编者按：对于电商平台来说，搜索功能至关重要，可以说是最核心的功能。好的搜索设计往往能够吸引用户，促使其点击商品，从而实现交易转化。接下来，本文作者分析了电商行业独有的特点和需求，并结合亲身经历，与我们分享了他总结的解决方案，并预测了电商搜索的未来趋势。

搜索功能肯定是一个电商平台技术中最重要的核心功能，我相信这一点大家都认同。

因为不管产品经理设计的产品逻辑有多完善，或者老板花了多少钱吸引新用户，如果搜索结果在搜索体验过程中不符合用户的期望或满足他们的搜索需求，那么之前所做的一切工作都将付诸东流。

毕竟电商服务的行业属性就是促进业务转化，实现买卖交易。

本文针对电商行业独有的特点和需求进行分析，并结合个人经验分享解决方案，希望对大家有所启发~

1. 搜索业务逻辑

“搜索 → 查询语义理解 → 召回 → 排序 → 搜索结果”

当用户在搜索框输入词语时，系统通过语义理解，调出相关的文档或者商品，再通过算法进行排序，按照客户的实际搜索意图进行排序，最终解决客户的搜索需求，实现业务转化。

其中，【查询语义理解】和【排名】对搜索引导的业务目标最为重要。

2.自然语言处理（NLP）在搜索中的应用1.概念介绍

如果想优化搜索引擎结果，必须对自然语言处理技术有一定的了解，因为用户输入一句话，从学术角度来说，自然语言智能研究实现人与计算机之间用语言进行有效的沟通，是一门融合语言学、心理学、计算机科学、数学、统计学等学科的科学。

自然语言处理被学者们誉为“人工智能皇冠上的明珠”，其研究涵盖感知智能、认知智能、创造智能等学科，是实现完全人工智能的必要技术。

1）感知智能

指从非结构化数据中识别出重要元素。例如，给定一个数据集，我们可以分析人物、地点、机构等的名称。

2）认知智能

它超越感知，能够理解元素的含义并做出一些推断。例如，“谢霆锋是谁的儿子”和“谢霆锋的儿子是谁”这两个句子，有相似的单词和实体，但语义却有很大的不同。这就是认知智能需要解决的问题。

3）创造智能

比如，计算机能够基于对语义的理解，创造出符合常识、语义、逻辑的句子；比如，能够自动写出流畅的小说、创作出优美的音乐、能够自然地与人聊天。

2. NLP 搜索分析路径

三、电商搜索特点 1、关键词堆叠

比如：杨幂同款夏装，包邮。

2. 词序对语义影响不大

举例： 杨幂同款女夏装，包邮； 杨幂同款女夏装，包邮。

3. 类别预测问题

例如，当用户搜索“苹果”时百度提示框下拉生成★64xl.com下拉优化平台，必应搜索电脑下拉，他或她可能正在搜索水果或手机品牌。

4.搜索驱动业务转化占比大

据统计，综合电商搜索引导转化占比超过40%，垂直电商搜索引导转化占比超过60%。

5. 稳定性要求高，支持弹性扩展

活动、推广系统的QPS可能比平时高出数百、数千倍，需要平滑的扩缩容，保证系统稳定性。

四、电商搜索优化核心内容 1、分词（重点！）

1）优化分词效果直接影响到召回次数，降低无结果率，提高搜索召回质量。

例如：

“火锅9.9元，包邮”

“925银耳环”

2）不同的分词方法直接影响参与召回的关键词，从而影响召回的准确率

目前很多开源自建系统都难以达到很好的分词效果，主要原因是训练语料的数据量有限，不足以形成可以不断提炼和培育的行业数据。

尤其在电商行业，产品种类繁多，汉字词语表达含义多样，多音字、同义词较多，仅靠自己的算法工程师和开发团队很难做到快速解决和优化，这是一个长期的不断积累和磨练的过程。

3）强烈建议选择云产品（电商推荐阿里云开放搜索，内容\日志搜索建议ES）

直接接入现成的百万级训练语料和行业模板，毕竟专业领域交给更专业的人，我们就能有更多的资源投入到业务迭代中。

2.实体识别

1）电商搜索-实体识别的意义

识别电子商务行业特有的品牌、类别、型号、风格和其他实体。

2）召回时，保留重要性高的实体词，重要性低的实体词不会影响召回率，只影响算法排名。

例如：在电子商务中，实体的重要性可以分为高、中、低三个级别。

其中，“品牌与品类”处于高端，是最重要的；其次，“款式、设计、颜色、季节、人群、地点……”处于中端；最后，“尺寸、修饰符、影响服务、系列、单位……”处于低端，可以丢弃，不参与召回。

3. 类别预测

例如：

当用户搜索“”时，他可能在找苹果或者。（当用户搜索“”时，召回结果会按照销量排序，销量最高的“华为手表”和“华为配件”可能排在前面，而实际搜索意图“华为手机”排在后面。）

类别预测是根据类别下的文本信息和行为数据，计算与该类别的相关性，从而达到预测查询意图的目的，计算出哪些类别最相关，并利用类别相关性影响搜索结果的排名。

也就是说，当行为数据分析显示，搜索“华为”的用户大部分有“手机”的搜索意图时，“手机类目”就会在召回率排序中被优先考虑。

4.排序算法

电商分拣常见问题：

数据缺乏时效性：优质商品与新品上架难以平衡；商家操纵排名：部分商家通过堆砌关键词寻找排名漏洞，获取更高排名，导致用户体验不佳；人力资源紧张：需要2-3名专业算法工程师，但很难找到合适的人才。5. 人为干预不良案例

例如：

“苹果”刚上线时，用户搜索“/”，最新产品肯定排在最前面下拉优化平台，在没有常规排序算法的情况下，需要进行类别预测和人工干预；“Air ”是篮球鞋的别称，不是主流名称，全称是“Air ”，这时候就需要可视化同步日常运营中积累的专业词汇，开搜索为查询语义理解功能做个补丁，通过灵活干预即可解决；跨境电商有时候会涉及到“日韩泰”等外语，当我们的分词词典无法很好地优化分词时，也可以通过分词干预功能解决；用户搜索“香奈儿气垫”，默认实体识别把“香奈儿”归类为“常用词”；“气垫”被归类为“材质”，需要人工干预实体识别，将“香奈儿”作为品牌进行干预。6. 搜索引导功能

1）预搜索指导

搜索框后台：根据近期用户行为数据引导用户意图；搜索热搜榜：实时热度下拉优化平台，引导休闲用户想知道大家都在搜索什么；搜索热词：根据用户的兴趣，向用户推荐优质查询词。

2）搜索引导

下拉提示：智能推荐候选，提高用户输入效率，帮助用户尽快找到自己想要的内容。

5、电商搜索未来趋势搜索是一个需要不断产出优化的技术，未来中端电商一定会选择轻运营的模式，依托阿里云、华为云等更专业的技术服务商的搜索技术，投入更多的资源进行业务创新和研发，在行业模板上取得突破。据我所知，阿里云的开放搜索技术已经形成了电商行业搜索的专属模板，这也是基于淘宝、天猫多年的行业经验，不需要开发，只需要数据接入，产品经理、运营人员都可以参与到搜索结果的优化中。AI与搜索技术深度融合，AI智能语音搜索、图像识别搜索目前主要应用在头部电商，随着技术的发展，我相信这些会在更多的电商公司作为主流服务，改变更多消费者的消费模式。

以上内容就是今天和大家分享的内容了，希望对大家有所帮助，有兴趣的话可以关注【搜索与推荐技术】公众号哦~