I. Genel Bakış
Bir ürünün arama işlevi, kullanıcıların ihtiyaç duydukları bilgilere hızlı bir şekilde ulaşmaları için bir kanaldır ve kullanıcılara rehberlik etmede önemli bir rol oynar.Mükemmel ürünler olgun ve deneyimli arama işlevlerine sahip olmalıdır.
Birkaç büyük yerel e-ticaret şirketi, temelde arama yoluyla işlem oluşturmak için her gün büyük miktarda trafiğe sahiptir ve mükemmel kullanıcı deneyimine sahip arama işlevi, kaçınılmaz olarak büyük ticari faydalar sağlayacaktır. Peki, istediğiniz şeyi daha hızlı ve daha iyi bulmanızı nasıl sağlarlar? Arama girişi, kullanıcıların uygulamayı kullanmaya başlaması için büyük olasılıkla başlangıç noktası olacaktır ve arama kolaylığı, ürünün ilk deneyimini etkileyen önemli bir unsurdur.
Bu makale esas olarak e-ticaret algoritmalarındaki bazı deneyimlerimi birleştiriyor, ürün ve itiraz düzeyini tanıtmak için el yapımı aramayı örnek alarak ve kullanıcılara rehberlik etmek için arama portalının nasıl kullanılacağını örnek alıyor.Takip eden makale, ilgili algoritmalarla derinlemesine yürütülecektir.
Kullanıcı kılavuzu nedir?
kılavuz : İnsanları belirli bir hedefe doğru harekete geçirin ve eylemdeki zorluklardan insanlara yardım edin.
Arama rehberi : Kullanıcıların arama sürecini daha hızlı tamamlamalarına ve hedef bilgileri bulmalarına yardımcı olun.
E-ticarete özgü : Kullanıcıların ihtiyaç duydukları ürünleri bulmalarına ve anlaşma yapmalarına yardımcı olun.
0. E-ticaret aramanın temel noktaları
Temel ve öz, kullanıcıyı anlamaktır
Özellikleri : Sahneleri aramak ve önermek, binlerce kişi ve çeşitli kullanıcı ilgi alanlarıyla son derece zamana duyarlıdır
Kullanıcı arama süreci :
Kullanıcı bir arama anahtar kelimesi girer ve arama sistemi, kullanıcının beğenebileceği içeriği giriş bilgilerine göre filtreler ve aynı zamanda belirli bir öneme göre sıralar ve görüntüler. Basitçe söylemek gerekirse, arama üç adıma bölünebilir.
1. Aramadan önce
Aramadan önce
2. Aranıyor
Aranıyor
3. Aramadan sonra
Aradıktan sonra
4. Sınıflandırma
Kullanıcı algısı düzeyinde, arama terimi öneri işlevi Lenovo ürünlerine ve ilişkili olmayan ürünlere ayrılabilir.
4.1 Lenovo tarafından önerilen ürünler
4.2 Lenovo'nun önerdiği ürünler yok
5. Teknik Çözüm
Arama algoritması, iş talepleri ve arama yolları ile birleştirilerek daha iyi bir kullanıcı rehberliği elde etmek için kullanıcılara daha uygun tasarım yapılır.
Bu bölüm öğretmen Yuanhan'ın özeti ile bitiyor :
"2013'ten beri, Taobao araması binlerce kişiyle kişiselleştirilmiş bir döneme girdi ve arama kutusunun arkasındaki sorgu mantığı, orijinal Sorgudan [Sorgu + kullanıcı bağlamı + bölge + zaman] 'a dönüştü. Arama yalnızca basit bir temel değildir Girdi ve iade içeriği akıllı bir "makine" değil, kullanıcının niyetini önceden otomatik olarak anlayabilen ve hatta tahmin edebilen bir makinedir (örneğin, kullanıcı bazı kadın kot ürünlerine göz atar ve ardından aramayı girer ve "gömlek" sorgusu kelimesini girer, sistem kullanıcının mevcut niyetini analiz eder. Kadınlarla ilgili ürünler arıyor, bu nedenle erkek gömlekleri yerine daha çok kadın gömlekleri gösterecek) ve bu niyeti akıllı sisteme dönen sonuçlarda doğru bir şekilde yansıtabilir. Bu sistem farklı kullanıcılardan gelen aynı girdiyle karşı karşıyadır. Kelimeleri sorgularken, kullanıcıların farklılıklarına göre en çok görmek istediği sonuçları gösterebilir. Değişiklikler her zaman olur, ürünler değişiyor, kullanıcılar değişiyor, gruplar ve ortamlar değişiyor. Kişiselleştirilmiş arama sisteminde makul bir şekilde yakalama Değişim tam olarak araştırmanın konusudur. "
Yuan Han, Ali'nin kıdemli algoritma uzmanı
2. Aramadan önce
"Arama, özellikle kullanıcılar ürüne göz atarak istediklerini bulamadıklarında, kullanıcıların yön ve özgürlük derecesini kontrol etmeleri için bir bilgi portalıdır."
