电商搜索主要就这3个事

2018-12-12 20:23:00

本篇文章介绍了电商搜索的工具——搜做引擎，其3个核心能力：词库、权重、索引。

最简单的电商搜索是针对商品名称，随着技术进步，用户搜索的内容五花八门，只仅针对商品名称的搜索已经远远不能满足用户的需求，这个时候行业里面引入了一个工具——搜索引擎。
搜索引擎主要为我们提供3个核心能力：词库、权重、索引，还可能包含其他一些附属功能，比如评价体系、数据统计等，下面我们主要来说下搜索引擎的这3个核心能力。

一、词库

1.1 数据准备

搜索引擎可以对用户输入的搜索词做预处理，以此提供用户更想要的搜索结果，比如近义词、分词、兼容拼音、纠错功能等，除了有通用的词库可以解决掉一般性的输入问题之外，最主要的就是针对用户以往的搜索词去定期完善相应的词库。
所以在构建相应的词库之前，需要对用户以往的搜索词做好相应的统计，包括每个搜索词的搜索人数占比、搜索结果点击率以及每个搜索词的下单转化情况等，有了这些数据，我们就可以有针对性的优先优化最有价值的搜索词，另外还可以通过这些数据查看优化后的结果。

1.2 近义词

比如用户搜索的是“充电宝”，但实际上专业名词叫“移动电源”，再比如“充电器”，专业名词叫“电源适配器”等等，根据用户的搜索数据，我们需要定期把这些对应关系更新到近义词库，如图15-1。

图15-1 近义词词库（图片来源：小米商城）

1.3 分词

分词的意思是说，如果用户的搜索词比较长，比如“防雾霾口罩”，但是商品标题是“过滤防护口罩”，这个时候如果按照完全匹配是匹配不到的，分词的作用就是把搜索词分成“防雾霾”+“口罩”，这样搜索的结果集就会大大增加。如图15-2：
目前已经有通用的分词词库，用来处理常见的分词，但是对于一些专有名词，或者一些需要系统特别处理的词，比如手机行业里的“全面屏”，需要我们自己根据数据统计的结果定时更新到分词词库。

图15-2 分词（图片来源：天猫）

1.4 其他

包括错别字、兼容拼音、去重等，原理跟近义词、分词类似，这里想讨论一个问题：如果用户的搜索词是错的，我们应该如何处理？如图15-3，第一张图，用户搜索了“xiaomi”，小米商城直接给用户显示了“小米”的搜索结果，也就是帮用户纠正了错误。而第二张图，用户搜索“永衣”，天猫先给用户显示了“永衣”的搜索结果，再问用户是不是在找“泳衣”。
那到底是先显示“永衣”的搜索结果，再问用户是不是搜索“泳衣”，还是直接帮用户纠正为“泳衣”的搜素结果，再问用户是否仍然搜“永衣”？
我个人的建议是，在“永衣”有搜索结果的情况下，先帮用户显示“永衣”的搜索结果，再问用户是不是搜索“泳衣”。因为“永衣”有搜索结果，所以我们并不能完全确认用户的搜索词是否错误，如果直接帮用户纠正错误，从尊重用户的角度来说是不合适的，甚至可能是多余的。
如果“永衣”没有搜索结果，则直接给用户显示“泳衣”的搜索结果，并且不是提示用户是否仍然搜索“永衣”，因为“永衣”没有搜索结果，还让用户搜索干嘛？而是类似图15-2，告诉用户“永衣”没有搜索结果，已为您推荐“泳衣”的相关商品。

图15-3 纠错（图片来源：小米、天猫）

二、权重

权重就是跟搜索结果排序相关的，从电商的角度来说，包括但不限于商品、用户、运营等维度。
商品可能包括品类、商品名称、副标题、颜色、规格参数等，用户相关的就包括购买、推荐、收藏、点击等，运营相关的包括促销、新品、热卖等。
每一项有一个权重值，经过一系列的算法计算，权重越高的商品搜索结果越靠前。跟词库类似，权重也是需要定期更新不断完善的过程。

三、索引

索引是搜索引擎的一个重要特性，我们知道一般的数据库也可以创建索引，但主要是针对具体数据类型确切数值的精确筛选，而大数据量下的实时处理能力，以及基于语义、相关性方面的搜索，还需要搜索引擎的支持。
搜索引擎需要定期从商城获取数据创建索引，数据内容包括了之前提到的商品、用户、运营等相关的数据，如果对实时性要求比较高，就增量同步，实时性要求不高，则可以定期全量同步。
用户从搜索到最终获得搜索结果的流程如图15-4：

图15-4 用户搜索流程