数极客首页

帮你梳理与“搜索”相关的后台流程

“搜索”,对于前台操作的用户来说,只是一个极其简单的动作。但对于后台来说,则需要拆成“如何才能支撑‘搜索’这个动作?”以及“我们要展示给用户哪些元素?”两个方面来考虑,才能更好地完成这个动作。

帮你梳理与“搜索”相关的后台流程

对于有确定购买目标的用户来说:如何能在海量商品中快速找到心仪商品呢?

搜索是必不可少的渠道,也在电商平台中占据着举足轻重的地位。

前端用户只是一个简单的“输入+搜索”的操作,后台就需要拆分出:“哪些逻辑可以用来支撑?”以及,“我们应该给用户展示哪些元素?”

今天,我们就来聊聊与“搜索”相关的后台流程。

一、搜索结果页布局

PC端的搜索结果页都包含哪些元素?

参照如下图:

帮你梳理与“搜索”相关的后台流程

淘宝PC端搜索结果页

  • 搜索栏:用户输入query进行检索,是用户寻找商品的一种快捷入口。从用户输入到展示商品列表之间的检索过程,也是本文重点要讲的。
  • 筛选项:是商品结果集的属性的聚合,给用户提供在商品结果集内进一步按照各属性维度单独筛选的功能。
  • 分类树:query相关的分类,以分类树的形式展现给用户。比如:输入“小米”既属于“3C数码”,又属于“粮油米面”。
  • 面包屑:展现当前商品列表所属的分类路径,方便用户跳转至各上级分类,同时可在该分类路径下进一步检索,扩大或缩小检索范围。
  • 商品列表:query搜索的结果集,涉及到商品的排序展示,是下文的重点。
  • 商品推荐:根据用户当前或者历史的检索行为,进行商品推荐。

二、搜索流程框架

帮你梳理与“搜索”相关的后台流程

1. query分析

用户输入query,系统需要对query进行预处理,包括:改写纠错、近义词、query补全。

  • 比如:用户输入“平锅电脑”,通过分析判断,用户可能想搜索的是“苹果电脑”。
  • 比如:搜索“电褥子”,也可以匹配“电热毯”。
  • 比如:最近抖音用户李佳琪以推荐口红走红,在TB输入“李佳”就有对应提示。

好的产品应当是让用户自行选择,而不是强制改写用户的输入。

有搜索结果则优先展示搜索结果,同时提示纠错后的词语供用户一键搜索。纠错和补全可以看作是与query做模糊匹配,从而返回一个相似的单词集合。

Apache开源的全文检索引擎工具包——lucence,就提供了该功能点的实现。大致思想是:给定一个包含大量正确单词的词典集合,与用户的query进行匹配,计算出编辑距离,距离越小则越相近。

编辑距离:是两个单词之间转化的最少变化次数。

比如:字符串“abcd”变为字符串“bcde”,需要删除a再插入e编辑距离为2。

编辑距离的定义简单,但是关于“如何降低算法复杂度?”,这个比较偏技术。产品同学了解思想即可,对技术有热情有兴趣的同学也可以研究下Lucence内的实现。

帮你梳理与“搜索”相关的后台流程

2. 分词

当用户的搜索词比较长,则需要将query切分成一个个单元。

比如:用户搜索“夏季仙女连衣裙”,如果用整个字符串做匹配的话,召回率就会很低。所以,需要分为“夏季”+“仙女”+“连衣裙”。

市面上有开源的分词工具包可以直接使用,比如:IKAnalyzer中文分词器。

但是,不同的分词工具运用的分词算法不一。以机械分词算法为例——一种基于字符串匹配的分词方法,它可将待分析的字符串与机器词典中的词条进行匹配,假如在词典中找到某个字符串,则匹配成功。

除了通用词条,跟产品业务相关的词汇我们也需要尽可能的补充完善进词典。

这里我们介绍一下机械算法中的“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:从左到右逐个组合扫描词与词典中的词条进行匹配,如果匹配成功,则把这个词切分出来,继续匹配剩余的字符串。

那么如何做到最大匹配呢?

