàn)明顯品類詞后開始出現(xiàn)更細粒度屬性及標(biāo)簽篩選詞。一般從query log中挖掘出大量候選query，并且保證前綴相同，然后根據(jù)某種計算模型給候選query 計算一個分數(shù)，最后按照分數(shù)選出topK作為最終結(jié)果。

主要考慮因素:當(dāng)前搜索詞，用戶(性別、年齡等特征)，日志中的群體智慧

極簡版:

常見搜索引擎均帶有suggestion功能，直接使用

統(tǒng)計版:

使用前綴匹配后的候選詞(Trie樹 + TopK算法,回溯算法遍歷trie樹)，使用用戶搜索頻度最高的topK個搜索詞,但是這樣會使長尾詞無法得到曝光機會。

trie樹

AC算法

簡單模型版:

在用戶進行搜索商品時，通過用戶與搜索詞信息進行意圖預(yù)測，并輔之以類目、性別預(yù)測，前綴匹配后最終將某個性別和類目下的共現(xiàn)最高的topK熱搜詞作為搜索框下拉框提示詞。

復(fù)雜模型版1:

復(fù)雜模型版，使用前綴匹配算法進行候選集召回(若召回量過少，考慮非前綴匹配結(jié)果)，并做簡單截斷；然后使用用戶特征(性別、年齡、行為序列)、context特征(季節(jié)、天氣、溫度、地理位置)進行、當(dāng)前搜索詞的embedding vector，然后候選搜索詞也有一個embedding vector，三個vector分別與候選vector計算cosine similarity，最終使用一個線性模型融合三個分數(shù)，最終的排序結(jié)果會進行語義去重再選擇topK(這里也可以用生成模型來做排序)。

context embedding的方式

這里可以將用戶、context均視為搜索詞，就可以用日志數(shù)據(jù)構(gòu)造doc，最終使用doc2vec或word2vec。

生成式-user-embedding-《云棲社區(qū)-query生成與推薦》

生成式-query generate-《云棲社區(qū)-query生成與推薦》

復(fù)雜模型版2:

主要針對復(fù)雜模型版1的排序特征上，繼續(xù)增加特征,并考慮更多的維度。

通過語義、行為、session log等挖掘出query間相似分，并加入用戶、搜索詞、context類特征及其交叉特征。多維度相似融合再排序: 按照點擊相似度、文本相似度、Session相似度衡量Query之間的相似度，得到候選的Pair（可選）交給重排序模塊，對Query pair的優(yōu)先級做優(yōu)化，生成Top K的改寫結(jié)果。

query2query召回

基于行為:?item cf/swing、simrank++

基于session:?word2vec、seq2seq

基于內(nèi)容:?query2vec(類似word2vec，構(gòu)建query序列)

query排序

模型:?LR/GBDT

樣本:?用戶日志，行為加權(quán)(展現(xiàn):1,點擊:5,購買:50)

特征:?搜索詞的pv/ctr/cvr，用戶是否活躍，用戶畫像/特征，用戶+候選詞(查詢詞/瀏覽詳情頁與熱搜候選詞相似度)，context特征(地理位置，溫度，天氣等)

其它算法&產(chǎn)品模塊

糾錯

針對糾錯，還可以做一個模型，但是上述query方式可以一定程度上避免了很多的輸入有誤問題。針對糾錯可以考慮如下2種:

Non-word糾錯(準(zhǔn)備一個電商語料庫字典，輸入詞不在整體字典中，即可以判定為錯詞)

Real-word糾錯HMM(噪聲信道模型,利用unigram+bigram+trigram，選擇最優(yōu)的token組合,Query pair，正確及錯誤詞候選集合訓(xùn)練轉(zhuǎn)移矩陣)

語義歸一

針對候選詞進行語義歸一，一般將候選query相對搜索query的擴展部分進行相似度計算，以高于某個閾值后，只保留得分高的一個候選詞，這樣可以節(jié)省有限的坑位資源。

產(chǎn)品模塊

清除的icon: 輸入內(nèi)容時，引導(dǎo)信息消失，有的還會伴隨在搜索框中出現(xiàn)清除的icon，清除的icon主要方便用戶進行二次搜索時一鍵清空當(dāng)前信息，省去了逐字刪除的麻煩；根據(jù)輸入內(nèi)容，進行關(guān)鍵詞的匹配。

