提升电商搜索GMV产品策略之浅见（二）召回排序篇

产品专家毛新年 2023-07-29 21:43:59

在《提升电商搜索GMV产品策略之浅见（之一）》中，我们从三个角度看电商搜索，然后将搜索GMV从交易路径的角度进行了分解为=网站UV*搜索UV占比*点击UV占比*购买UV占比*客单价，然后重点阐明提升搜索UV占比的策略和提升点击率的前端产品策略。

本文讲提升点击的后端产品策略，主要从召回和排序两个环节进行阐述。

要提升搜索点击率，不仅要供应链提供丰富的好商品，系统能将商品搜出来（召回策略），还要将好商品排在前面。否则用户可能不愿意继续往下看而放弃，也会影响点击率。

搜出来是召回问题，将好商品排在前面，是排序问题。

一、电商搜索召回策略

搜索的召回主要有字符表层匹配的召回和深度理解的召回。前者根据用户的搜索词和商品进行匹配，根据命中程度召回。在电商领域，参与召回的字段主要有商品标题、卖点、亮点、核心属性，在发生无少结果的时候，商品的品类也会参与召回。同时针对上述字段的同义词、近义词、上下位词、俗称、别名等也需要事前建立知识词典，参与召回。

在上述召回及改写之后，如果召回结果依然比较少，甚至没有的情况下，进行改写和丢词召回。

与基于表层字符完全匹配的召回不同，基于深度理解基于语义的深层理解，而不需要在字符表层匹配的约束下，进行召回语义匹配的商品。这种方法是通过构建Query和商品向量，计算两个向量之间相似度得分进而确定二者相关性，其原理可以参见：https://www.jianshu.com/p/7d4c65a66cac。

在实践上，我们可以参见京东电商搜索中的语义检索与商品排序：https://www.6aiq.com/article/1591222526206

这样，query=‘2-3 周岁宝宝玩具’可以召回 ‘托马斯小火车’这样的商品。

另外，对于多渠道融合的电商而言，在商品来源设计基于商品分级的多路召回：每一路召回给予一定的配额。

优质好货（XX%份额）；
拼购好货（XX%份额）；
O2O货（XX%份额）；
通货打底（XX%份额）。

同时在召回之前，还要进行可售性校验：校验商品的可售属性，如果商品没有达到可售或者流量分配前置条件，将不被召回。

有价校验：召回的商品必须包含价格，没有维护价格的商品不可能产生销售，不被召回；
类目校验：召回的商品必须包含类目，流量分配都会用到商品的类目，没有类目的商品不被召回；
销售范围校验：召回的商品必须维护销售范围，没有设置销售范围的商品寻源上无法定位，不被召回；
上下架校验：召回的商品必须是上架商品，下架的商品不被召回。

商品信息更新

实时更新：上下架、库存、价格、销量、订单量、类目、属性、标题、卖点、图片进行实时更新；
增量更新：新发布商品按照增量更新机制，根据各个公司的系统能力，有秒级更新和分钟级更新；
全量更新：凌晨跑平台全量数据进行更新。

二、搜索排序策略

我们先看排序的金字塔式的结构：

电商搜索召回和排序策略浅谈

类目模型：搜索词意图与商品类型一致性强弱，比如搜索词“手机”，与搜索意图相关的商品是手机，而不是手机配件，不如手机壳，手机电池等即使每天搜索量、成交GMV都比手机多的品类商品。
文本模型：从文本角度计算Query与Item之间精准度（相关性）得分；
传统方法：命中关键词个数、命中字段类型、命中的顺序、关键词重要性等有关，精准度优先级；
精准匹配：优先词序一致的商品（优先无颠倒、无拆词、无空格）；
扩展匹配：扩展到同义词、近义词、相关词；
中心匹配（无少结果丢词召回）：所有关键词精准匹配无法满足时，根据主关键词匹配；
补全匹配：经过中心匹配还无法召回商品，根据三级类目召回商品；
深度学习方法：计算语义相似度得分；
供应商模型：通过店铺的流量、转化、服务、售后四维度表现来决定店铺等级；考核项目主要包括：日均流量规模、沉淀的粉丝规模、上新率、售罄率、滞销商品数、滞销占比、询单转化率、物流时效和纠纷自解决能力；
服务模型：评价店铺的服务能力，考核项目包括；
客服服务能力：在线客服时长、客服响应时长（45S响应率）、客服接通率、客服满意度；
物流：24小时及时发货率、延迟发货率；服务专业水平：询单转化率；
售后服务能力：退货率、退货及时率、退款率、退款及时率；
投诉处理能力：投诉率、投诉及时完结率、退款纠纷率；
公平性水平：纠纷介入率；
评价模型：衡量商品的评价质量；
评价数、评价率、好评率、差评数、差评及时回复率、视频评价数、图片评价数、中差评治理率；
人气模型：衡量商品受用户欢迎程度；
销售量、销售额、加购量、关注/收藏量、曝光点击率、订单转化率；
个性化模型：单纯人气模型不足，主坑位爆款多、客单价低、搜索结果丰富性差；采用个性化，人货场互动+商品标签+用户标签，匹配更精准变现更强。