編輯導語：對于電商平臺來說，搜索功能是至關重要的，可以說是最核心的功能，好的搜索設計往往可以吸引用戶，促進用戶點擊商品，從而實現(xiàn)交易的轉化。接下來，本文作者通過剖析電商行業(yè)的專屬特點和需求，并結合其個人經驗，為我們分享了他總結的解決方案，并且預測了電商搜索的未來趨勢。

搜索功能一定是一家電商平臺技術中最重要的核心的功能，我相信大家對此都無異議。

因為無論產品經理設計了多么完美的產品邏輯，老板砸了多少錢去做拉新用戶，如果用戶在搜索體驗時，搜索結果不符合預期或者不滿足其搜索需求，那么之前所做的工作都會付之東流了。

畢竟電商服務的行業(yè)屬性還是促進業(yè)務的轉化，實現(xiàn)買賣成單。

本文通過剖析電商行業(yè)的專屬特點和需求，并結合個人經驗分享解決方案，希望對大家有所啟發(fā)~

一、搜索的業(yè)務邏輯

“搜索Query→查詢語義理解→召回→排序→搜索結果”

當用戶在搜索框輸入一個Query時，系統(tǒng)通過對語義的理解，召回相關文檔或商品，在通過算法排序，安客戶實際的搜索意圖進行前后排序，最終解決其搜索需求，實現(xiàn)業(yè)務轉化。

其中【查詢語義理解】與【排序】對搜索引導的業(yè)務目標最為重要。

二、自然語言處理技術（NLP）在搜索上的應用

1. 概念介紹

想實現(xiàn)搜索引擎效果的優(yōu)化，就一定要對自然語言處理技術有一定的了解，因為用戶輸入一個Query里從學術角度解讀，自然語言智能研究實現(xiàn)了人與計算機之間用語言進行有效通信，它是融合語言學、心理學、計算機科學、數(shù)學、統(tǒng)計學于一體的科學。

自然語言處理被學者譽為”人工智能皇冠上的明珠“，研究覆蓋了感知智能、認知智能、創(chuàng)造智能這樣的學科，是實現(xiàn)完整人工智能的必要技術。

1）感知智能

是指從無結構化數(shù)據(jù)中識別出重要的要素。比如給一個query，分析出包含的人民、地名、機構名等。

2）認知智能

是在感知之上，能夠理解其中要素的含義以及進行一些推理。比如“謝霆鋒是誰的兒子 ?誰是謝霆鋒的兒子”兩句話。詞和實體都差不多，但語義差別很多。這是認知智能要解決的問題。

3）創(chuàng)造智能

比如計算機指能夠理解語義的基礎上，創(chuàng)造出符合常識、語義、邏輯的句子。比如自動寫出行云流水的小說、創(chuàng)造娓娓動聽的音樂 ? ?能夠無違和跟人自然聊天等。

2. NLP搜索分析路徑

三、電商搜索的特點

1. 關鍵詞堆砌

例如：楊冪同款夏季連衣裙包郵。

2. 詞序對語義影響不大

例如：楊冪同款女夏季連衣裙包郵；女夏季連衣裙包郵楊冪同款。

3. 類目預測問題

例如：當用戶查詢“蘋果”時，可能查詢的是水果，也可能是手機品牌。

4. 搜索引導的業(yè)務轉化比重較大

據(jù)統(tǒng)計，綜合類電商搜索引導轉化占比40%以上，垂直類電商搜索引導轉化占比60%以上。

5. 穩(wěn)定性要求較高，支持彈性擴容

活動、大促系統(tǒng)QPS可能是平時的百倍千倍，需要平滑的擴縮容，保障系統(tǒng)的穩(wěn)定。

四、電商搜索優(yōu)化核心內容

1. 分詞（劃重點?。?/h3>

1）分詞效果的優(yōu)化直接影響召回數(shù)量，減少無結果率，提高搜索召回質量

例如：

“火鍋九塊九包郵”

• 效果差的分詞方式：“火、鍋、九、塊、九、包、郵”；“火鍋、九、塊、九、包郵”
• 效果好的分詞方式：“火鍋、九塊九、包郵”

”925銀耳飾“

• 效果差的分詞方式：“925、銀耳、銀、耳飾”
• 效果好的分詞方式：“925、銀、耳飾”

2）不同的分詞方式直接影響著參與召回的關鍵詞，從而影響召回的準確性

目前很多開源自建系統(tǒng)難以實現(xiàn)很好的分詞效果，主要原因是訓練語料的數(shù)據(jù)量有限，不足以形成可以不斷打磨深耕的行業(yè)數(shù)據(jù)。

尤其電商行業(yè)商品種類豐富，中文字、詞表達的意義多樣，多音字、同義詞又眾多的情況下，靠自身算法工程師和開發(fā)團隊很難實現(xiàn)快速的解決優(yōu)化，這是一個不斷積累訓練的漫長過程。

