超全面总结！搜索体系的建立与优化

编者按：搜索体系由哪些元素组成？有哪些常见的功能模块？如何建立和优化搜索体系？这篇超全面的总结让你系统认识搜索体系。

看完本文你会学到

搜索体系的组成。
搜索功能常见的模块。
优化的意义及思考。

写在前面的话

一般来说，搜索功能按顺序分三个阶段：点击搜索——跳转搜索页——搜索结果页。

接下来，我们按照流程顺序一个个来说吧。

搜索前

我们在使用搜索功能前，首先要找到他的入口在哪，所以设计一个明确，高效的入口是「登月第一步」。常见的移动端搜索入口会放在顶部或底部，有些资讯、博客、工具类app也会出现悬浮按钮式的搜索入口。

搜索中

点击跳转到搜索页后，就可以进行输入了。搜索系统现分为「文本」、「图片（扫码）」、「音频（识曲）」三种载体分别应对不用场景下的搜索需求。页面中会出现哪些模块呢？

1. 热词搜索

简称热搜，玩过微博的小伙伴们应该对此非常了解，许许多多的流量「爆款」就产生在这里，这小小的方寸之间几乎是大天朝舆论的风向标。

2. 关键词联想

当我们输入某个词或词组时，搜索系统往往会联想出词串组，帮助用户节省输入成本。当然，有时候出现的可能是相关内容的热搜或是广告投放。

3. 搜索历史

这个非常好理解，就是用户曾经搜索过的内容。通常来说10条的展示量基本可以满足用户的使用需求，京东最多可以展示20条的搜索历史。不过也有少的，微博只有区区两条的展示量，估计是不想与下面热搜入口的主要视觉区域对冲，稀释流量吧。

4. 运营区

这个模块的名称比较难定义，暂时叫运营区吧。此类模块经常出现在社交，泛娱乐类型的app中，搜索入口流量大，用户操作密集，建立运营模块/个性化定制模块既能生产流量，又能导流。

5. 个性化内容定制

简单来说就是「猜你喜欢」，根据用户平时产生的行为进行个性化的推荐。「千人千面」就是说这样的功能。

6. 分类

通常会出现内容载体/功能形式划分比较清晰，统一的app中，类似于资讯类，阅读类。有些app的分类是独立的模块或是一级导航，有些则会并入搜索中。

搜索结果

看到这里，我们来到了搜索过程的最后一步。在这个页面上，我们通常可以看到大量的内容按照特定的逻辑顺序排列，有的顺序用户可以在筛选器中设置，比如电商app中的，按价格高低排序，销量多少排序等等，有的则是根据业务原因排序，用户不能改变，总体来说每个app都有自己特定的逻辑顺序。在这个阶段的搜索栏，通常的交互方式为上滑隐藏。当搜索关键词与搜索结果高度吻合的时候，会出现命定词高显模块，来看下面的图例吧。

当搜索结果出现异常的时候？会怎么样呢？（不考虑404）

搜索结果零匹配，会出现一些相关词组选项，这些词组通常是你给出的搜索内容的分词。
当你打错字的时候，结果页优先显示正确词组的匹配内容。但有个前提是，其他字或词要与相关内容匹配度非常高，这样才能被计算出来。

优化思路

很多情况下用户使用搜索功能的目的并不明确

随着互联网的高速发展，手机变得越来越「好玩」，功能很多时候就不再是简单的功能本身了。长期刷微博的小伙伴们会发现，「热搜」模块内容的变更简直代表了时代的变化。从鹿晗关晓彤公开恋情，到pg one李小璐夜宿绯闻，到space x发射成功，热搜就像是时代的风向标，每个人都害怕错过热点，仿佛会被这个世界淘汰。在这种现象的背后，究竟是用户「精神消费」过剩？还是搜索机制的升级？我们习惯于把某个功能固定于在某个意义层面上而难以跳脱，设计搜索时，我们假定用户为「进行带有强烈目的性搜索行为」。但很多情况下，懵懵的，不晓得干什么的用户数量也非常庞大。热搜是一种非常棒的分流手段，我们也可以递进式拓展相关的模块。比如，搜索栏下可以放置「经常访问博主/up/头条号/专栏...」入口。往大胆了想，在电商app中，针对于经常购买，浏览固定商家的用户，则可以在搜索过程中变更某个固定模块为「推送固定商家」、「类似在售商品」的信息，根据用户的行为特点，让「内容定制化」上升为「模块定制化」，打破app模块分配固定、难调配的局面。

