功能导向型核心业务的策略框架

网页搜索策略思考方法

一、产品目标

产品目标：高效地获取信息

1）需求复杂又多变

2）从浩瀚的候选集合里找到正确的信息

不同用户输入同一query表达的需求可能不一致；

同一用户在不同场景输入同一query表达的需求也可能不一致。

二、需求理解

这里的需求理解其实就是广义的query解析

分为三类：

1）需求明确

A）结构简单清晰的query：经过切词处理即可进行后续检索

例如：黄山火车站订票电话——> 黄山   火车 站   订 票   电话

B）口语化的query：需要进行纠错、同义转换等语义处理

例如：杭州至盐城高速怎么走

——>杭州|至|盐城|高速|怎么|走

——>【map】 【from：杭州】 【to：盐城】 【type：驾车】

C）表达方式很复杂的query：需要进行更加unique的语义处理

例如：

披星（）月

吾尝终日而思矣，后面

2）需求明确，对答案有特殊要求

除了统一的query变换外，需要将特定要求转换成搜索引擎可理解的特征

例如：

猪肉最新价格——>资源时效性

3）需求不明确，需要进行需求扩展和预测

例如：

欢乐颂——>欢乐颂视频、剧情介绍、演员表、评论。。。

猩球崛起3——>上映前需要预告片上映时间、上映中需要介绍评价在线购票、下映后需要介绍评论视频

三类扩展维度：

上下文数据：搜了欢乐颂后，用户是否主动更改query搜索欢乐颂视频

类目数据：对于【欢乐颂】这种电视剧专名，天然就有视频、剧情等需求。PM可以提前梳理针对各类目的需求扩展list。

个性化数据：对于特定类目可以进行地域扩展，家乐福——>北京家乐福；电影专名，有的用户更倾向于看剧情，有的倾向看评论。

一个query经过以上分类处理后，会统一成这样的输出，来进行接下来的检索：

【需求类目/需求词】

【需求强度】

【待检索term/pattern】

【其他限定特征（地域等）】

衡量指标：

1）每个query分析规则的召回率和准确率

2）各需求的召回率和准确率

三、解决方案

分为两部分：排序和展现

1.排序

不同需求间：根据需求强度（命中需求的概率）

同一需求间：根据结果质量（相关性、权威性、时效性、可用性）

根据用户的点击行为进行调整

实际上，会把需求强度、结果质量、用户点击行为统一成【唯一指标】决定首页结果的排序

LTR：learning to rank 机器学习排序

2.展现

通用策略：将结果页中与query相关的信息提取为标题/摘要，进行飘红等处理帮助用户筛选信息

（对所有搜索引擎，都是将检索对象中用户最关心的内容提取至检索结果列表页，并根据情况以各种强化的样式展现）

细化策略：针对不同需求，又有如下细化策略：

A）对于单一明确信息需求，可以将答案信息之间在摘要中展现

例如：天气、客服电话

B）对于用户接下来路径相对收敛的需求，可以将下一步需求前置，缩短步骤

例如：网易邮箱（登录）、欢乐颂视频（集数）、凡人歌（播放）

C）对于不同资源类型结果，可以针对性优化摘要

例如：视频类、图片类、新闻类、地图类

3.衡量指标

1）每个需求打分、质量打分、展现策略的召回率和准确率

2）用户角度的搜索的满足度

A）基于用户行为的搜索满足度：

摘要满足型需求——>无/很少点击行为

单结果满足型需求——>点击集中于收条结果

主动变换query比例低

翻页比例低等等

B）基于人为评估的搜索满足度:

query前3/5/10结果相关性->基于人为需求判断，当前结果是否能满足；与竞品相比，是否有更好结果未收录、排序是否更优等

session满足度->从用户一个行为片段分析其是否得到满足

四、资源支撑

1.自然语言相关

各类基础词库：用于query切词处理、同义转换、纠错等

语义理解和处理规则：用于query解析

2.网页相关

网页收录（spider）：

1）保证各类网页收录覆盖度

2）保证各类网页收录时效性：根据网页类型定义更新频率，重要或时效性要求高的资源可选择站长主动提交的方式

页面分析：

对页面类型进行识别，页面中内容解析、为term附权等等

衡量指标

1）对于NLP相关：各类词库、处理策略的准确率、召回率等；

2）对于网页收录：收录覆盖率、更新时效性等；

3）对于页面分析：各类准确率、召回率等。

五、总结