聯(lián)想詞下商品數(shù)量:?產(chǎn)品層面還可以做一個事情，就是將關(guān)鍵詞對應(yīng)的搜索結(jié)果數(shù)量前置，便于用戶控制搜索詞的顆粒度，也避免出現(xiàn)無結(jié)果或者少結(jié)果的情況，特別是針對相對稍長尾的搜索詞而言。

四.?搜索后

前面已經(jīng)介紹了搜索前和搜索中的一些產(chǎn)品及技術(shù)方案；本節(jié)主要針對用戶搜索完成后的商品檢索和排序展示過程，進行產(chǎn)品介紹。先介紹用戶直觀感受到的產(chǎn)品層面的若干功能，后一節(jié)文章介紹用戶感知較弱的召回和排序模塊，前者以產(chǎn)品方案為主，后者以技術(shù)方案為主。

搜索引擎在信息檢索上的優(yōu)勢，不僅體現(xiàn)在自身在算法和計算能力上的優(yōu)勢，能讓搜索更加貼近需求；并且結(jié)合對用戶信息的量化分析和數(shù)據(jù)把控，可以提供更加智能的信息服務(wù)(千人千面搜索)。

搜索后，能夠檢索出來的商品通常非常多，如何將這些商品清晰有序地展示給用戶，讓用戶快速、準(zhǔn)確地找到想要的商品？這涉及到以下若干個問題：

智能糾錯，結(jié)果分類（如果需要），默認排序，保留搜索詞，結(jié)果與搜索詞對應(yīng)，排序與篩選，無結(jié)果或少結(jié)果，篩選等。

1. 內(nèi)容糾錯

搜索詞糾錯-產(chǎn)品

難免用戶在搜索過程中有錯誤的輸入，糾錯功能可以通過算法判斷后輸入有誤，然后展示正確搜索詞的商品列表給用戶，并友好地告知用戶正確的搜索詞，并確認是否需要搜索系統(tǒng)判斷有誤的搜索詞(確實有長尾、低頻詞搜索需求存在)。考慮到了整個糾錯功能的容錯性，減少了用戶輸入錯誤或者本身記憶錯誤帶來的搜索問題，用戶也不用再次進行搜索了。自動容錯功能，將極大地提升用戶體驗，并提升用戶的購買率。

技術(shù)方案:前文提到的Non-word糾錯和Real-word糾錯，這里不再贅述。

2. 篩選器

搜索篩選-產(chǎn)品

搜索篩選-產(chǎn)品

當(dāng)搜索結(jié)果過多或相關(guān)度結(jié)果參差不齊時，召回的商品還是海量的，對于用戶精準(zhǔn)快速的獲取商品仍然是一個不小的挑戰(zhàn)，而排序和過濾的功能則能夠很好的緩解這一情況。過濾和排序能夠一定程度上幫用戶調(diào)整和縮小搜索商品列表，大幅度降低用戶下滑尋找商品的工作量。

目前篩選器是各大電商的搜索產(chǎn)品標(biāo)配，使用頻率非常高。篩選器通過傳遞篩選參數(shù)，搜索引擎會在原有召回基礎(chǔ)上進行商品過濾。篩選在各大電商均做了2類方式的展現(xiàn)，當(dāng)篩選項維度少時，可以將篩選（與排序一起）放置商品列表結(jié)果中間(類似淘寶搜索的錦囊)，一般在瀏覽若干個商品以后出現(xiàn)；若維度豐富，一般使用側(cè)邊欄形式。

技術(shù)方案:

商品類目及屬性標(biāo)簽的挖掘:主題模型、詞性挖掘、圖像算法等，后續(xù)文章介紹商品結(jié)構(gòu)化相關(guān)的文本及圖像算法，本文先不過多介紹。

3. 無結(jié)果

無結(jié)果頁-產(chǎn)品

用戶進行搜索后，出現(xiàn)無結(jié)果或少結(jié)果原因可能有以下幾點帶來：1.輸入錯誤的搜索詞；2.篩選條件過多或搜索詞過于長尾/具體；3.本身平臺符合搜索需求的商品少或無。對于前兩種，可以提示用戶并進行自動容錯，展現(xiàn)正確的商品列表；對于第三種情況，一般會匹配相關(guān)替代商品進行補足，或提示用戶更換搜索詞，有些平臺推出了訂閱服務(wù)，當(dāng)搜索結(jié)果更新時，會向用戶主動推送。

