多年前,在电商平台做了很多数据相关的工作,重心在数据BI,也和搜索推荐的同学搞了一些功能优化。让我记忆犹新的是搜索策略的优化。
搜索功能是平台最重要的功能之一,可以说是50% 的流量转化入口。搜索的目标是流量的转化促交易,策略是“让用户在最短的时间,最简的方式找到自己想的东西 ”。
搜索工程师们的思路是优化搜索算法,来提高召回率和准确率。数据出身我的优化思路是“较少用户的搜索时间”。
粗粒度的搜索流程:用户搜索表达意向、经过搜索系统搜索词解析命中意图、终端呈现匹配到的结果。
这里我们基于三步大流程,做了细节上的优化,来节省用户时间。
一,让用户更好的表达意图:让【建议提示词】来弥补【手写输入词】,我们基于历史的搜索词记录,匹配用户的同场景搜索需求,我们向用户走进一步,根据用户的搜索的前缀词,快速推荐高意图的搜索词推荐列表,让用户快速选择。让用户1秒内完成表达。
优化-用户搜索的表达方式后,【建议提示词的搜索用户数】逆袭超越【手写输入的搜索用户数】。建议提示词的方式占比高达36.6%,被用户的选择,就是最大的肯定。
二,在搜索系统层面,我们预先对历史输入词做好分词处理,构建意向词库可以直接命中词库对应的内容。无需系统每次重复的解词,检索内容库,在毫秒级返回结果给用户。
三,终端呈现的质量一半取决于搜索系统的算法质量,同时另一半来自于搜索内容的排序。我们知道有时候高匹配的内容不一定是用户想要的;排序的质量可以让用户更快的找到自己想要的。我们所有的商品库做了排序同时也给予数据反馈迭代排序。
我们让用户的行为为商品打分,相信优质用户的选择总不会太差,相信来自大数据中大多数人的选择,我们筛选优质用户,确定核心指标,通过回归算法,计算权重塑造函数模型,让数据说话。
在这次搜索的优化过程中,收获了很多,也体现出了 用数据 比 看数据 更有意思。祝愿每一个数据开发同学,能够利用好数据利器,多为业务找方法,发挥数据驱动业务的价值点。
我们整个搜索优化项目,运用了OGSM的管理方法,有Objective(目的)、有Goal(目标)、有Strategy(策略)、有Measurement(测量),语言是空洞,数字是最好的证明。