从输入到输出带你快速了解搜索全流程

　　搜索功能作为产品设计中的基础且重要的功能，已经伴随着产品的发展历经了数十年。笔者向我们分析了整个搜索的流程，并做了一个简单的概述。
　　第一部分：搜索功能是什么？
　　通过用户的输入，从海量的数据中能够找到与之匹配的信息的功能，称之为搜索。
　　搜索出生的原因是信息过载，只有大量的数据情况下，搜索才能发挥出应有的价值。假设整个世界只有10条新闻，你想知道标题中含有＂中国＂的新闻，扫一眼就知道结果了，搜索的功能反而鸡肋。
　　搜索功能是筛选＋Ranking，根据用户的输入确定筛选条件，再根据一定的策略进行Ranking。随着信息的爆炸性以及用户人群的细分，随之诞生了搜索千人千面，结果列表的来源不仅仅跟你的输入相关，还会考虑用户画像，比如你最近的行为带来的一些标签。
　　为什么需要千人千面？
　　因为搜索所得的数据量实在是太大了，如果不同人群看到的结果都是一样的，是极其没有效率的。想象一下，一个输入条件有10W 条结果，大多数人看到前三页就极其困难了。
　　这个时候，用户要么选择放弃搜索；要么选择更精准条件的搜索。第二种方法对用户不是很友好，原因在于用户如何确定真实的搜索意图，不知道该输入什么，无法表述等等。倘若机器可以根据用户的历史进行预测推荐，那么用户的体验会有极大的提升。
　　第二部分：搜索流程
　　下图是搜索的流程图，虚线框中的主要是偏后台的工作，需要产品经理有适当的技术积累；剩余部分是会和产品、前端有交互的部分，需要产品经理进行产品设计。
　　接下来我们就一个个地讲：
　　第一节：功能确认
　　第一步：需要确认是否需要该功能【做不做?】
　　请大家回头看下搜索之所以产生的原因——信息过载，在这里其实就已经隐含了哪些产品需要有搜索功能。划重点：信息。
　　因此，但凡涉及到有信息度的，数据量较大的，则可以有搜索功能。比如看视频，视频有发布者、视频名称、参演人等等；比如商品，有风格、有品牌、有类型等等；再比如新闻网站，信息量更直观些，也是可以有搜索功能的。
　　那么哪些产品不需要有呢？常见的是工具属性偏强，主操作信息量较少的产品，比如闹钟、拍照类的产品。
　　第二步：确认重要性【入口确定、资源确定等】
　　非常重要: 数据量过大，用户目的相对明确，有某一主题或者更具体的要求，搜索可以极大的提高用户体验，比如:搜索引擎、电商网站。
　　次级重要: 用户随意性较高，并无较强的目的性，比如:新闻资讯类网站，该部分实效性的要求远高于搜索。
　　第三步：确认目的【搜索形式、搜索算法】
　　分析用户使用搜索的目的是什么，对结果的定义是什么。
　　总结出这几点：决定，搜索的输入（类型）、形式以及输出（主准确？主召回？）。
　　在这里，再简单给大家介绍一下准确和召回的含义：
　　下图中的0，1分别代表否、是：Actual是实际情况中的数据，Predict是机器预测的数据。
　　准确率=在所有的数据中，机器预测正确的占比；换句话说，对所有数据来说，机器对了多少？
　　召回率=在所有准确的数据中，机器预测正确的占比；换句话说，对应该对的数据来说，机器找到了多少个对的？
　　第二节：输入
　　输入的类型：文本、语音、图片、二维码等等，由于不同的输入内容，我们对信息的解析，以及后续检索排序都有不同的方法，本文主要讲基于文本（自然语言处理NLP）相关的内容。
　　其他的我们这边简单讲讲：
　　如果用户输入是语音的话，那么第一步需要将语音转化为文本语言，然后继续走NLP相关的路径。
　　如果用户输入时图片，那么需要对图片提取特征，理解并进行搜索。如果是二维码的话，直接跳转到页面，或者直接给结果即可。
　　输入优化
　　在用户进行输入的时候，为了方便用户的收入，或者明确用户的搜索意图，我们可以采用以下方法，这些方法可根据实际的产品形态，选择适合自己的。每个方法带来的效果，相信大家都能自己领悟，我们这里不做详细说明。
　　搜索框内展示搜索格式内容的帮助;
　　提供搜索建议（自动填充可能搜索的内容）;
　　将部分详情展示出来（多用于电商类产品）；
　　自动纠错;
　　有搜索结果的相似词;
　　热门搜索词语;
　　基于该用户推荐的词语。
　　第三节：意图识别
　　判断类型
　　结果型，搜索的内容有明确的结果的，比如：爱因斯坦出生于什么时候？
　　段落型，搜索的结果需要用大段文字来表述，比如：人工智能是什么？
　　展示型，搜索的结果是一些信息的展示，比如商品，职位……
　　判断意图
　　意图通常与知识图谱，或者说字典交相辉映。
　　字典一般包含：词干化，停用词，同义词，一词多义，上下位词语，这些内容。
　　其中，词干化常常出现在英文的信息中，中文中不太常见；停用词是指词语没有明确含义，比如：了，呢；同义词，比如:自然语言处理与NLP；一词多义，比如：苹果【公司/一种水果】；上下位词，比如互联网是互联网游戏的上位词。
　　那么字典是用来干嘛的呢，用最通俗的理解就是撞词，如果这个词出现在词表中的，那么这个词所代表的意义就被我们所知道（更厉害一点的就是知识图谱了，这个词的属性，与其他词的关系都可以知道，知识图谱我们之后再讲）。
　　通过对词语的理解，我们可以去进行信息检索和排序。当然实际应用中，它不仅仅是撞词那么简单，有更多更深的算法来提高对意图识别的准确度。
