“搜索”，對于前臺操作的用戶來說，只是一個極其簡單的動作。但對于后臺來說，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。

對于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，也在電商平臺中占據(jù)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，后臺就需要拆分出：“哪些邏輯可以用來支撐？”以及，“我們應(yīng)該給用戶展示哪些元素？”

今天，我們就來聊聊與“搜索”相關(guān)的后臺流程。

一、搜索結(jié)果頁布局

PC端的搜索結(jié)果頁都包含哪些元素？

參照如下圖：

淘寶PC端搜索結(jié)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(jié)果集的屬性的聚合，給用戶提供在商品結(jié)果集內(nèi)進一步按照各屬性維度單獨篩選的功能。
• 分類樹：query相關(guān)的分類，以分類樹的形式展現(xiàn)給用戶。比如：輸入“小米”既屬于“3C數(shù)碼”，又屬于“糧油米面”。
• 面包屑：展現(xiàn)當前商品列表所屬的分類路徑，方便用戶跳轉(zhuǎn)至各上級分類，同時可在該分類路徑下進一步檢索，擴大或縮小檢索范圍。
• 商品列表：query搜索的結(jié)果集，涉及到商品的排序展示，是下文的重點。
• 商品推薦：根據(jù)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(tǒng)需要對query進行預(yù)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(yīng)提示。

好的產(chǎn)品應(yīng)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(jié)果則優(yōu)先展示搜索結(jié)果，同時提示糾錯后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(xiàn)。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(zhuǎn)化的最少變化次數(shù)。

比如：字符串“abcd”變?yōu)樽址癰cde”，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(guān)于“如何降低算法復(fù)雜度？”，這個比較偏技術(shù)。產(chǎn)品同學(xué)了解思想即可，對技術(shù)有熱情有興趣的同學(xué)也可以研究下Lucence內(nèi)的實現(xiàn)。

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——一種基于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(chǎn)品業(yè)務(wù)相關(guān)的詞匯我們也需要盡可能的補充完善進詞典。

這里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(xù)匹配剩余的字符串。

那么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(shù)截取對應(yīng)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(fā)現(xiàn)：“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(xù)掃描發(fā)現(xiàn)：data[5]在詞表中有，但是還不能切分出來。

掃描data[6]發(fā)現(xiàn)：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，最后得到的詞組為：[“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(fā)現(xiàn)data[2]在詞表中，將詞語拆分出來，此時待匹配詞條變?yōu)椤跋膳B衣裙”。

匹配data[5]時，若發(fā)現(xiàn)詞表中有，則切分出來，分割結(jié)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(shù)據(jù)結(jié)構(gòu)，是基于數(shù)據(jù)表中的某一列創(chuàng)建的，存儲了列值以及和表行的對應(yīng)關(guān)系。

例子我就不多說了，不清楚的同學(xué)可以自行谷歌。如果沒有索引，在查詢時，需要對數(shù)據(jù)庫表做全表掃描并做文本匹配，這是不現(xiàn)實的。

創(chuàng)建商品后，系統(tǒng)會將商品名稱分詞并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(guān)的類目以及與query文本相關(guān)的所有商品，以類目+文本為最高優(yōu)先級對商品進行排序，類目和文本相關(guān)性一致的則根據(jù)權(quán)重排序。

影響權(quán)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(quán)重的比例定義一個系數(shù)，需要根據(jù)實際業(yè)務(wù)運營策略制定。

比如：運營希望多曝光一些服務(wù)優(yōu)質(zhì)的店鋪，則店鋪維度的因子權(quán)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(quán)重比例——截取商品候選集的topN做綜合排序得到商品結(jié)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 ：

1. 同類目人工干預(yù)置頂
2. 售罄或差評商品沉底
3. 其他部分待排序。

通過點擊率預(yù)估模型對待排序商品重排序，并區(qū)分同類和其他類目。

影響點擊率預(yù)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）
• 用戶本身特征（近期購買，瀏覽，收藏）
• 實時特征（當天商品被瀏覽，加購等）
• 季節(jié)因子

對同類目的商品優(yōu)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）。

最后合并各個分段結(jié)果如下圖：

綜合排序流程

以上梳理了搜索流程中的一些關(guān)鍵節(jié)點，而如何提高搜索引擎的用戶體驗?zāi)兀?/p>

核心和難點在于：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(xué)習(xí)和自然語言處理技術(shù)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(yōu)質(zhì)的商品。

通常大型電商平臺的搜索團隊都是偏技術(shù)配置，業(yè)務(wù)型的產(chǎn)品雖然不需要深度學(xué)習(xí)算法與數(shù)據(jù)模型相關(guān)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。

本文由 @雷大胖子 原創(chuàng)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