帮你梳理与“搜索”相关的后台流程

栏目: 编程工具 · 发布时间: 5年前

内容简介:“搜索”,对于前台操作的用户来说,只是一个极其简单的动作。但对于后台来说,则需要拆成“如何才能支撑‘搜索’这个动作?”以及“我们要展示给用户哪些元素?”两个方面来考虑,才能更好地完成这个动作。对于有确定购买目标的用户来说:如何能在海量商品中快速找到心仪商品呢?

“搜索”,对于前台操作的用户来说,只是一个极其简单的动作。但对于后台来说,则需要拆成“如何才能支撑‘搜索’这个动作?”以及“我们要展示给用户哪些元素?”两个方面来考虑,才能更好地完成这个动作。

帮你梳理与“搜索”相关的后台流程

对于有确定购买目标的用户来说:如何能在海量商品中快速找到心仪商品呢?

搜索是必不可少的渠道,也在电商平台中占据着举足轻重的地位。

前端用户只是一个简单的“输入+搜索”的操作,后台就需要拆分出:“哪些逻辑可以用来支撑?”以及,“我们应该给用户展示哪些元素?”

今天,我们就来聊聊与“搜索”相关的后台流程。

一、搜索结果页布局

PC端的搜索结果页都包含哪些元素?

参照如下图:

帮你梳理与“搜索”相关的后台流程

淘宝PC端搜索结果页

  • 搜索栏: 用户输入query进行检索,是用户寻找商品的一种快捷入口。从用户输入到展示商品列表之间的检索过程,也是本文重点要讲的。
  • 筛选项: 是商品结果集的属性的聚合,给用户提供在商品结果集内进一步按照各属性维度单独筛选的功能。
  • 分类树: query相关的分类,以分类树的形式展现给用户。比如:输入“小米”既属于“3C数码”,又属于“粮油米面”。
  • 面包屑: 展现当前商品列表所属的分类路径,方便用户跳转至各上级分类,同时可在该分类路径下进一步检索,扩大或缩小检索范围。
  • 商品列表: query搜索的结果集,涉及到商品的 排序 展示,是下文的重点。
  • 商品推荐: 根据用户当前或者历史的检索行为,进行商品推荐。

二、搜索流程框架

帮你梳理与“搜索”相关的后台流程

1. query分析

用户输入query,系统需要对query进行预处理,包括:改写纠错、近义词、query补全。

  • 比如:用户输入“平锅电脑”,通过分析判断,用户可能想搜索的是“苹果电脑”。
  • 比如:搜索“电褥子”,也可以匹配“电热毯”。
  • 比如:最近抖音用户李佳琪以推荐口红走红,在TB输入“李佳”就有对应提示。

好的产品应当是让用户自行选择,而不是强制改写用户的输入。

有搜索结果则优先展示搜索结果,同时提示纠错后的词语供用户一键搜索。纠错和补全可以看作是与query做模糊匹配,从而返回一个相似的单词集合。

Apache开源的全文检索引擎 工具 包——lucence,就提供了该功能点的实现。大致思想是:给定一个包含大量正确单词的词典集合,与用户的query进行匹配,计算出编辑距离,距离越小则越相近。

编辑距离:是两个单词之间转化的最少变化次数。

比如:字符串“abcd”变为字符串“bcde”,需要删除a再插入e编辑距离为2。

编辑距离的定义简单,但是关于“如何降低算法复杂度?”,这个比较偏技术。产品同学了解思想即可,对技术有热情有兴趣的同学也可以研究下Lucence内的实现。

帮你梳理与“搜索”相关的后台流程

2. 分词

当用户的搜索词比较长,则需要将query切分成一个个单元。

比如:用户搜索“夏季仙女连衣裙”,如果用整个字符串做匹配的话,召回率就会很低。所以,需要分为“夏季”+“仙女”+“连衣裙”。

市面上有开源的分词工具包可以直接使用,比如:IKAnalyzer中文分词器。

但是,不同的分词工具运用的分词算法不一。以机械分词算法为例——一种基于字符串匹配的分词方法,它可将待分析的字符串与机器词典中的词条进行匹配,假如在词典中找到某个字符串,则匹配成功。

除了通用词条,跟产品业务相关的词汇我们也需要尽可能的补充完善进词典。

这里我们介绍一下机械算法中的“正向最大匹配算法”和“逆向最大匹配算法”。

正向最大匹配算法:从左到右逐个组合扫描词与词典中的词条进行匹配,如果匹配成功,则把这个词切分出来,继续匹配剩余的字符串。

那么如何做到最大匹配呢?

