設(shè)計(jì)一個(gè)搜索功能我們需要從用戶體驗(yàn)和功能實(shí)現(xiàn)兩方面出發(fā)。用戶體驗(yàn)包含了樣式UI設(shè)計(jì)、交互設(shè)計(jì)。囊括起來(lái)說(shuō)就是用戶搜索前、搜索中以及搜索后用戶對(duì)我們的功能的感知。而功能實(shí)現(xiàn)則是聚焦用戶對(duì)問(wèn)題的輸入，和我們結(jié)果的輸出（結(jié)果匹配度）。由此我將分成搜索的設(shè)計(jì)和搜索的邏輯兩部分進(jìn)行說(shuō)明。

一、搜索的設(shè)計(jì)

先從可感知的樣式來(lái)說(shuō)。我們按照用戶路徑地圖來(lái)理解用戶使用功能時(shí)的具體步驟：

用戶使用產(chǎn)品 - 有疑問(wèn)需要搜索解決 - 看見(jiàn)搜索功能 - 點(diǎn)擊搜索功能（展開(kāi)輸入框） - 輸入問(wèn)題 - 點(diǎn)擊確認(rèn)等到結(jié)果反饋 - 翻閱搜索結(jié)果 - 選擇結(jié)果進(jìn)行查閱。

按照上述路徑，我們可以將用戶使用搜索功能的場(chǎng)景分為三部分：搜索前、搜索中、搜素后。同時(shí)根據(jù)應(yīng)用場(chǎng)景的不同，還需區(qū)分移動(dòng)端和PC端。

搜索前

首先，我需要申明我對(duì)于搜索核心的定義，那就是搜索功能核心在于解決用戶的疑問(wèn)，給予用戶滿意的答案。因此我們?cè)谠O(shè)計(jì)的時(shí)候，需要帶入場(chǎng)景假想我們就是用戶，我們?cè)谄惹行枰鉀Q問(wèn)題的時(shí)候，我們會(huì)是什么樣的心里活，煩躁？渴望？又或是興奮？。建立了同理心后才是功能的設(shè)計(jì)。

所以在搜索功能設(shè)計(jì)的時(shí)候，對(duì)面用戶迫切的心情，我們合理設(shè)計(jì)搜索功能。在用戶使用產(chǎn)品產(chǎn)生疑問(wèn)的時(shí)候，我們要根據(jù)當(dāng)前場(chǎng)景進(jìn)行選擇放大、縮小搜索對(duì)于用戶的感官。在越容易產(chǎn)生疑問(wèn)的地方選擇使用輸入框搜索作為設(shè)計(jì)方案，而在不容產(chǎn)生問(wèn)題的地方還是可以選擇搜索圖標(biāo)作為解決方案。

and

這兩個(gè)解決方案是十分常見(jiàn)的，但我們需要注意，除開(kāi)樣式的差異在選擇使用輸入框作為搜索樣式的時(shí)候，大多人都偏愛(ài)在輸入框上做文字引導(dǎo)，這種文字引導(dǎo)有引導(dǎo)使用文案和推薦搜素文案兩種。這樣做不是一定需要的，因?yàn)槲掖_實(shí)沒(méi)準(zhǔn)確的數(shù)據(jù)告訴你，做了和沒(méi)做在數(shù)據(jù)層次帶來(lái)的效果是什么。所以這是需要你自己自行選擇的。

搜索中

用戶點(diǎn)擊搜索功能輸入問(wèn)題這段時(shí)間，我們看作搜索中。在這里有兩種設(shè)計(jì)方式。分別是當(dāng)前頁(yè)面直接進(jìn)行搜索和進(jìn)入搜索獨(dú)立頁(yè)面。其中，當(dāng)前頁(yè)面直接進(jìn)行搜索，在pc端較為常見(jiàn)，因?yàn)閜c頁(yè)面有大面積區(qū)域可使用，可以盡情展示內(nèi)容所以常見(jiàn)。