Arama işlevini tasarlarken kullanın Basit ve verimli Temel hedef olarak, Hizmet olarak ara . E-ticaret araması, büyük yapı veya süreç açısından genel arama motorları ile pek çok benzerliğe sahiptir. Veriler dahil Toplama, analiz, indeks Ve ardından kullanıcının arama motorundaki arama terimlerine göre Arama , Ürün ile arama terimi arasındaki alaka değerlendirmesini tamamlayın ve son olarak sonucu gerçekleştirin Çeşit Kullanıcının ilgili davranışını ve incelemesini gerçek zamanlı olarak görüntüleyin ve yanıtlayın geri bildirim .
Arama sürecine göre kullanıcı arama süreci şu şekilde demonte edilebilir: Arama girişi-arama tetikleyici-içerik girişi-arama-geri bildirim sonucuna tıklayın . Karşılaştırmalı analiz için bu sürecin tüm yönlerinden üç büyük e-ticaret şirketinin arama işlevlerine bakıyoruz.
Karşılaştırıldı Bu, öğrenmenin ve analiz etmenin iyi bir yoludur. Aşağıdaki bölümler, yukarıdaki bağlantılardan başlayacak ve esas olarak en iyi 3 yerli e-ticaret şirketini tanıtacak. Pinduoduo, Taobao, JD Arama işlevi, karşılaştırma için giriş noktasıdır ve ilgili teknik çözümler sunar.
Bu makale, aramadan önceki ilk iki bağlantıyı tanıtır (arama girişi arama tetikleyicisi):
1. Arama girişi nerede?
Birinci düzey sekme (Pinduoduo)
Üst ortadaki arama kutusu (Taobao, JD, Tmall)
Giriş tavanı ara (Taobao, JD, Pinduoduo, Mobil)
Sağ üstteki büyüteç simgesi (mobil)
Giriş örnekleri
Arama girişi olarak başın sağ tarafındaki simgeyi kullanan bir e-ticaret şirketi yok, bu yüzden e-ticaret dışı bir örnek (mobil) buldum.
Analiz: Hemen hemen tüm büyük e-ticaret şirketleri portalları aradı Konumlandırma Daha fazla yüksek , Oldukça verdi Önemli pozisyon Özellikle Pinduoduo verdi Birinci düzey sekme Kullanıcının arama portalı olarak, ancak arama portalı ana sayfada iptal edilir ve arama portalı görüntüleme seviyesi ayarlanır Tavan (Kaydırma işlemi arama kutusunun kaybolmasına neden olmaz), Pinduoduo arama girişi ilk seviye sekmesinin altında yer alacaktır. Arama konumu, ürünün konumunu arama işlevine yansıtır.
2. Arama tetikleyicisi
a. Tetiklemeden önce
Varsayılan gölgeleme : Ön içerik, kullanıcılar aramak istedikleri kelimeyi arama kelimesini girmeden doğrudan alabilir
Ortak durum : Ürün adı anahtar kelimeleri, kategori kelimeleri, marka kelimeleri, belirli etkinlikler
Önerilen gölgelendirme ürünleri
Gölgelendirme için önerilen teknik çözümler
Minimal versiyon:
Operasyonel manuel yapılandırma
İstatistiksel baskı:
Popüler arama terimleri, popüler kategoriler, popüler etkinlikler
Basit model versiyonu:
Gerçek zamanlı olarak kullanıcının en son tıklama / favori / ekleme / arama terimi için doğal dil işlemeyi kullanın Anahtar kelimeleri, kategori kelimelerini ve etkinlikleri çıkarın , ve Arama kutusunda göster . Metin işleme burada yer alır Konuşma tanımanın parçası ile Adlandırılmış varlık tanıma (NER, Yapılandırılmamış metni yapılandırılmış metne dönüştürün ), temel sözcükler (isimler), sıfatlar (öznitelikler / etiketler, vb.) çıkarma işlemi, kural tabanlı veya istatistiksel konuşma parçası etiketleme (HMM) düşünebilirsiniz.