五.?整流程

本節(jié)介紹用戶感知較弱的召回和排序模塊，主要以技術(shù)方案和實現(xiàn)為主進行介紹(主要為下圖中，搜索服務(wù)的一些工作)。這一過程和推薦非常類似，區(qū)別主要為召回源更多地考慮了當(dāng)前搜索詞，排序特征也加入搜索詞特征及其影響到的交叉特征，排序依據(jù)建立在相關(guān)性基礎(chǔ)上。

往簡單來講，用戶輸入了搜索詞，系統(tǒng)通過搜索詞找到與搜索詞相關(guān)的商品集合，系統(tǒng)通過用戶及商品的情況進行排序，最終展現(xiàn)給用戶。

0. 找不到

但是在構(gòu)建搜索系統(tǒng)的初期總是無法精準(zhǔn)地幫助用戶找到想要的商品主要原因有以下幾點:

• 不同的用戶對同一種訴求的表達往往是有差別的，往往會存在一種比較常見的現(xiàn)象，用戶輸入的query并不能清晰準(zhǔn)確的表達需求。這一塊是可以通過較好的產(chǎn)品設(shè)計及實時反饋來做精確需求表達捕捉，產(chǎn)品設(shè)計主要是前面介紹的引導(dǎo)類產(chǎn)品(下拉推薦、篩選、錦囊等)，實時反饋是指快速捕捉用戶在當(dāng)前query下的正負反饋，系統(tǒng)捕捉其中的query意圖。

• 搜索系統(tǒng)對用戶query的理解能力較弱，無法挖掘出用戶的真實需求。這一塊則更多是算法發(fā)力的點，通過文本、行為、session等數(shù)據(jù)挖掘query本身的內(nèi)涵，這一塊更多是QU(query understanding)的工作。

• 用戶輸入了長尾詞，過多條件無法匹配到商品。這一塊也可以通過QU和QR(query rewrite)來逐步解決。

• 召回結(jié)果集的排序不合理，可能用戶需求的內(nèi)容被排在后面而未曝光。這一塊則是排序的問題了，建立一個良性的評分排序公式，并且利用算法合理建模用戶決策過程。

從流程上來說，如下圖

接下來我們分別通過講解QP、召回、排序來對上述流程解構(gòu)。首先來看以下QP里面的各個模塊。

1. QP模塊

1.1 QU/query understanding

1.1.1 概述

1.1.1.1 目的

• 拆解用戶搜索詞的意圖

• 比如新品，年齡，尺碼，屬性，類目等搜索意圖識別及歸一

1.1.1.2 任務(wù)

• Query詞性及主體結(jié)構(gòu)，主要詞/描述詞等: 2018最新款適合胖胖的女生穿的連衣裙

• 預(yù)測用戶搜索商品類目(category)性別(gender): 手提電腦、t恤 女

• 屬性&標(biāo)簽識別: 品牌，顏色，尺寸: 裙子紅色，43碼nike球鞋

• 搜&逛:強意圖/轉(zhuǎn)化&弱意圖/逛: 連衣裙 & Iphone XR 256G

1.1.1.3 方法

• 方法詞表窮舉法，規(guī)則解析法，機器學(xué)習(xí)方法

1.1.1.4 意圖識別的難點

• 輸入不規(guī)范，不同的用戶對同一訴求的表達存在差異。

• 多意圖，“蘋果” 可以是產(chǎn)品詞，也可以是品牌詞；可以是手機，也可以是水果。

• 數(shù)據(jù)冷啟動。當(dāng)用戶行為數(shù)據(jù)較少時，很難獲取準(zhǔn)確的意圖。

?

1.1.2 詞性&主體識別&屬性/標(biāo)簽識別

詞性的識別有助于整個搜索系統(tǒng)快速地找到和定位相關(guān)商品，也可以幫助快速定位核心詞、屬性詞等。

搜索過程中，不同term對于檢索有不同的意義，不能本末倒置。不同重要程度的詞，應(yīng)該在召回排序階段給予相應(yīng)不同的影響，核心詞具有更高的分值。當(dāng)用戶搜”children toys“召回商品時，核心詞是toys，children為修飾詞，根據(jù)term weight來進行排序降權(quán)的。細粒度地還可以做進一步區(qū)分產(chǎn)品詞、品牌詞、型號詞、停用詞。query被完整匹配和部分匹配的權(quán)重是不同的、單詞命中和多詞命中同一商品也需要考慮權(quán)重情況。

