“搜索”，對於前臺操作的用戶來說，只是一個極其簡單的動作。但對於後臺來說，則需要拆成“如何才能支撐‘搜索’這個動作？”以及“我們要展示給用戶哪些元素？”兩個方面來考慮，才能更好地完成這個動作。
對於有確定購買目標的用戶來說：如何能在海量商品中快速找到心儀商品呢？
搜索是必不可少的渠道，也在電商平臺中佔據著舉足輕重的地位。
前端用戶只是一個簡單的“輸入+搜索”的操作，後臺就需要拆分出：“哪些邏輯可以用來支撐？”以及，“我們應該給用戶展示哪些元素？”
今天，我們就來聊聊與“搜索”相關的後臺流程。
一、搜索結果頁佈局
PC端的搜索結果頁都包含哪些元素？
參照如下圖：
淘寶PC端搜索結果頁
- 搜索欄：用戶輸入query進行檢索，是用戶尋找商品的一種快捷入口。從用戶輸入到展示商品列表之間的檢索過程，也是本文重點要講的。
- 篩選項：是商品結果集的屬性的聚合，給用戶提供在商品結果集內進一步按照各屬性維度單獨篩選的功能。
- 分類樹：query相關的分類，以分類樹的形式展現給用戶。比如：輸入“小米”既屬於“3C數碼”，又屬於“糧油米麵”。
- 麵包屑：展現當前商品列表所屬的分類路徑，方便用戶跳轉至各上級分類，同時可在該分類路徑下進一步檢索，擴大或縮小檢索範圍。
- 商品列表：query搜索的結果集，涉及到商品的排序展示，是下文的重點。
- 商品推薦： 根據用戶當前或者歷史的檢索行為，進行商品推薦。
二、搜索流程框架
1. query分析
用戶輸入query，系統需要對query進行預處理，包括：改寫糾錯、近義詞、query補全。
- 比如：用戶輸入“平鍋電腦”，通過分析判斷，用戶可能想搜索的是“蘋果電腦”。
- 比如：搜索“電褥子”，也可以匹配“電熱毯”。
- 比如：最近抖音用戶李佳琪以推薦口紅走紅，在TB輸入“李佳”就有對應提示。
好的產品應當是讓用戶自行選擇，而不是強制改寫用戶的輸入。
有搜索結果則優先展示搜索結果，同時提示糾錯後的詞語供用戶一鍵搜索。糾錯和補全可以看作是與query做模糊匹配，從而返回一個相似的單詞集合。
Apache開源的全文檢索引擎工具包——lucence，就提供了該功能點的實現。大致思想是：給定一個包含大量正確單詞的詞典集合，與用戶的query進行匹配，計算出編輯距離，距離越小則越相近。
編輯距離：是兩個單詞之間轉化的最少變化次數。
比如：字符串“abcd”變為字符串“bcde”，需要刪除a再插入e編輯距離為2。
編輯距離的定義簡單，但是關於“如何降低算法複雜度？”，這個比較偏技術。產品同學瞭解思想即可，對技術有熱情有興趣的同學也可以研究下Lucence內的實現。
2. 分詞
當用戶的搜索詞比較長，則需要將query切分成一個個單元。
比如：用戶搜索“夏季仙女連衣裙”，如果用整個字符串做匹配的話，召回率就會很低。所以，需要分為“夏季”+“仙女”+“連衣裙”。
市面上有開源的分詞工具包可以直接使用，比如：IKAnalyzer中文分詞器。
但是，不同的分詞工具運用的分詞算法不一。以機械分詞算法為例——一種基於字符串匹配的分詞方法，它可將待分析的字符串與機器詞典中的詞條進行匹配，假如在詞典中找到某個字符串，則匹配成功。
除了通用詞條，跟產品業務相關的詞彙我們也需要儘可能的補充完善進詞典。
這裡我們介紹一下機械算法中的“正向最大匹配算法”和“逆向最大匹配算法”。
正向最大匹配算法：從左到右逐個組合掃描詞與詞典中的詞條進行匹配，如果匹配成功，則把這個詞切分出來，繼續匹配剩餘的字符串。
那麼如何做到最大匹配呢？
讓我們來看一個例子：