Konuşma Tanıma Parçası - "Lang Jun-Application and Thinking of NLP Technology"
Varlık İşaretleme Kısmı Konuşma Tanıma - "Lang Jun-Uygulaması ve NLP Teknolojisinin Düşünülmesi" nden
Karmaşık model
gömme yöntemi
Üretken: seq2seq , Kullanıcının son n-1 zaman adımlarını rnn modeline girerek ( lstm ), gelecekte n'inci zaman adımının davranışını tahmin etmek için, kullanıcı yerleştirmeyi eğitmek için ürün başlığını, özniteliklerini ve kullanıcı özelliklerini / etiketlerini birlikte girmeyi düşünün ve ardından bir kod çözücü onu çözer .
Kullanıcı davranış sırası
Üretken-kullanıcı yerleştirme- "Yunqi Topluluğu-Sorgu Oluşturma ve Öneriler"
Üretken -sorgu oluştur- "Yunqi Topluluğu -sorgu Üretimi ve Önerisi"
Arama biçimi: kullanıcı ve sorgu yerleştirme İçin Aynı vektör uzayı Orta ve sonunda ikisi arasındaki benzerliği hesaplayın; bu, sonunda kullanıcıya benzer olacaktır. topN hatırlama Ve modeli kullan Niyeti ve dönüşümü tahmin edin En yüksek sorgu gölgeleme görevi görür.
Arama formülü- "Yunqi Topluluğu-sorgu oluşturma ve öneri"
doc2vec ve word2vec Kullanıcı ve sorgu katıştırıldığında, sorgu metni, arama karşılaşma günlüğünde bu sorgu altında en yüksek dönüşüme sahip n üründür (başlık, açıklama vb.) Ve kullanıcının metni, kullanıcının son davranış etkileşimi (başlık, açıklama vb.) İle ilgili ürün metnidir. ), eğitim için doc2vec veya word2vec kullanın ve son olarak sorgu ve kullanıcının gömme vektörünü oluşturun.
sorgu ve kullanıcının doc yapısı
Geri alma vektörü geri çağırma performansı açısından pahalıdır Genel olarak, dış katman bir birinci seviye arama gerçekleştirmek için kümeleme modelini kullanır ve ikinci seviye arama, birinci seviye küme belirlendikten sonra gerçekleştirilir.
b. Tetiklemeden sonra, girişten önce
Arama kutusu tetiklendikten sonra, çoğu e-ticaret arama ürününün farklı düzeylerde arama önerisi sürümleri vardır. İşletmeler için bu, çapraz satış Yol. Yaygın olanlar Arama geçmişi, popüler aramalar, arama keşfi , Ve arama geçmişine ek olarak, popüler aramaların ve arama keşiflerinin belirli bir ölçüde yapılması gerekiyor "Beyaz pantolon" ve "beyaz pantolon" gibi çukurları boşa harcamamak için anlamsal normalleştirme .
Popüler aramalar bulunan ürünler
arama geçmişi
Arama geçmişinin işlevi, kullanıcıların şu varsayımları kullandığını varsayarak belirli varsayımlara dayanmaktadır: Arama tekrar ediyor . Arama geçmişi, kullanıcıların geçmiş ihtiyaçları hızla almasına yardımcı olur, hızlı bin Tekrar oynat . Ve veri analizi yoluyla, arama geçmişindeki sorgu kelimelerinin daha sık olduğu ve dönüşümün diğer arama önerilerinden daha yüksek olduğu görülebilir; bu nedenle Geçmiş araması genellikle arama kutusuna daha yakındır , Ve arama terimleri, yakından en uzağa doğru kronolojik sıradadır. Çok fazla varsa, bu yapılacaktır. Katlayın veya yalnızca N , Kullanıcının Boş Geçmiş arama terimleri Seçenekler .
Popüler arama terimleri
Mevcut kullanıcıların arama günlükleri aracılığıyla verileri analiz edin ve kolaylaştırmak için yüksek frekanslı ve yüksek dönüşümlü arama terimlerini görüntülemeyi seçin Kullanıcı soğuk başlatma / niyeti soğuk başlatma Filtrelemek için. Bu süreçte, popüler etkinlik temalarının tanıtımı gibi işletme öğrencileri de katıldı. Popüler arama önerileri Uzun kuyruklardan kaçının, olabildiğince yüksek frekanslı, geniş ve çeşitli olmaya çalışın .
