全文共2141字，阅读需4分钟

—— ——

说到垂直搜索引擎和个性化推荐，绕不开人工智能。人工智能大家都知道，虽然起源于大圣在围棋界的成名，但人工智能流行的商业应用是无人驾驶汽车、百度这样的搜索引擎、让今日头条发家致富的个性化推荐。

以上三者中，无人驾驶汽车虽被人们熟知但遗憾尚未正式商业化并向公众普及，而另外两种则已经渗透到了我们生活的方方面面。

搜索不用多说，不懂就问，是我们对搜索最基本的理解和诉求。

个性化推荐不会以个人意志为转移，因为我们没有权利决定是否推荐某个商品、推荐哪些商品。

今天我们来聊聊“搜你所想”的垂直搜索引擎和“想你所想”的个性化推荐引擎的应用逻辑。

垂直搜索引擎应用的三个阶段

大多数人提到搜索引擎的第一反应可能是百度，因为我们已经习惯在百度上主动搜索内容，而对方几乎已经做到了对所有请求都有响应的能力——但这并不是我们今天要讲的垂直搜索引擎。

垂直搜索引擎是在网站/APP上提供的搜索窗口，用户通过搜索关键词直接访问目标内容。

比如，你在淘宝上搜索“男士书包”，搜索结果和搜索词几乎一致；如果你在资讯APP上搜索“香港”，也会出现大量相关新闻。

如果有人稍加留意、稍加思考，也许会好奇搜索“香港”会得到什么结果？

这就是搜索引擎的魔力：

你的几句话所得到的结果是否令人满意，是搜索引擎好坏的一个标准。

我认为搜索包含三个阶段：搜索词输入阶段、搜索结果展示阶段、搜索结果定制与调整阶段。

我们以“香港”的搜索为例，说明垂直搜索引擎的三个阶段。

第一阶段：搜索词输入阶段，是用户表达愿望和需求的阶段

当用户在搜索框中输入香港时，可能会误输入“帮派”、“香港”等，此时搜索引擎要做的就是对搜索词进行语义分析，识别用户的搜索意图，并自动纠正错误。即了解用户想要什么，力求做到“用户可以写错，但不能给出错误的答案”。

同时，搜索框下方还会出现一系列与“香港”相关的提示词，如“香港二十周年庆典晚会”、“香港二十周年阅兵”等与“香港”相关的内容，减少用户输入时间搜索框下面推荐的叫什么，提高用户输入效率。

第二阶段：搜索结果展示阶段

这里必须介绍两个概念：召回率和搜索精度。

召回率（）是指用户想要的东西是否全部被搜索出来，如果网站明明有这个产品，却没有出现在搜索结果中，这就是召回率不足的表现。

搜索精度（）是指搜索结果是否是用户想要的。如用户在搜索提示中点击“香港二十周年晚会”，则出现的搜索结果应该是相关的，并且全部搜索出来的。

另一个不得不提的概念是“智能排序”，在返回给用户的搜索结果中，与香港二十周年晚会相关的最佳搜索结果被排在第一位。

阶段 3：搜索结果定制阶段

此时，用户根据自己的意愿对搜索结果进行排序和过滤。比如你只想看过去11个小时发布的“香港二十周年晚会”的视频，这就是用户过滤搜索结果的过程，可以帮助你更快更好地找到目标搜索结果。

上面我们已经讨论了垂直搜索引擎的三个应用阶段，下面我们来谈谈如何应用个性化推荐。

个性化推荐应该只注重个性还是多样化推荐？

今日头条凭借领先的个性化推荐技术，凭借一款非常简单的移动产品，迅速攀升至资讯类第一，其“头条就是你关心的”的定位足以体现个性化推荐策略对于今日头条的重要意义。

淘宝把个性化推荐发挥到了极致，首页的每一个模块都是个性化的，仿佛是为了让每一个用户都沉迷其中。

虽然今日头条和淘宝已经对我建立了比较完整的用户画像，能够根据我的喜好进行推荐，但我的使用率却越来越低。

原因如下：

缺乏多样性，比如今日头条，我现在就喜欢看军事新闻，但我写的推荐内容都是军事新闻，用意何在？

它不能给我带来惊喜。比如在淘宝上，我现在想买一条裤子，但这并不代表我对好看的上衣不感兴趣，所以如果推荐里有一件吸引我眼球的上衣，我会选择再逛一会儿。

因为优秀的个性化推荐不是基于用户已经看过的东西，而是需要多样化、新颖性，给用户带来惊喜，这比同类型的简单推荐要复杂得多。

不管是资讯还是电商商品，有些用户在“浏览”的时候，会比较盲目、娱乐化，这时候推荐一些让人惊喜的商品，可以大大提升用户好感度。

所以一个优秀的推荐引擎必须立足于多样性和新颖性，利用数据来调整策略，而不是简单地专注于当下做出单一类型的推荐。

需要特别注意的一点是，对于信息产品而言，推荐产品的时效性也是一个不可忽视的因素。

信息产品如果想依靠个性化推荐提升用户粘性、增加付费转化，必须明确在哪些场景适合使用个性化推荐，是首页的信息流推荐、详情页的相关推荐，还是其他使用场景，并依靠数据来调整个性化推荐的使用策略。

另外，多样性建议也可以由企业根据占比自行决定，当然这也需要数据对比支持来不断调整占比，时效性信息也可以根据统计数据进行合理安排。

垂直搜索引擎与个性化推荐相辅相成

虽然搜索和推荐存在很多差异，但两者之间也存在很多融合，越来越多的搜索引擎会结合推荐系统的结果，“相关搜索词”就是推荐系统的产物。

例如在一些平台型电商网站中，由于结果数量巨大，且相关性没有明显的差异，搜索结果的个性化排序有一定的空间，这里融入的个性化推荐技术对促进成交也有很大的帮助。

推荐系统也大量运用了搜索引擎技术，搜索引擎提升计算性能的一个重要数据结构就是倒排索引技术（）。在推荐系统中，一类重要的算法是基于内容的推荐（-），大量运用了倒排索引、查询、结果合并等方法。

此外，两者也广泛采用了点击反馈（）算法来提升效果。

- 结尾 -