搜索将会越来越智能，算法首当其冲

首先介绍一下搜索的物理逻辑：用户输入信息，系统根据输入的信息匹配相对应的内容，再按照特有的rank逻辑进行排序展示。这个表述只是简单的介绍，如果想要知道具体的原理，还需要深入到搜索词库的建立。每个搜索系统都有一个词库和一个索引库，他们之间是可以进行快速的关联匹配的，词库就好比一本书，索引库就好比目录，当你心里有具体想翻阅的某个内容时，就可以根据目录找到页码，匹配到相关内容。实际上「查书」这样的动作就已经构成一个简单的搜索过程了。那么，机器检索复杂在哪里？这边要介绍一个新的概念：分词。

给大家看个幽默图片轻松一下，这位老母亲也是为自己的崽崽操碎了心。在图片中，用户输入检索内容时，你会发现，这个文本结构非常的口语化，「女儿高高胖胖穿什么好看」这更像是一个问句，很明显用户对于内容没有明确的预期。如果用这样口语化的描述性文本在淘宝中进行搜索，会出现什么样的结果呢？结果将会是没有匹配。

既然这样搜不到，那我们换个思路来吧，「女儿高高胖胖穿什么好看」，是不是可以换成「高个的女孩穿显瘦服装」这样的文本进行检索呢？我们来试试看。

咦，还是没有，那我们干脆再简化字段扩大搜索范围吧，换成「高个女显瘦」来搜索呢？

结果匹配到了很多漂亮时尚的衣服，搜索完成。

回头再梳理一遍过程，我们从「女儿高高胖胖穿什么好看」这样的非结构化文本到「高个的女孩穿显瘦服装」再到「高个女显瘦」的简化过程，就是一次人工分词操作。如果在足够智能的搜索引擎上，这些都可以自动完成。分词，简单表述为：拆分滤用字符串。例如，三国的军事家司马懿。可以拆分为「三国」、「的」、「军事家」、「司马懿」这些词组。那在分词系统中，「的」、「是」、「在」是常见的停用词，通常会被直接pass掉，词组进一步拆分为「三国」、「军事家」、「司马懿」。经过这样的处理，非结构化的内容就会转化成结构化的，可匹配度高的词库，可以轻易的匹配到想了解的内容。说了这么多搜索原理，那优化思路在哪呢？这里说两点自己的看法。

词条归一

这是针对词库的优化，说到这个，得介绍一下搜索系统匹配关键词的规则「TF-IDF算法」。假如用户在百度上搜索「苹果」，那苹果有很多相关的信息文档，怎么才能准确匹配呢？系统需要提取这些信息文档的关键词，感兴趣的小伙伴可以百度公式。系统计算出文档里每个词的TF-IDF值后，然后按降序排列，取排在最前面的几个词与搜索词匹配就可以得到准确的匹配结果，不会出现我搜的是苹果，出来的是青苹果乐园。进一步的还有Lucene的打分系统，让好的，召回率高的内容优先展示。说了这么多，词条归一到底是什么？其实就是将同一词义的词组归为同一个词，比如苹果的别称有「蔷薇科苹果属果实」、「柰」、「滔婆」、「apple」、「りんごちゃん」等等，这些词组说的都是同一个意思，所以词条归一就是将这些词组归为同一类别，扩大匹配范围，提高关键词召回率。

更符合业务目标的rank逻辑

我们在搜索完成后，会看到搜索结果会按照特定的顺序排序，再进行展示。有些产品中，展示的顺序是否能够切合业务目标，会直接影响到产品的收益。所以，制定展示逻辑的算法要高度理解业务内容，实时回归业务进行规则的更新。

欢迎关注作者的微信公众号：「深知与灼见」

超全面总结！搜索体系的建立与优化