Not: Kullanıcı soğuk başlatma, genellikle yeni bir kullanıcıyı ifade eder ve kasıtlı soğuk başlatma, kullanıcının daha önce sahip olmadığı bir talebi ifade eder.Arama keşfi / arama terimi önerisi
Bu bölüm binlerce kişi kullanır ve daha kişiselleştirilmiştir. Ve çoğu durumda, daha fazla içerik teşhiri fırsatı verebilecek grupları değiştirme işlevi vardır. Arama geçmişinin varlığı nedeniyle, arama terimleri olabildiğince kişiselleştirilmelidir Arama geçmişi çubuğu ile anlamsal yinelemeden kaçının , Daha değerli arama terimleri sağlayın, böylece Maruz kalma verimliliğini en üst düzeye çıkarın , Ve çok fazla önerilen sözcüğün neden olduğu etkileşimi önlemek için genel arama, 10 içinde .
Bu modülün teknik çözümü, gölgelendirme önerisine benzer, ancak son görüntü bir değil, burada tekrarlanmayacak topN'dir.
3. Aranıyor
Arama terimleri, kullanıcılar ve arama araçları arasında önemli bir iletişim taşıyıcısı görevi görür.Kullanıcı öz farkındalığı ve arama motorları arasındaki iletişimi gerçekleştirmek için anahtar kelimeler kullanın, bilinç oluşturma, anahtar kelime dönüştürme, arama, bilgi edinme ve motivasyon memnuniyeti için kapalı bir bilgi döngüsü oluşturun .
Elbette, kullanıcılar (tarihsel davranış, cinsiyet, yaş vb.), Bölge, hava durumu, makro, uzun vadeli bağlantı vb. Gibi bu kapalı döngüyü etkileyecek birçok faktör vardır.Arama sürecine göre kullanıcı arama süreci şu şekilde demonte edilebilir: Arama girişi-arama tetikleyici-içerik girişi-arama-geri bildirim sonucuna tıklayın . Karşılaştırmalı analiz için bu sürecin tüm yönlerinden dört ana e-ticaret uygulamasının (JD.com, Tmall, Shoutao ve Pinduoduo) arama işlevlerine bakıyoruz.
Önceki makale aramadan önce bazı ürünleri ve teknik çözümleri tanıtmıştır; bu makale hala e-ticaret aramasıdır, arama işlemi sırasında kullanıcı girişi arama terimini alır ("ara" düğmesini tıklamak ve "enter" tuşuna basmak arasında olanlar) Bir giriş noktası olarak, ilgili arama terimi fonksiyonları ile birlikte ürün ve teknik çözümlerle birlikte tartışılacaktır.
Arama kelimesi otomatik tamamlama ürün formu
Anahtar kelimeler Eşleştirme / Tamamlama / Lenovo / Hata Düzeltme Üç ana işlevi vardır: Rehberlik, hata düzeltme ve verimlilik .
İstatistiklere göre kullanıcılar İlk sorgu içinde Beklenin Arama Sonuçları Çok düşük olasılık Bu nedenle, kullanıcıların aramalarının iş yükünü azaltmak ve veri madenciliği (grup davranışı ve bilgeliği) yoluyla yüksek frekanslı ve uygun arama önerileri sağlamak için otomatik sorgu önerilerini yönlendirmek gerekir.
Dört e-ticaret İkisi de kullan Gmp Önek eşleşmesi ,fakat Shoutao ve Tmall genişletme simgesini kullanır ,Yapabilmek Önerilen kelimeleri hızlı bir şekilde arama kutusuna yapıştırın. Jingdong, öznitelikleri, etiketleri ve kategori uzantılarını kullanır (dışında Girişle ilişki kurun Anahtar kelimelerle ilgili boyutları da gösterecek, Otomatik tamamlama anahtar kelimeleri Kullanıcının seçimini artırmak için), Pinduoduo Göreli arama terimi ürünleri Daha az keşfedildi . Ancak amaç kullanıcılara yardımcı olmaktır Amaçları hızla belirleyin ve aramaya başlayın .
Kullanıcı arama kutusuna karakter girdiğinde, arama kutusunun altında gerçek zamanlı olarak görüntülenecektir. Açılır ipucu kelimesi Kullanıcılara, Kullanıcıların seçmesi için uygun . Kullanıcıların arama terimlerini hızlı bir şekilde girmelerine ve optimize etmelerine yardımcı olabilir ve Yazım hatalarından kaçının Bu temelde birçok e-ticaret uygulaması da ortaya çıktı. Filtre işlevi , Mevcut arama önerilerine göre genişletin ve daha fazlası Kullanıcı işlemlerini azaltın . Genel olarak, kullanıcının araması yeterince spesifik değildir ve arama teriminin daha ayrıntılı bir sınıflandırması önerilir . Taobaonun destekli çoklu filtre araması, giriş sırasında görüntülenen bir dizi ilişkilendirme, sağdakine tıklayın Genişlet simgesi ,Yapabilmek Dernek içeriğini kullanın , Bu temelde filtreyi daraltmaya devam edin, böylece Kullanıcıların ihtiyaçlarına en yakın içeriği almalarına yardımcı olun .