另外一種采用搜索獨(dú)立頁(yè)面在移動(dòng)手機(jī)端常見(jiàn)，因受限于手機(jī)屏幕大小，在不跳轉(zhuǎn)頁(yè)面直接搜索的情況下我們可展示的內(nèi)容過(guò)于受限。而采用了新頁(yè)面承載搜索，那就可以提供更多的功能和內(nèi)容。

在這里我們可以通過(guò)后臺(tái)管理功能，盡情的增加熱門搜索的內(nèi)容。同時(shí)在用戶輸入內(nèi)容后，我們對(duì)輸入內(nèi)容進(jìn)行聯(lián)想展示，方便用戶選擇他想搜索的實(shí)際內(nèi)容，提高搜索的易用性和便捷性。

但是產(chǎn)品設(shè)計(jì)師們需要注意的是。聯(lián)想展示內(nèi)容不易過(guò)多，控制在7個(gè)詞條左右就行，過(guò)多詞條會(huì)干擾用戶閱讀。展示內(nèi)容需要有獨(dú)立一套邏輯支撐，需要明確告知研發(fā)，為什么顯示這些內(nèi)容？這些內(nèi)容排序依據(jù)是什么等。（這里后面部分會(huì)介紹說(shuō)明）

同理，從提高搜索的易用性和便捷性這個(gè)目的出發(fā)，我們可以收錄用戶近期歷史搜索，以便用戶再次搜索相同問(wèn)題。至于歷史記錄每次展示幾個(gè)，可參考7+-2法則控制數(shù)量。（一般人的短時(shí)記憶容量約為7個(gè)加減2個(gè)，即5--9之間?？梢岳斫鉃?加減2個(gè)組塊。）

搜索后

搜索結(jié)果的展示在移動(dòng)端上一般是雙排和單排展示。雙排能夠展示更多的搜索結(jié)果。單排能對(duì)搜索結(jié)果展示更多的信息。到這里基本對(duì)于搜索功能的原型就沒(méi)有問(wèn)題，下面開(kāi)始說(shuō)說(shuō)搜索功能的邏輯部分。

二、搜索的邏輯

先說(shuō)結(jié)論：看似簡(jiǎn)單的搜索其實(shí)并不只是由簡(jiǎn)單的sql（數(shù)據(jù)操作語(yǔ)言）進(jìn)行全數(shù)據(jù)庫(kù)搜索，里面還涉及對(duì)用戶搜索問(wèn)題的、分詞、糾錯(cuò)、預(yù)測(cè)、召回以及排序排序。

分詞

分詞很好理解，就是當(dāng)用戶輸入問(wèn)題后，對(duì)輸入的文字進(jìn)行拆分，就叫分詞。分詞核心在于分詞法以及特性字詞典庫(kù)。

同時(shí)分詞也叫NLP（自然語(yǔ)言處理分析）算是AI人工智能的一個(gè)分支，畢竟你需要讓人工智能理解你說(shuō)的是什么，學(xué)的是什么，不然就成人工智障了。那么搜索是按照什么方式進(jìn)行分詞的了？其實(shí)分詞的方式很像小時(shí)候查字典。

1、逐詞匹配

我們理解為一個(gè)人給你一句話，這時(shí)你需要將他們分成兩兩相對(duì)或三三相對(duì)的詞條，但是你并不知道如何那幾個(gè)相鄰的字能夠組成字條。那么索性你直接拿著這句話去翻新歡詞典，從頭到尾翻一次，發(fā)現(xiàn)沒(méi)有符合的時(shí)候，就刪除最后一個(gè)字，在去翻詞典。以至于將詞典中的所有詞按由長(zhǎng)到短的順序在文章中逐字搜索，直至文章結(jié)束。