3）強烈建議選擇云產品(電商推薦阿里云開放搜索、內容\日志搜索推薦ES）

現(xiàn)成的百萬級訓練語料、行業(yè)模板直接接入，畢竟專業(yè)領域交給更專業(yè)的人，我們才有更多資源投身到業(yè)務迭代中去。

2. 實體識別

1）電商搜索-實體識別含義

識別Query中的品牌、品類、款式、風格等具有電商行業(yè)特色的實體。

2）召回時保留重要性高的實體詞，對重要性低的部分不影響召回，只影響算法排序

例如：在電商Query中，在實體重要性如果按高、中、低三檔來分。

其中“品牌、品類”是在高檔，也就是最重要的；其次“風格、款式、顏色、季節(jié)、人群、地點…”處于中檔；最后“尺寸、修飾詞、影響服務、系列、單位…”處于低檔，可以丟棄不參與召回。

3. 類目預測

舉例說明：

1. 用戶搜索“蘋果”可能是想要水果的蘋果，也可能是蘋果手機；
2. （用戶搜索“華為”，召回結果按銷量排序，可能銷量最高的“華為手表”、“華為配件”排在前面，實際的搜索意圖”華為手機“卻排在后面。

類目預測就是根據(jù)類目下的文本信息和行為數(shù)據(jù)，計算query與類目的相關度，從而達到預測query的查詢意圖的目的，計算哪些類目與query最相關，用類目相關度影響搜索結果的排序。

也就是說，當通過行為數(shù)據(jù)分析，發(fā)現(xiàn)搜索”華為”的用戶，大部分的搜索意圖都為“手機”，那么召回排序上優(yōu)先“手機類目”。

4. 排序算法

電商排序常見問題：

1. 數(shù)據(jù)缺乏時效性：難以平衡優(yōu)質商品和新發(fā)布商品之間的權衡關系；
2. 商家刷排名：部分商家找到排序漏洞，通過關鍵詞堆砌，獲得靠前位置，用戶體驗不好；
3. 人力資源緊張：需要專業(yè)算法工程師2-3名，很難找到合適的人才。

5. 人工干預bad case

舉例說明：

1. “iPhone11”剛上市時，用戶搜索“蘋果/iphone”，最新款產品肯定要排在前面，在沒有常規(guī)排序算法的時候，就需要類目預測人工干預；
2. “噴泡”是一款籃球鞋的別稱，并非主流叫法，全稱是“Air Jordan AirFoamposite系列”，這時就需要通過平時運營積累的專業(yè)詞匯可視化同步到開放搜索做查詢語義理解功能的補丁，通過靈活干預得以解決；
3. 跨境電商有時Query涉及“日文、韓文、泰文”等外語，當我們的分詞詞典不能很好的分詞優(yōu)化時，也可以通過分詞干預功能解決；
4. 用戶搜索Query“香奈兒氣墊”，默認的實體識別，將“香奈兒”歸類為“普通詞”；“氣墊”歸類為“材質”，需要人工干預實體識別，把“香奈兒”干預為品牌。

6. 搜索引導功能

1）搜索前引導

1. 搜索框底紋：根據(jù)用戶近期行為數(shù)據(jù)，引導用戶意圖；
2. 搜索熱搜榜：實時熱度，引導隨便逛逛的用戶，想知道大家都搜了些什么；
3. 搜索熱詞：結合興趣，給用戶推薦優(yōu)質查詢詞。

2）搜索中引導

下拉提示：智能推薦候選query，提高用戶輸入效率，幫助用戶盡快找到想要的內容。

五、電商搜索未來趨勢

1. 搜索是一個需要持續(xù)輸出優(yōu)化的技術，中腰部電商未來一定會選擇輕運作模式，借助像阿里云、華為云這樣的更專業(yè)的技術服務商的搜索技術，把更多資源投入到業(yè)務創(chuàng)新及研發(fā)上。
2. 行業(yè)模板的突破，據(jù)小編所知阿里云的開放搜索技術已經形成電商行業(yè)搜索的專屬模板，這也是基于淘寶天貓多年的行業(yè)經驗積累而成，無需開發(fā)，數(shù)據(jù)接入即可，產品經理和運營人員都可以參與搜索效果的優(yōu)化中來。
3. AI與搜索技術深入融合，AI智能語音搜索、圖片識別搜索目前主要在頭部電商上應用，隨時技術的發(fā)展我相信，這些都會作為主流服務應用在更多電商企業(yè)中，改變更多消費者的消費方式

以上內容就是我今天我和大家分享的，希望對你有所幫助，感興趣可以關注【搜索與推薦技術】公眾號~

作者：KKai，B端產品運營

本文由 @KKai 原創(chuàng)發(fā)布于人人都是產品經理，未經作者許可，禁止轉載。

題圖來自 Pexels，基于 CC0 協(xié)議