Akım boyunca Gerçek zamanlı giriş Kelime git Maç adayları ,genel Aynı sorgu teriminin sorgu sıklığı ve geçmiş sorgu kayıtları için Önemli referans temeli .
Arama terimi tamamlama ve ilişkilendirme sayısı açısından Taobao, 10 adet , Pinduoduo'da 10, JD / Tmall'da 10'dan fazla var, ancak çok fazla değil.Çok fazla seçenek, kullanıcılara bellek yükleyecek, yer kaplayacak ve kullanıcı deneyimini azaltacaktır. Miktarı kontrol edin, böylece bilgi aşırı yüklenmez .
Elbette, bazı e-ticaret şirketleri, Lianyi grubuna girme, açılır kutu gibi, geçmiş sürüm yinelemesinde arama girişi aşamasında hataları düzeltmeye çalışacaktır. Otomatik düzeltme Bazı kıyafet seçenekleri için, mevcut dört e-ticaret uygulaması bu işleve sahip değildir, ancak arama sonuçlarında gösterilen hataları ve hatırlatıcıları düzeltin; Otomatik hata toleransı, kullanıcı deneyimini büyük ölçüde iyileştirecektir Ve kullanıcının satın alma oranını artırın.
Teknik çözümler
Konu: Önek eşleştirme prensibi, tam kelimeler görünmüyor Genel kullanım Tamamlama / ilişkilendirme işlevi, esas olarak kategori rehber kelimeleri ; Göründüğünde Bariz kategori sözcüklerinden sonra Daha fazla görünmeye başladı Ayrıntılı nitelikler ve etiket filtre kelimeleri . Genel olarak Sorgu günlüğünde çok sayıda aday sorgu kazılmıştır , Ve önekin aynı olduğundan ve ardından belirli bir Hesaplama modeli Aday sorgu için bir puan hesaplayın ve son olarak puana göre seçin topK Nihai sonuç olarak.
Temel hususlar: Güncel arama terimleri, kullanıcılar (cinsiyet, yaş vb. Özellikler), günlüklerdeki grup bilgeliği
Minimal versiyon:
Yaygın arama motorlarının öneri işlevi vardır, doğrudan kullanın
İstatistiksel baskı:
Önek eşleşmesinden sonra aday kelimeleri kullanın ( Trie ağacı + TopK algoritması , Geri izleme algoritması kullanıcılar tarafından en sık aranan ilk K arama terimlerini kullanarak üçlü ağacından) geçer, ancak bu uzun kuyruklu kelimelerin açığa çıkmasını önleyecektir.
üçlü ağaç
AC algoritması
Basit model versiyonu:
Kullanıcılar ürünleri aradıklarında, kullanıcı ve arama terimi bilgilerini kullanırlar Niyet tahmini , Tamamlayan Önek eşleşmesinden sonra kategori, cinsiyet tahmini Sonunda biraz Cinsiyet ve kategori altında en yüksek birlikte görülme oranına sahip TopK Sıcak arama kelimeleri, arama kutusunun açılır kutusunda ipucu kelimeleri olarak kullanılır.
Karmaşık model versiyonu 1:
Karmaşık model versiyonu, kullanım Aday geri çağırma için önek eşleştirme algoritması (Eğer Geri çağırma çok küçük, önek olmayan eşleşmenin sonucunu göz önünde bulundurun ) Ve yap Basit kesme ; Sonra kullan Kullanıcı özellikleri (cinsiyet, yaş, davranış sırası), bağlam özellikleri (mevsim, hava durumu, sıcaklık, coğrafi konum), mevcut arama teriminin gömme vektörü ,sonra Aday arama terimi ayrıca bir gömme vektörüne sahiptir ve üç vektör sırasıyla kosinüs benzerliği için aday vektörle hesaplanır. Ve sonunda birini kullan Doğrusal model füzyonu Üç puan, nihai sıralama sonucu anlamsal olacaktır Kopyayı kaldırın ve en üstteki K'yi seçin (Burada sıralama yapmak için üretken modeli de kullanabilirsiniz).
Bağlam yerleştirmenin yolu
Burada kullanıcılar ve bağlam, arama terimleri olarak kabul edilebilir ve doc, günlük verilerinden oluşturulabilir ve son olarak doc2vec veya word2vec kullanılabilir.Üretken-kullanıcı yerleştirme- "Yunqi Topluluğu-Sorgu Oluşturma ve Öneriler"
Üretken -sorgu oluştur- "Yunqi Topluluğu -sorgu Üretimi ve Önerisi"
Karmaşık model versiyonu 2:
Temel olarak karmaşık model sürüm 1'in sıralama özellikleri için devam edin Özellikler ekleyin ve daha fazla boyut düşünün .