其它還包括了中心詞邏輯、熱詞邏輯、糾錯系統(tǒng)、丟棄詞邏輯、詞性標(biāo)注等工作。常見方法詞性識別有,基于規(guī)則和基于統(tǒng)計的詞性標(biāo)注(HMM)。

1.1.3 詞畫像

• 詞屬性

基礎(chǔ)屬性：pv、uv、gmv、ctr、cvr等

業(yè)務(wù)屬性：品牌詞、大促屬性

詞質(zhì)量分

• 詞關(guān)系

同義詞、形近詞、同音詞、子母品牌、類目、文本相似性

• 詞維度的用戶畫像

1.1.4 強弱意圖

用戶強弱意圖/轉(zhuǎn)化意圖識別，可以快速幫助搜索系統(tǒng)定位召回及排序策略，不同的意圖可以帶來不同的排序和展現(xiàn)效果。如強意圖下相關(guān)性因子應(yīng)該加強，弱意圖下應(yīng)該更加注重點擊/轉(zhuǎn)化等反饋行為量。

• 強意圖/轉(zhuǎn)化型: 需要快速幫助用戶定位所需的商品 (因素:價格、品牌、品質(zhì)、商家等)，推送引導(dǎo)的目的是讓用戶作出購買，收藏等決策，追求轉(zhuǎn)化的數(shù)量+速度+質(zhì)量。

• 弱意圖/閑逛型: 需要幫助用戶發(fā)掘新的興趣、新的話題，但同時不能讓用戶 感覺無聊，目的是滿足用戶需求，把用戶喜歡的推薦給他，追求 pv/點擊率。

根據(jù)用戶行為和query的靜態(tài)信息，分析query是搜索型（偏向買）還是瀏覽型（偏向逛）。后續(xù)利用模型對query分類，用以分析排序策略對不同類型query的影響，方便對不同類型query作不同排序。

分析用戶個性化標(biāo)簽的瀏覽行，轉(zhuǎn)化型趨勢。

若干特征舉例:

• session+query內(nèi)商品的點擊率

• Session內(nèi)不同query的個數(shù)

• 空格數(shù)量

• 相關(guān)一級類目個數(shù)

• 停留時長再逛和搜query中表現(xiàn)差異大

• 行業(yè)分布:服裝鞋包/3c、美容護理、食品保健、話費充值差異大

1.1.5 類目預(yù)測

Query的類目預(yù)測主要是，分析Query和哪些類目的意圖更相關(guān)(當(dāng)然這里用戶維度的信息也會被考慮進來)。query通過搜索引擎召回后，一般將類目相關(guān)性作為重要的海選排序因子，保留一部分商品，一方面保證了效率，另一方面也從源頭保證類目的相關(guān)性，保證用戶體驗。從實際工作來看，fasttext是一個非常不錯，實踐也較快的算法。

類目舉例

常見模型

1.2 QR/query rewrite

1.2.1 概述

1.2.1.1 問題

• query和商品描述之間存在gap，特別是中長尾query。多種描述，信息冗余，屬性檢索，寬泛意圖。

1.2.1.2 目標(biāo)

• 文本和意圖，通過對原始Query進行改寫，生成一系列相關(guān)Query，把相關(guān)Query作為原始Query的補充，與原始Query一起參與搜索，從而得到更加豐富和準(zhǔn)確的匹配結(jié)果

1.2.1.3 方法

• query embedding和multi-method

1.2.2 query embedding

• query embedding(query映射到query)，可以針對“多種描述”和信息冗余問題意圖改寫:query映射到意圖，主要針對屬性檢索和寬泛意圖類型；也可以進行相似query挖掘。

• 向量改寫流程: query向量化->向量相似查找->相關(guān)性判斷;借鑒skip-throught-vector，使用seq2seq重建句子周圍的句子,假設(shè)某個session序列是（s1，s2，…,sn）,那么一條訓(xùn)練數(shù)據(jù)為(si-1,si,si+1),encoder是si的詞序列的lstm，decoder是分別si-1和si+1，這樣訓(xùn)練下來decoder的上下文向量就學(xué)到了這個句子在session中的上下文表示。