這種方式你可以想象下，如果是人是不是很崩潰。就算是電腦在進(jìn)行，因?yàn)樾枰貜?fù)的查詢，也會(huì)造成效率低下，等半天才分詞成功。

2、正向最大匹配法

最大正向匹配會(huì)按照我們的閱讀習(xí)慣，從左到右進(jìn)行匹配，而其中的最大的含義就是當(dāng)出現(xiàn)多個(gè)匹配詞條時(shí)，以字?jǐn)?shù)最多的詞條為準(zhǔn)。比如匹配野生動(dòng)物園這個(gè)詞條有兩個(gè)匹配，一個(gè)是野生動(dòng)物圖案，另一個(gè)是動(dòng)物園。那我們以野生動(dòng)物園為最終匹配。按照這個(gè)思路我們?cè)僬f(shuō)明。

有個(gè)用戶搜索：“成都動(dòng)物園在哪里”。

這個(gè)時(shí)候進(jìn)行第一次詞典查詢，按在最大的詞“成都動(dòng)物園在哪里”進(jìn)行查詢，發(fā)現(xiàn)沒(méi)有匹配。

進(jìn)行第二次查詢，這次查詢“成都動(dòng)物園在哪”，同樣沒(méi)發(fā)現(xiàn)匹配。

進(jìn)行第三次查詢，這次是“成都動(dòng)物園在”，還是發(fā)現(xiàn)沒(méi)有匹配的。

第四匹配的時(shí)候，這次匹配“成都動(dòng)物園”，結(jié)果在詞條里面檢索到了。我們保留結(jié)果是“成都動(dòng)物園”。隨后便去除“成都動(dòng)物園”變成“在哪里”重新開(kāi)始檢索。這樣根據(jù)我們的詞典進(jìn)行分詞，我們可以得到結(jié)果：“成都動(dòng)物園”“在”“哪里”。這就是正向最大匹配。

3、逆向最大匹配法

大致邏輯和正向匹配相同，唯一的區(qū)別在于它是從右到左，每次減去開(kāi)頭的字。還是以“成都動(dòng)物園在哪里”為例。

第一次詞典查詢，按在最大的詞“成都動(dòng)物園在哪里”進(jìn)行查詢，發(fā)現(xiàn)沒(méi)有匹配。

進(jìn)行第二次查詢，這次查詢“都動(dòng)物園在哪里”，同樣沒(méi)發(fā)現(xiàn)匹配。

進(jìn)行第三次查詢，這次是“動(dòng)物園在哪里”，還是發(fā)現(xiàn)沒(méi)有匹配的。

.......

最后在第七次查詢我們得到“哪里”，隨后便去除“哪里”對(duì)““都動(dòng)物園在”進(jìn)行檢索。當(dāng)同樣的邏輯縮減到“在”后，還是沒(méi)有相對(duì)應(yīng)的詞典，那么將“在”也單獨(dú)剔出，開(kāi)始檢索“成都動(dòng)物園”。這樣第一次檢索就成功檢索出來(lái)，得到結(jié)果“哪里”“在”“成都動(dòng)物園”這樣的分詞。因?yàn)槭欠聪蚱鋵?shí)結(jié)果和正向結(jié)果相同。

4、雙向匹配

這種匹配法是為了更加準(zhǔn)確的分詞出現(xiàn)，把正向和反向兩種算法都切一遍，然后根據(jù)詞條顆粒度來(lái)進(jìn)行選擇。分詞的詞條越長(zhǎng)越好，非詞典詞和單字詞越少越好的原則，選出這里面最合適的進(jìn)行匹配。例如：

非詞典內(nèi)的詞：正向匹配（1）> 反向匹配（0） 選擇反向

詞典內(nèi)的單字：正向匹配（2）=  反向匹配（2） 持平不做選擇

總分詞數(shù)量：正向匹配（3）<  反向匹配（2）選擇反向

詞意糾錯(cuò)

詞意糾錯(cuò)也是搜索里重要的一環(huán)節(jié)，在搜索的時(shí)候，打錯(cuò)字說(shuō)錯(cuò)話是很常見(jiàn)場(chǎng)景（語(yǔ)言搜索）。并且因?yàn)槲淖趾驼Z(yǔ)言是情感交流的渠道，中文漢字會(huì)因?yàn)槁曊{(diào)的不同有著不同的含義。同時(shí)一詞多義，通假字等也是十分頭疼的事情。