Anlambilim, davranış, oturum günlüğü vb. Aracılığıyla sorgular arasındaki benzerliği bulun ve kullanıcı, arama terimleri, bağlam özellikleri ve bunların çapraz özelliklerini ekleyin. Çok boyutlu benzerlik füzyonu ve yeniden sıralama: Tıklama benzerliği, metin benzerliği ve oturum benzerliğine göre Sorgu arasındaki benzerliği ölçün ve Sorgu çiftinin önceliğini optimize etmek için yeniden sıralama modülüne aday çifti (isteğe bağlı) alın. Top K'nin yeniden yazılmış sonucunu oluşturun.
query2query recall
Davranış temelli : item cf / swing, simrank ++
Oturuma göre : word2vec, seq2seq
İçeriğe dayalı : query2vec (word2vec'e benzer, sorgu dizisi oluştur)
sorgu sıralaması
model : LR / GBDT
örneklem : Kullanıcı günlüğü, davranış ağırlıklı (ekran: 1, tıklama: 5, satın alma: 50)
özellik : Arama teriminin pv / ctr / cvr'si, kullanıcının aktif olup olmadığı, kullanıcı portresi / özellikleri, kullanıcı + aday kelimeleri (sorgu terimi / göz atma ayrıntıları sayfası ile sıcak arama aday terimi arasındaki benzerlik), bağlam özellikleri (konum, sıcaklık, hava durumu vb.)
Diğer algoritmalar ve ürün modülleri
Hata düzeltme
Hata düzeltme için bir model yapılabilir, ancak yukarıdaki sorgu yöntemi birçok girdi hatasını belirli bir dereceye kadar önleyebilir. Hata düzeltme için aşağıdaki iki tür düşünülebilir:
Sözcük dışı hata düzeltme (Bir e-ticaret korpus sözlüğü hazırlayın, giriş kelimesi genel sözlükte değildir, yanlış kelime olarak değerlendirilebilir)
Gerçek kelime hata düzeltme HMM (Gürültü kanalı modeli, unigram + bigram + trigram kullanın, en iyi simge kombinasyonunu seçin, Sorgu çifti, doğru ve yanlış kelime aday setleri için eğitim geçiş matrisi)
Anlamsal birlik
Aday kelimelerde anlamsal normalizasyon yapılır.Genel olarak, aday sorgunun benzerliği, arama sorgusunun genişletilmiş kısmına göre hesaplanır.Belirli bir eşik aşıldıktan sonra, sınırlı pit kaynaklarından tasarruf edebilecek yüksek puana sahip yalnızca bir aday kelime korunur.
Ürün modülü
Simgeyi temizle : İçerik girilirken, kılavuz bilgiler kaybolur ve bazıları da arama kutusunda açık bir simgeyle görünecektir.Temizleme simgesi temel olarak kullanıcının ikinci arama sırasında mevcut bilgileri tek bir tıklama ile temizlemesini kolaylaştırarak kelimesi kelimesini silme zahmetinden kurtarır; Anahtar kelimelerle eşleşecek içeriği girin.
İlişkilendirme kelimelerinin altındaki ürün sayısı : Ürün düzeyinde yapabileceğiniz şeylerden biri, anahtar kelimelere karşılık gelen arama sonuçlarının sayısını öne koymaktır, böylece kullanıcılar arama terimlerinin ayrıntı düzeyini kontrol edebilir ve özellikle görece uzun kuyruklu aramalarda sonuç olmaması veya birkaç sonucun olmaması durumundan kaçınabilir. Sözler açısından.
4. Aramadan sonra
Arama öncesinde ve sırasında bazı ürünleri ve teknik çözümleri tanıttım; bu bölüm, kullanıcının araması tamamlandıktan sonra ürün arama ve sıralama görüntüleme sürecine ve ürün tanıtımına odaklanmaktadır. İlk olarak, kullanıcıların sezgisel olarak hissettiği ürün düzeyinde birkaç işlevi tanıtın. İkinci makale, daha zayıf kullanıcı algısına sahip geri çağırma ve sıralama modüllerini tanıtmaktadır. İlki, ürün çözümlerine, ikincisi ise teknik çözümlere odaklanmaktadır.