1.2.3 multi-method

• 通過語義、行為、session log等挖掘出相似的query。

• 多維度相似融合再排序: 按照點擊相似度、文本相似度、Session相似度衡量Query之間的相似度，得到候選的Pair（可選）交給重排序模塊，對Query pair的優(yōu)先級做優(yōu)化，生成Top K的改寫結(jié)果。

• 基于行為Item cf/swing、Simrank++

• 基于session Word2vec、seq2seq

• 基于內(nèi)容 Word2vec

• 融合 LR/GBDT

2. 召回&檢索模塊: ltm/learn to match

2.1 檢索依據(jù)

• 電商商品: 圖片+標(biāo)題+屬性+交互，檢索項包括但不限于:商品名稱，商品標(biāo)題、副標(biāo)題，商品描述，商品參數(shù)、規(guī)格，商品品牌，商品品類，別名關(guān)聯(lián)商品，促銷類型

• 相關(guān)性(query&tittle/content，行為，session): 融合點擊相似度、文本相似度、Session相似度衡量Query之間的相似度,除了前面介紹的通過query session來做query embedding，用query來重建其點擊過的寶貝標(biāo)題/描述序列同樣適用，只不過decoder階段換成query點擊過的標(biāo)題。

2.2 語義搜索

語義搜索是指不單單考慮詞維度的精確匹配，而是語義層面來做。增加搜索結(jié)果的相關(guān)性，提升用戶體驗外，也可以一定程度上遏制商家商品標(biāo)題堆砌熱門關(guān)鍵詞的問題。

2.2.1 常見doc&query匹配方法

• BM25通常計算query和Doc文本term的匹配程度。由于query和doc之間的語義gap，可能存在很多語義相關(guān)，但文本并不匹配的情況。

• 通過商品內(nèi)容理解和語義標(biāo)簽: 通過商品圖片，詳情頁，評價和同義詞，上下位詞等給商品打標(biāo)簽和擴充商品索引內(nèi)容

• 語義匹配: Dssm模型將query和文本變成向量，用向量內(nèi)積表達語義相似度

• 匹配深度與高度: 詞->短語->語義->主題->句法

詞->短語->語義->主題->句法

embedding-similar

2.3 無結(jié)果優(yōu)化

• 二次/三次召回:放棄權(quán)重低term，擴大檢索字段和檢索范圍

• Query 糾錯 & 同義詞改寫:同時用原詞和同義詞去檢索，最后對兩者返回的結(jié)果取并集。

• 分類意圖識別的優(yōu)化，首先根據(jù) Query 分布定義了 8 類意圖:可以通過識別 Query 中 Term 的意圖來判定整個 Query 的意圖

3. ltr/learn to rank

精排系統(tǒng)主要服務(wù)于個性化排序，召回粗排由搜索引擎負責(zé)完成，精排側(cè)重更細粒度特征，更復(fù)雜模型，實時性。精排所需特征，模型基本復(fù)用搜索引擎的技術(shù)，可以支持高密度的數(shù)據(jù)存儲和高并發(fā)讀取。

3.1 評分體系: 靜態(tài)分 * 動態(tài)分

• 靜態(tài)分體現(xiàn)商品的轉(zhuǎn)化，商品品質(zhì)，背后供應(yīng)商品質(zhì)

• 動態(tài)分體現(xiàn)商品與query的相關(guān)性，個性化分，用二元分類(Binary Classification)來優(yōu)化點擊/購買概率。

3.1.1 評分系統(tǒng)-靜態(tài)分

? 穩(wěn)定性，連續(xù)性，區(qū)分度

3.1.2 評分系統(tǒng)-動態(tài)分

預(yù)測出每一條商品在給定以上條件組合（q,u,o）下發(fā)生交易行為的概率。

p(q,i,u)預(yù)估

gmv最大化模型-洪亮頡老師

相關(guān)特征-洪亮頡老師

3.2 其它加權(quán)因子主要分為幾個維度：

• 相關(guān)度、商業(yè)化因素、個性化因素、人為因素、數(shù)據(jù)模型統(tǒng)計。

4. 總結(jié)

搜索技術(shù)服務(wù)模塊必然與產(chǎn)品設(shè)計迭代并行，并且通過數(shù)據(jù)分析來支持整個流程優(yōu)化，抓住重點和系統(tǒng)最大短板進行迭代。

總結(jié)

以上是生活随笔為你收集整理的解读电商搜索的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。