让我们来看一个例子:

待匹配词条:string data=“仙女连衣裙夏季”,通过字符串截取函数截取对应需匹配的词条。

词表:array dict=[“仙女”,“仙女连衣裙”、“连衣裙”、“夏季”]。

从data[1]开始扫描,到data[2]的时候,发现:“仙女”在词表中有,但是还不能将该词切分出来。因为“仙女”是dict[2]“仙女连衣裙”的前缀。

继续扫描发现:data[5]在词表中有,但是还不能切分出来。

扫描data[6]发现:在词表中没有“仙女连衣裙夏”,这个词条也不是任何一个词的前缀,则切分出前面最大的词——“仙女连衣裙”。

以此类推,最后得到的词组为:[“仙女连衣裙”,“夏季”]。

逆向最大匹配算法:先定义一个最大分割长度5,从右往左开始分割。

以data[5]表示“连衣裙夏季”,data[4]表示“衣裙夏季”。

从data[5]开始扫描,若不在词表中,去掉最左边一个字,得到data[4],直到发现data[2]在词表中,将词语拆分出来,此时待匹配词条变为“仙女连衣裙”。

匹配data[5]时,若发现词表中有,则切分出来,分割结束,得到的词组为[“仙女连衣裙”,“夏季”]。

3. 索引匹配

索引:可以理解为是一种数据结构,是基于数据表中的某一列创建的,存储了列值以及和表行的对应关系。

例子我就不多说了,不清楚的同学可以自行谷歌。如果没有索引,在查询时,需要对数据库表做全表扫描并做文本匹配,这是不现实的。

创建商品后,系统会将商品名称分词并且建立索引形成索引库,必要时也可以将商品类目、品牌引入索引库中。将用户query的分词词组与索引库进行匹配,得到商品候选集。

4. 商品侯选集

首先,匹配出query相关的类目以及与query文本相关的所有商品,以类目+文本为最高优先级对商品进行排序,类目和文本相关性一致的则根据权重排序。

影响权重的因子包含:“商品近30天的销量”、“评论平均分”、“上线日期”、“店铺得分(文描,评论,物流)”等。

给所有因子影响权重的比例定义一个系数,需要根据实际业务运营策略制定。

比如:运营希望多曝光一些服务优质的店铺,则店铺维度的因子权重比例就高。如果运营想多曝光一些爆款商品,则提高商品各项因子的权重比例——截取商品候选集的topN做综合排序得到商品结果集。

如下图:

帮你梳理与“搜索”相关的后台流程

商品候选集选取流程

5. 综合排序

从商品列表中提取出三部分 :

  1. 同类目人工干预置顶
  2. 售罄或差评商品沉底
  3. 其他部分待排序。

通过点击率预估模型对待排序商品重排序,并区分同类和其他类目。

影响点击率预估模型的成分有:

  • 店铺因素(店铺近期订单量,评分,物流,PV,UV)
  • 商品因素(销量、价格,与同类商品价格差)
  • 用户本身特征(近期购买,浏览,收藏)
  • 实时特征(当天商品被浏览,加购等)
  • 季节因子

对同类目的商品优先提取品牌和商品词符合的做前置(比如搜索小米插座  品牌:小米,商品词:插座)。

最后合并各个分段结果如下图:

帮你梳理与“搜索”相关的后台流程

综合排序流程

以上梳理了搜索流程中的一些关键节点,而如何提高搜索引擎的用户体验呢?

核心和难点在于:理解用户,进而高效的帮助用户找到目标商品。

这就离不开运用各种机器学习和自然语言处理技术进行语义分析,不断尝试各种搜索引擎排序算法帮助用户找到更优质的商品。

通常大型电商平台的搜索团队都是偏技术配置,业务型的产品虽然不需要深度学习算法与数据模型相关的知识,但是基本概念和思想最还好是要掌握。

以上是我的分享,欢迎交流。

 

本文由 @雷大胖子 原创发布,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

新一代大数据用户行为分析与数据智能平台:数极客(https://www.shujike.com),是支持无埋点、前端埋点、后端埋点、API导入四种混合数据采集方式,整合分析用户行为数据和业务数据,可以自动监测网站、APP、小程序等多种渠道推广效果分析,是增长黑客们必备的互联网数据分析软件。数极客支持实时多维分析、漏斗分析、留存分析、路径分析等十大数据分析方法以及APP数据分析网站统计网站分析小程序数据统计用户画像等应用场景,业内首创了六种提升转化率的数据分析模型,是数据分析软件领域首款应用定量分析与定性分析方法的数据分析产品

发表评论

相关文章