待匹配詞條：string data=“仙女連衣裙夏季”,通過字符串截取函數截取對應需匹配的詞條。
詞表：array dict=[“仙女”，“仙女連衣裙”、“連衣裙”、“夏季”]。
從data[1]開始掃描，到data[2]的時候，發現：“仙女”在詞表中有，但是還不能將該詞切分出來。因為“仙女”是dict[2]“仙女連衣裙”的前綴。
繼續掃描發現：data[5]在詞表中有，但是還不能切分出來。
掃描data[6]發現：在詞表中沒有“仙女連衣裙夏”，這個詞條也不是任何一個詞的前綴，則切分出前面最大的詞——“仙女連衣裙”。
以此類推，最後得到的詞組為：[“仙女連衣裙”，“夏季”]。
逆向最大匹配算法：先定義一個最大分割長度5，從右往左開始分割。
以data[5]表示“連衣裙夏季”，data[4]表示“衣裙夏季”。
從data[5]開始掃描，若不在詞表中，去掉最左邊一個字，得到data[4]，直到發現data[2]在詞表中，將詞語拆分出來，此時待匹配詞條變為“仙女連衣裙”。
匹配data[5]時，若發現詞表中有，則切分出來，分割結束，得到的詞組為[“仙女連衣裙”，“夏季”]。
3. 索引匹配
索引：可以理解為是一種數據結構，是基於數據表中的某一列創建的，存儲了列值以及和錶行的對應關係。
例子我就不多說了，不清楚的同學可以自行谷歌。如果沒有索引，在查詢時，需要對數據庫表做全表掃描並做文本匹配，這是不現實的。
創建商品後，系統會將商品名稱分詞並且建立索引形成索引庫，必要時也可以將商品類目、品牌引入索引庫中。將用戶query的分詞詞組與索引庫進行匹配，得到商品候選集。
4. 商品侯選集
首先，匹配出query相關的類目以及與query文本相關的所有商品，以類目+文本為最高優先級對商品進行排序，類目和文本相關性一致的則根據權重排序。
影響權重的因子包含：“商品近30天的銷量”、“評論平均分”、“上線日期”、“店鋪得分（文描，評論，物流）”等。
給所有因子影響權重的比例定義一個係數，需要根據實際業務運營策略制定。
比如：運營希望多曝光一些服務優質的店鋪，則店鋪維度的因子權重比例就高。如果運營想多曝光一些爆款商品，則提高商品各項因子的權重比例——截取商品候選集的topN做綜合排序得到商品結果集。
如下圖：
商品候選集選取流程
5. 綜合排序
從商品列表中提取出三部分 ：
- 同類目人工干預置頂
- 售罄或差評商品沉底
- 其他部分待排序。
通過點擊率預估模型對待排序商品重排序，並區分同類和其他類目。
影響點擊率預估模型的成分有：
- 店鋪因素（店鋪近期訂單量，評分，物流，PV，UV）
- 商品因素（銷量、價格，與同類商品價格差）
- 用戶本身特徵（近期購買，瀏覽，收藏）
- 實時特徵（當天商品被瀏覽，加購等）
- 季節因子
對同類目的商品優先提取品牌和商品詞符合的做前置（比如搜索小米插座 品牌：小米，商品詞：插座）。
最後合併各個分段結果如下圖：
綜合排序流程
以上梳理了搜索流程中的一些關鍵節點，而如何提高搜索引擎的用戶體驗呢？
核心和難點在於：理解用戶，進而高效的幫助用戶找到目標商品。
這就離不開運用各種機器學習和自然語言處理技術進行語義分析，不斷嘗試各種搜索引擎排序算法幫助用戶找到更優質的商品。
通常大型電商平臺的搜索團隊都是偏技術配置，業務型的產品雖然不需要深度學習算法與數據模型相關的知識，但是基本概念和思想最還好是要掌握。
以上是我的分享，歡迎交流。
題圖來自 Unsplash，基於 CC0 協議
閱讀更多 人人都是產品經理 的文章
