小米步枪：电商搜索优化

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。