Arama motorlarının bilgi edinmedeki avantajları sadece kendilerine yansımaz Algoritma ve hesaplama gücü Aramayı daha fazla yapmanın avantajı üzerine Talebe yakın ;ve Kullanıcı bilgilerinin kantitatif analizini ve veri kontrolünü birleştirin , sağlayabilir Daha akıllı Bilgi Hizmetleri ( Binlerce insan aramak).
Arama yaptıktan sonra genellikle geri alınabilecek birçok ürün vardır.Kullanıcıların istedikleri ürünleri hızlı ve doğru bir şekilde bulabilmeleri için bu ürünler kullanıcılara net ve düzenli bir şekilde nasıl sergilenebilir? Bu, aşağıdaki sorunları içerir:
Akıllı hata düzeltme, sonuçların sınıflandırılması (gerekirse), varsayılan sıralama, ayrılmış arama terimleri, arama terimlerine karşılık gelen sonuçlar, sıralama ve filtreleme, hiç veya çok az sonuç, filtreleme Bekle.
1. İçerik düzeltme
Arama Terimi Düzeltme-Ürünler
Kullanıcıların arama işlemi sırasında yanlış giriş yapması kaçınılmazdır ve hata düzeltme işlevi algoritma üzerinden yapılabilir. Girişin yanlış olduğuna karar verdikten sonra, doğru arama terimini gösterin nın-nin Ürün listesi Kullanıcıya ve Lütfen bilgilendirin Kullanıcı arama terimini düzeltir ve arama sisteminin yanlış arama terimini yargılayıp yargılamadığını onaylar (gerçekten vardır Uzun kuyruk, düşük frekans Kelime arama gereksinimleri mevcuttur). Tüm hata düzeltme fonksiyonunun hata toleransını dikkate alarak, Daha az kullanıcı girişi hatası Veya kendisi Bellek hatası Kullanıcıların neden olduğu arama sorunlarını tekrar aramasına gerek yoktur. Otomatik hata toleransı büyük ölçüde Kullanıcı deneyimini iyileştirin Ve kullanıcının satın alma oranını artırın.
Teknik çözüm: yukarıda bahsedilen Sözcük dışı hata düzeltme ile Gerçek kelime hata düzeltme , Burada tekrar etmeyeceğim.
2. Filtrele
Arama Filtresi-Ürünler
Arama Filtresi-Ürünler
Ararken Çok fazla sonuç veya Korelasyon sonuçları eşit değil O zamanlar, geri çağrılan ürünler hala çok büyük ve kullanıcılar için ürünleri doğru ve hızlı bir şekilde elde etmek hala büyük bir zorluk. Sıralama ve filtreleme İşlev çok iyi olabilir kolaylaştırmak Bu durum. Filtreleme ve sıralama, kullanıcılara belirli bir ölçüde yardımcı olabilir Arama ürün listesini ayarlayın ve daraltın , Büyük bir farkla azaltmak Kullanıcılar ürünleri bulmayı reddediyor İş yoğunluğu .
Mevcut filtre büyük e-ticaret içindir Arama ürün standardı, kullanım sıklığı çok yüksek. Filtrele Parametreleri geçirerek filtrele , Arama motoru orijinal geri çağırmaya dayalı olacaktır Ürün filtreleme . Büyük e-ticarette tarama yapılır 2 yol yazın Ne zaman göster Birkaç filtre boyutu Zaman, filtreyi (sıralama ile birlikte) ürün listesi sonuçlarının ortasına (benzer şekilde) yerleştirebilirsiniz. Taobao'da arama yapmak için ipuçları ), genellikle birkaç ürüne göz attıktan sonra görünür; eğer Zengin boyutlar , Genellikle kullanılan Kenar çubuğu form.
Teknik çözümler:
Ürün kategorisi ve nitelik etiketi madenciliği: Konu modeli, konuşma madenciliğinin bir parçası, görüntü algoritması Bekle, Takip makalesi Giriş Emtia yapılanması İlgili metin ve resim algoritmaları, bu makale daha fazlasını tanıtmayacaktır.
3. Sonuç yok
Sonuç Yok Sayfası-Ürünler
Kullanıcı aradıktan sonra görünür Sonuç yok veya çok az sonuç Sebepler aşağıdaki gibi olabilir: 1. Yanlış arama terimini girin ; 2 Çok fazla filtre Veya arama terimi Çok uzun kuyruk / spesifik ; 3. Platform arama gereksinimlerini karşılıyor Az veya hiç mal yok . için İlk iki , Kullanıcıya sorabilir ve devam edebilirsiniz Otomatik hata toleransı , Doğru ürün listesini gösterin; için Üçüncü Durum, genellikle Maçla ilgili değişiklik Telafi edilecek ürünler veya Kullanıcılardan arama terimlerini değiştirmelerini isteyin , Bazı platformlar başlatıldı Abonelik hizmeti , Arama sonuçları güncellendiğinde, kullanıcı Aktif itme .
