搜索引擎产品设计方法与技术总结

市面上搜索类产品众多，那么我们常用的百度、必应、搜狗等是靠什么脱颖而出呢？本文将介绍几款主流搜索引擎的产品体验，以及搜索用户的心理行为分析，最后总结出搜索前台和运营后台的设计方法，和我一起往下看吧~

一、当今热门搜索产品体验

这次选择三款热门搜索网站体验，分别是百度、搜狗、必应。

①模糊匹配对比——第一次在三个网站中输入“火”会出现什么效果呢？

• 百度和搜狗，模糊搜索结果会出现：
• 最近发生的新闻大事，或者近期高考结束会显示很多大学，以及和人们热点动漫、生活常识、星座、股票等，结果与国人的生活场景相契合
• 必应，模糊搜索结果虽与生活关系较少，但也是当今一些热门内容

②搜索结果对比——在三个浏览器中搜索“肚子疼”

• 页面是由若干个框应用＋内容URL组成。
• 国内搜索结果区，第一页主要以：广告、视频链接/新闻链接、国家级官网/热门官网、自身产品相关的网站（百度百科、搜狗百科等）等组成。可对结果进行时间、网站/文件类型、站点等维度的筛选。
• 必应搜索结果区的内容全部扒自外网，几乎没有自家的其他产品，只取精华，运用自家算法，提高了内容的准确度，提炼出用户更想看到的内容。
• 页面右侧是框应用区，主要展示与用户Query相关的信息（相关作品、相关人物、相关知识等等），以及全网的一个热搜排行榜。
• 必应的搜索结果区没有广告

二、搜索用户行为与心理预期分析

1、前端页面与系统联系

用户在前端页面搜索框中，输入关键词，传给后端代码，识别关键词，通过多路召回策略（下文技术方面会讲到），运用相关算法对结果进行排序，最后在前端页面呈现用户满意的结果。

2、用户行为与用户心理预期

情况一：用户知道自己想搜什么（人找物）

用户可能会准确输入自己想搜的内容，但可能会搜错字、搜百姓体、同义词等，在输入和搜索时，系统需要立即做出响应，push符合用户心理预期的结果。

系统根据用户输入，主动推荐模糊匹配内容；在用户搜索时，根据用户搜索，优先反馈符合用户预期的结果

情况二：用户不知道自己想搜什么（物找人）

这个时候需要系统主动推荐当前热点内容，或者反馈其他用户的搜索内容，来揣测用户的心意。

两种通常结合使用，实现“搜索即服务”。搜索排序内容与业务挂钩，前期应做好充分的用户调研和用户画像。

三、搜索前台设计总结

将用户行为拆解成：搜索前、搜索中、搜索后

举例：网易云搜索

搜索前：

• 搜索框置顶，风格简洁明了；
• 暗文主动推送相关热搜词，或根据用户喜好推送歌曲/歌曲

搜索中：

• 点击搜索框，进入搜索界面：展现历史记录，或者主动向用户推荐热搜榜单，满足第二类用户需求
• 模糊匹配，会识别拼音、英文 ，命中词颜色变化

搜索后：

• 如果是歌手，会用动态框应用展示歌手信息；
• 命中信息颜色高亮，结果支持排序

四、搜索后台设计总结

搜索后台用于数据管理、运营分析。管理人员负责维护一些核心榜单数据，或者对搜索词进行管理；运营人员需要通过一些数据，来分析自家的搜索系统做得好不好，有什么地方是不足的，对产品、算法优化等提出意见。

• 搜索引擎面向大量的C端用户，及时收集用户反馈是重中之重。
• 用户访问量高、访问深度深、跳出率低、收藏多的页面有着很大的排序优势。
• 点击率高、翻页率高、点击位置的平均值高的列表页，说明还有待优化
• 对于用户搜索的新词、未被查询到的词汇需要做收集，有必要时可扩充检索库数据

五、搜索产品所需要的技术

1、多路召回

通常我们的搜索系统数据量达到百万级及以上，所以需要采用多路召回的方式——采用不同的策略、特征或者简单模型，分别召回一部分候选数据，然后再把这些数据混合在一起供后续排序模型使用的策略。

2、数据标注

对于百万级的数据，我们通常会用AI技术对数据进行分类，以此来辅助改造和优化业务流程，减少处理时效、提高工作效率，数据标注对目前大数据行业来说十分重要。

数据标注的大致流程如下：首先建立一套标注标准，给数据进行人工打标，然后训练模型，根据数据的增加来逐步完成模型迭代，最后实现AI自动标注。

3、排序算法

随着互联网信息的爆炸式增长，搜索引擎为了不断提高用户查询效率与反馈信息的质量度，需要对自身算法进行不断地调整与升级。

排序算法有很多，比如：TrustRank算法、BadRank算法、谷歌熊猫算法、谷歌企鹅算法、百度绿萝算法、百度石榴算法等，虽然我不太懂技术，但一个好的排序结果可以从以下几个维度去考量：

• 与文本内容匹配度高的优先
• 时效性高的优先
• 社会影响力高的优先
• 点击率高的内容优先

...

智能搜索系统与业务息息相关，最最重要的是洞察用户需求，了解用户心理，来对召回策略、排序算法策略、此词汇权重值进行优化，以此达到用户的心理预期。前期需要项目经理和产品经理对用户进行深度调研，了解用户需求，精准用户画像，中后期也需要及时收集用户反馈，对系统进行不断优化，学会对数据进行分析。