电商搜索如何让你买得又快又好「搜索前」(二)

投稿用户 • • 电商技巧 • 阅读 50

“搜索是用户把控方向及自由度的信息入口，尤其是当用户无法在产品上通过浏览找到想要的东西。”
在进行搜索功能的设计时要以简单、高效为核心目标，搜索即服务。电商搜索从大的架构或流程上来说，与通用搜索引擎有非常多的相似之处。包括对数据的收集、分析、索引，进而根据用户的搜索词在搜索引擎中检索，完成商品与搜索词之间的相关度评价，最后对结果进行排序展现，并实时响应用户的相关行为和筛选反馈。
根据搜索的过程，可以拆解用户的搜索流程如下：搜索入口-搜索触发-内容输入-点击搜索-反馈结果。我们从这个流程的各个环节上来看三大电商的搜索功能，进行对比分析。
对比是个学习与分析的好方法，接下来的若干篇文章将从上述各个环节展开，主要介绍国内top3电商为主，所以分别以拼多多、淘宝、京东的搜索功能为切入点进行对比，并给出相关技术方案。
本文从前两个环节来进行介绍，搜索前(搜索入口-搜索触发):
1.搜索入口放在哪
一级tab(拼多多)
顶部中间搜索框(淘宝,京东,天猫)
搜索入口吸顶(淘宝,京东,拼多多,移动)
顶部右侧放大镜icon(移动)
入口举例这里没有找到将头部右侧icon作为搜索入口的电商，所以找了非电商的例子(移动)。
分析:几乎所有大型电商对搜索入口定位均较高，给了相当重要的位置，尤其是拼多多给了一级tab作为用户的搜索入口，但首页取消了搜索入口；并且在搜索入口展现层面均设置了吸顶(下滑操作不会让搜索框消失)，拼多多搜索入口在一级tab下吸顶。搜索位置体现了产品对搜索功能的定位问题。
2.搜索触发
a.触发前
默认底纹:内容前置，用户在不输入搜索词的情况下直接得到想要搜索的词
常见情况:商品名称关键词，类目词，品牌词，特定活动
底纹推荐-产品底纹推荐技术方案
极简版:
运营人工配置
统计版:
热门搜索词、热门品类、热门活动
简单模型版:
实时对用户最近一次的点击/收藏/加购/搜索词，使用自然语言处理进行关键词、品类词、活动提取，并在搜索框内显示。这里涉及文本处理词性识别和命名实体识别(NER,把无结构文字转变为有结构文字)，核心词(名词)、形容词(属性/标签等)提取过程，可以考虑基于规则或统计的词性标注(HMM)。
词性识别-来自《郎君-NLP技术的应用及思考》实体打标词性识别-来自《郎君-NLP技术的应用及思考》复杂模型
embedding方法
生成式: seq2seq，通过将用户的近期n-1个时间步内的行为序列输入rnn模型(lstm)，生成预测未来第n时间步的行为，可以考虑将商品标题，属性，用户特征/标签一同输入训练user embedding，然后在用过一个decoder对其进行解码。
用户行为序列 生成式-user-embedding-《云栖社区-query生成与推荐》生成式-query generate-《云栖社区-query生成与推荐》检索式: user与query embedding到同一个向量空间中,并最终计算两者的相似度，最终将与用户相似较高的topN进行召回，并使用模型预估意图及转化最高的query作为底纹。
检索式-《云栖社区-query生成与推荐》doc2vec和word2vec方式对用户和query进行embedding，query的文本为搜索曝光日志中此query下转化最高的n个商品(tittle,描述等)，user的文本则为用户近期行为交互相关商品的文本(tittle,描述等)，使用doc2vec或word2vec进行训练，最终产出query及user的embedding vector。
query及user的doc构建检索式向量召回性能开销大，一般现在外层使用聚类模型进行一级查找，确定一级簇以后再进行二级查找。对候选集合使用kmeans聚成n个簇遍历n个簇中心查找余弦距离最近的topM个类然后遍历topM个簇中的点获取topK个相似最后使用一个对目标建模的模型找出得分最高的搜索词作为默认词b.触发后，输入前
触发搜索框后，在绝大数电商搜索产品中均有不同程度的搜索推荐版本，对于业务来说，这是cross sale的方式。常见的有搜索历史、热门搜索、搜索发现，并且除了搜索历史，热门搜索和搜索发现一定程度上需要做语义归一化，避免浪费坑位，如“白裤子”与“裤子 白色”。
热门&搜索发现-产品搜索历史
搜索历史的功能建立在一定假设的基础上，假设用户使用搜索具有一定重复性。搜索历史帮助用户快速检索历史需求，快速进行回放。并且通过数据分析可以发现，搜索历史的query词更加高频，转化也比其它搜索推荐词转化高；所以历史搜索一般更靠近搜索框，并且搜索词按时间先后顺序由近及远，数量过多时会进行折叠或只保留N个，用户有清空历史搜索词的选项。
热门搜索词
通过已有用户的搜索日志，进行数据分析，选择将高频&高转化搜索词进行展现，便于用户冷启动/意图冷启动进行筛选。这一过程中也有运营同学的参与，如大促热门活动主题。热门搜索推荐词应避免长尾，应尽量高频、宽泛、多样。注:用户冷启动一般指新用户，意图冷启动指用户之前未有的需求。搜索发现/搜索词推荐
这一板块使用了千人千面，更加个性化。并且很多时候有换一批的功能，可以让更多内容有曝光机会。由于有搜索历史的存在，所以搜索词在个性化的同时，应尽量避免与搜索历史栏出现语义重复，提供更有价值的搜索词，从而最大化曝光效率，并且为了防止过多推荐词带来干扰，一般搜索发现词在10个以内。
这个模块的技术方案与底纹推荐类似，只不过最终的展现不是一个，而是topN，这里就不再赘述。
后续文章主题:《国内主流电商搜索功能对比》、《电商搜索-数据分析》、《搜索算法-QR》、《搜索算法-QU》、《搜索算法-相关性》、《搜索算法-排序》。
上一篇文章:
姚凯飞：电商搜索如何让你买得又快又好(一)105 赞同 · 9 评论文章
下一篇文章:
姚凯飞：电商搜索如何让你买得又快又好「搜索中」(三)53 赞同 · 8 评论文章
对电商搜索感兴趣，并想深入了解算法的小伙伴，可参与我的live:
如何让搜索算法提升电商用户体验?www.zhihu.com/lives/1049036038995103744
其它相关文章及live整理:
姚凯飞：推荐&搜索&广告&用户画像&深度学习整理283 赞同 · 16 评论文章
谢谢大家的支持！

创业项目群，学习操作 18个小项目，添加 微信：790838556  备注：小项目！

本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 zoodoho@qq.com举报，一经查实，本站将立刻删除。
如若转载，请注明出处：https://www.zoodoho.com/119064.html
赞 (0)
投稿用户
0
上一篇 2023年8月3日 pm7:43
下一篇 2023年8月3日 pm9:27

相关推荐