　　第四节：检索和排序
　　检索
　　基于向量的信息检索中，标准的做法：余弦相似度，通过计算两个向量的余弦来确定两个文本的相似度。
　　结果型
　　该这种类型的问题，一般是依靠知识图谱来查询相关的结果的，这部分的内容我们在知识图谱中再详细讲。
　　段落型
　　根据用户的输入，通过查找文档–>查找段落–>根据需求决定是否需要段落摘要
　　最简单的段落摘要，就是高亮，将命中的前后多少字作为段落摘要的内容，复杂点，可以通过AI来自动生成一些段落摘要。
　　展示型：确定搜索范围，进行搜索。
　　排序
　　排序在整个流程中，分为两种：一种是算法排序，在进行信息筛选的时候，算法已经给了每个结果的数值；第二种是人工干预排序，主要展示在页面中的排序。
　　算法的排序结果是机器给的，不同产品时期，算法功力都会对排序产生影响。作为PM，可以把希望的结果以及一些bad case给到，来进行算法的优化。
　　页面中的排序，主要是PM根据需求来定的，通过对业务的了解、用户需求的把握，筛选出合理的排序条件。
　　第五节：输出
　　有结果：
　　在有结果的情况下，作为PM，只需要定义好输出字段即可。目前展示的形式有3种类型：
　　（1）卡片展示：
　　卡片适合每块信息量较少的情况；
　　整体来看，卡片的展示数量较列表来说是多的。
　　在卡片中，用户操作不宜过多。
　　（2）列表展示：
　　由于列表占用空间较多，因此如果有更多的操作或者信息的展示，可以列表来展示；
　　整体来看，展示数量少于卡片的展示。
　　（3）个性展示：比如地图找房
　　无结果：
　　最简单直观做法：展示没有任何结果页面，再加上提示＂抱歉没有您要搜索的内容，请换个词语试试看＂。
　　整个流程优化的做法：
　　1. 预防：防止无结果的情况发生
　　可采用的方法:
　　搜索框内展示搜索格式内容的帮助;
　　提供搜索建议（自动填充可能搜索的内容）;
　　更好的理解用户的输入，建立自己的字典（停用词、同义词等，详见意图识别部分）;
　　将部分详情展示出来（多用于电商类产品）。
　　2. 恢复：在无结果的情况下，帮助用户回到正轨。
　　可采用的方法:
　　自动纠错;
　　提示有搜索结果的相似词;
　　帮助文档，应当如何搜索。
　　变通：将错误变成新的机会。
　　可采用的方法:
　　展示类似的结果；
　　热门搜索词语；
　　基于该用户推荐的词语;
　　提供用户反馈；
　　允许用户贡献内容（常见UGC产品）；
　　当有内容时告知用户（常见于实效性不强且用户在某方面敏感型的产品，比如地产类、机票低价提醒）
　　第六节：结果优化【产品层】
　　我们讲，在搜索的时候，假如结果不如意，如何让用户继续留在页面上，并找到自己想要的结果。
　　筛选
　　筛选是一个有力的交互过程，意味着用户的需求明确，要求的结果更加精准。我们最怕的是用户不知道自己要什么，因此我们在设计的时，希望通过一系列的小功能，比如筛选比如提示，来让用户明确自己的需求。
　　通用办法：可以通过Tab键切换，或者筛选框来对结果进行一个初步筛选。
　　Pinterest的筛选：这个我是想单独讲讲的，这真的是我很喜欢的一个设计。当你输入查询条件后，会自动弹出你的输入+另外一个组合词，真的是比普通的筛选牛了很多。
　　页面比其他页面就筛选而言，空间占用更少，更多的留给信息展示。
　　组合词比结构化的筛选更多，有些词是用户更常用更多搜索的，但比较难归类到某个类别进行展示。
　　组合词的更新可以在后台完成，不需要对页面做过多更改。
　　当然，你也可以说，在输入时直接自动出来让用户选择，这个当然也没啥问题。面对一些未知数量且模糊的搜索时，用户的输入会先从大到小，Pinterest的做法相当于结果——反馈——新的结果，不断循环，对用户的感知更顺畅更友好，且用户本身对事物的掌控也一直没有被削弱。
　　输入输出改进
　　详情参照上文第二节：输入；第四节：输出-无结果-整个流程优化的做法。
　　第七节：结果评估&优化【数据算法层】
　　我们讲，在搜索的时候，假如结果不如意，如何让用户继续留在页面上，并找到自己想要的结果。
　　分析输入，了解用户
　　我们可以通过分析入口，分析Query，并结合用户画像、用户分类，进行输入分析，了解用户在我们的产品上，输入较多的是哪些类别、哪些内容。接下来的算法策略就可以根据这部分进行一些参考。
　　评估输出，优化算法
　　常用评估输出的办法有3种：
　　通过业务指标来评估，比如CTR、业务指标的转化率等。
　　通过A/B testing来做不同算法间的比较。
　　通过人工来评估。
　　由于A/B testing需要耗费的技术资源较多，大家可以根据自己公司的进度以及资源程度决定是否要做；剩下两个是建议一起做。业务指标来看总的效果，人工评估来发现一些明显的典型case。
　　结束语
　　由于时间关系，我们这次的文章中，主要对整个搜索的流程有了一个简单的概述，至于里面的细节，大家可以参考其他文档来做知识的补充。欢迎大家一起探讨。
　　备注：关于第四节：输出-无结果-整个流程优化的做法，我是参考woshipm上一位朋友写的。由于时间久远，没有找到链接，如果大家有谁知道的，可以把链接贴到评论中。