這詞意糾錯(cuò)也可以按照查字典來(lái)理解，只是查詢的字典是特殊字典里面的內(nèi)容包含了情感，拼音還有聲調(diào)相關(guān)的內(nèi)容。抽象點(diǎn)的描述，我們?cè)诳匆?jiàn)“康帥傅”的時(shí)候大腦會(huì)把“康帥傅”自動(dòng)糾錯(cuò)成“康師傅”，這就有點(diǎn)自動(dòng)糾錯(cuò)的味道。

1、拼音糾錯(cuò)

當(dāng)輸入的漢字存在錯(cuò)誤時(shí)，系統(tǒng)需要及時(shí)聯(lián)系上下文進(jìn)行解析，可以將漢字轉(zhuǎn)換成拼音，通過(guò)同拼音進(jìn)行識(shí)別，比如“如何吧大象放入病象”，把他們未能分詞成功單獨(dú)留下的漢字轉(zhuǎn)化成拼音“如何“”ba“”大象“”放入“”bing“”xiang”在查詢字典進(jìn)行處理。

2、模型算法

這部分高于繁瑣，想了解的可自行搜索：SVM、Maxent等

類目預(yù)測(cè)

用戶使用搜索功能在于得到解答，所以我們需要理解用戶搜索內(nèi)容的含義。比如用戶搜索蘋果的時(shí)候，她搜索的是吃的蘋果還是蘋果手機(jī)了。一個(gè)吃一個(gè)用這兩個(gè)答案是風(fēng)馬牛不相及的，所以預(yù)測(cè)類目會(huì)對(duì)用戶搜索結(jié)果影響很大。

做類目預(yù)測(cè)有幾個(gè)方法：

1、人工配置

通過(guò)后端埋點(diǎn)日志搜集最近熱門的搜索詞，對(duì)這些搜索詞進(jìn)行指定配置，這樣就可以保證當(dāng)用戶搜索蘋果的時(shí)候出來(lái)的是蘋果手機(jī)，而不是真的蘋果。這樣也是最簡(jiǎn)單有效的方法，但麻煩在需要安排人長(zhǎng)期維護(hù)。

2、類目相關(guān)性

通過(guò)對(duì)搜索詞進(jìn)行算法計(jì)算，從搜索詞的重要性、類目數(shù)、類目出現(xiàn)次數(shù)、搜索詞出現(xiàn)次數(shù)等進(jìn)行計(jì)算。

代表性tf-dc算法。

結(jié)果排序

搜索結(jié)果的排序也是十分頭疼的事情，比如搜索蘋果手機(jī)，出現(xiàn)的結(jié)果是10萬(wàn)+條商品信息，那么誰(shuí)排第一這就成了一個(gè)問(wèn)題。因此我們要從權(quán)重出發(fā)進(jìn)行權(quán)重排序。（商品少也可以按照最新更新時(shí)間排序，主要看個(gè)人）。

1、詞頻：對(duì)搜索對(duì)query進(jìn)行分詞處理，在進(jìn)行預(yù)測(cè)類目后對(duì)高詞頻內(nèi)容優(yōu)先展示

2、用戶標(biāo)簽：符合用戶標(biāo)簽喜好的商品進(jìn)行加權(quán),優(yōu)先排序

3、時(shí)間段：對(duì)當(dāng)前時(shí)段營(yíng)業(yè)（客服在線）進(jìn)行加權(quán)

4、銷量、好評(píng)率：同理這就不說(shuō)了

5、商品時(shí)效：對(duì)新更新商品進(jìn)行加權(quán)，可用于互沖舊商品銷量、好評(píng)的加

6、付費(fèi)：競(jìng)價(jià)廣告、付費(fèi)升權(quán)等

?-END-