让我们来看一个例子:

待匹配词条:string data=“仙女连衣裙夏季”,通过字符串截取函数截取对应需匹配的词条。

词表:array dict=[“仙女”,“仙女连衣裙”、“连衣裙”、“夏季”]。

从data[1]开始扫描,到data[2]的时候,发现:“仙女”在词表中有,但是还不能将该词切分出来。因为“仙女”是dict[2]“仙女连衣裙”的前缀。

继续扫描发现:data[5]在词表中有,但是还不能切分出来。

扫描data[6]发现:在词表中没有“仙女连衣裙夏”,这个词条也不是任何一个词的前缀,则切分出前面最大的词——“仙女连衣裙”。

以此类推,最后得到的词组为:[“仙女连衣裙”,“夏季”]。

逆向最大匹配算法:先定义一个最大分割长度5,从右往左开始分割。

以data[5]表示“连衣裙夏季”,data[4]表示“衣裙夏季”。

从data[5]开始扫描,若不在词表中,去掉最左边一个字,得到data[4],直到发现data[2]在词表中,将词语拆分出来,此时待匹配词条变为“仙女连衣裙”。

匹配data[5]时,若发现词表中有,则切分出来,分割结束,得到的词组为[“仙女连衣裙”,“夏季”]。

3. 索引匹配

索引:可以理解为是一种数据结构,是基于数据表中的某一列创建的,存储了列值以及和表行的对应关系。

例子我就不多说了,不清楚的同学可以自行谷歌。如果没有索引,在查询时,需要对数据库表做全表扫描并做文本匹配,这是不现实的。

创建商品后,系统会将商品名称分词并且建立索引形成索引库,必要时也可以将商品类目、品牌引入索引库中。将用户query的分词词组与索引库进行匹配,得到商品候选集。

4. 商品侯选集

首先,匹配出query相关的类目以及与query文本相关的所有商品,以类目+文本为最高优先级对商品进行排序,类目和文本相关性一致的则根据权重排序。

影响权重的因子包含:“商品近30天的销量”、“评论平均分”、“上线日期”、“店铺得分(文描,评论,物流)”等。

给所有因子影响权重的比例定义一个系数,需要根据实际业务运营策略制定。

比如:运营希望多曝光一些服务优质的店铺,则店铺维度的因子权重比例就高。如果运营想多曝光一些爆款商品,则提高商品各项因子的权重比例——截取商品候选集的topN做综合排序得到商品结果集。

如下图:

帮你梳理与“搜索”相关的后台流程

商品候选集选取流程

5. 综合排序

从商品列表中提取出三部分 :

  1. 同类目人工干预置顶
  2. 售罄或差评商品沉底
  3. 其他部分待排序。

通过点击率预估模型对待排序商品重排序,并区分同类和其他类目。

影响点击率预估模型的成分有:

  • 店铺因素(店铺近期订单量,评分,物流,PV,UV)
  • 商品因素(销量、价格,与同类商品价格差)
  • 用户本身特征(近期购买,浏览,收藏)
  • 实时特征(当天商品被浏览,加购等)
  • 季节因子

对同类目的商品优先提取品牌和商品词符合的做前置(比如搜索小米插座  品牌:小米,商品词:插座)。

最后合并各个分段结果如下图:

帮你梳理与“搜索”相关的后台流程

综合排序流程

以上梳理了搜索流程中的一些关键节点,而如何提高搜索引擎的用户体验呢?

核心和难点在于:理解用户,进而高效的帮助用户找到目标商品。

这就离不开运用各种机器学习和自然语言处理技术进行语义分析,不断尝试各种搜索引擎 排序算法 帮助用户找到更优质的商品。

通常大型电商平台的搜索团队都是偏技术配置,业务型的产品虽然不需要深度学习算法与数据模型相关的知识,但是基本概念和思想最还好是要掌握。

以上是我的分享,欢迎交流。

本文由 @雷大胖子 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议


以上所述就是小编给大家介绍的《帮你梳理与“搜索”相关的后台流程》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

PCI Express 体系结构导读

PCI Express 体系结构导读

王齐 / 机械工业 / 2010-3 / 55.00元

《PCI Express 体系结构导读》讲述了与PCI及PCI Express总线相关的最为基础的内容,并介绍了一些必要的、与PCI总线相关的处理器体系结构知识,这也是《PCI Express 体系结构导读》的重点所在。深入理解处理器体系结构是理解PCI与PCI Express总线的重要基础。 读者通过对《PCI Express 体系结构导读》的学习,可超越PCI与PCI Express总线......一起来看看 《PCI Express 体系结构导读》 这本书的介绍吧!

JS 压缩/解压工具
JS 压缩/解压工具

在线压缩/解压 JS 代码

JSON 在线解析
JSON 在线解析

在线 JSON 格式化工具

RGB转16进制工具
RGB转16进制工具

RGB HEX 互转工具