5. Tüm süreç
Bu bölüm, daha zayıf kullanıcı algısına sahip geri çağırma ve sıralama modüllerini tanıtmakta ve esas olarak teknik çözümleri ve uygulamaları (özellikle aşağıdaki şekilde gösterilen arama hizmetinin bazı çalışmaları için) tanıtmaktadır. Bu süreç öneriye çok benzer. Temel fark, geri çağırma kaynağının mevcut arama terimini daha fazla dikkate almasıdır. Sıralama özelliği ayrıca arama terimi özelliğini ve etkilediği çapraz özellikleri ekler. Sıralama temeli alaka düzeyine dayanır.
Basitçe söylemek gerekirse, kullanıcı bir arama terimi girer ve sistem, arama terimi aracılığıyla arama terimiyle ilgili bir ürün koleksiyonu bulur ve sistem ürünü kullanıcıya ve ürüne göre sıralar ve son olarak kullanıcıya gösterir.
0. Bulunamadı
Ancak, bir arama sistemi oluşturmanın ilk aşamalarında, kullanıcılara istedikleri ürünleri doğru bir şekilde bulmalarında yardımcı olmak her zaman imkansızdır. Ana nedenler şunlardır:
Nereden İşlem Yukarıda, aşağıda gösterildiği gibi
Daha sonra, sırasıyla QP, geri çağırma ve sıralamayı açıklayarak yukarıdaki süreci parçalarına ayıracağız. Önce aşağıdaki QP'deki çeşitli modüllere bakın.
1. QP modülü
1.1 QU / sorgu anlama
1.1.1 Genel Bakış
1.1.1.1 Amaç
1.1.1.2 Görev
1.1.1.3 Yöntem
1.1.1.4 Niyet belirlemenin zorlukları
1.1.2 Konuşma bölümü ve özne tanıma ve nitelik / etiket tanıma
Konuşma parçası tanıma, tüm arama sisteminin ilgili ürünleri hızlı bir şekilde bulmasına ve bulmasına yardımcı olur ve ayrıca yardımcı olabilir Temel kelimeleri ve nitelik kelimelerini hızlıca bulun Bekle.
Arama sırasında, Farklı terimlerin geri çağırma için farklı anlamları vardır , At arabasını atın önüne koyamıyorum. Farklı önemi olan kelimeler İçinde olmalı Geri çağırma sıralama aşaması, karşılık gelen farklı efektler sağlar ve temel kelimelerin daha yüksek puanları vardır . Bir kullanıcı "çocuk oyuncakları" hatırladığı ürünleri aradığında, temel kelime oyuncaklardır ve çocuklar, terim ağırlığına göre sınıflandırılan ve azaltılan değiştiricidir. Ürün kelimelerini, marka kelimelerini, model kelimelerini ve durdurma kelimelerini daha da ayırt etmek için ince ayar da yapılabilir . Tam olarak eşleşen ve kısmen eşleşen sorgunun ağırlığı farklıdır ve aynı üründeki kelime hitlerinin ve çok kelimeli isabetlerin ağırlıklarının da dikkate alınması gerekir.
Diğerleri ayrıca şunları içerir: Baş kelime mantığı, sıcak kelime mantığı, hata düzeltme sistemi, atılmış kelime mantığı, konuşma parçası etiketleme vb. . Konuşma tanımanın bir kısmının ortak yöntemleri şunlardır: Kural tabanlı ile İstatistik tabanlı konuşma parçası etiketleme (HMM).
1.1.3 Kelime Portresi
Temel özellikler: pv, uv, gmv, ctr, cvr vb.
İşletme özellikleri: marka kelimeleri, büyük promosyon özellikleri
Kelime kalite puanı
Eş anlamlılar, eş anlamlı kelimeler, sesteş sözcükler, alt markalar, kategoriler, metin benzerliği
1.1.4 Güçlü ve zayıf niyetler
Arama sistemine hızlı bir şekilde yardımcı olabilecek güçlü ve zayıf niyet / dönüşüm niyeti tanıma Konum hatırlama ve sıralama stratejisi , Farklı niyetler, farklı sıralama ve görüntüleme efektleri getirebilir. Gibi Alaka faktörleri güçlü niyetler altında güçlendirilmeli ve zayıf niyetler altındaki tıklama / dönüştürme geri bildirim davranışına daha fazla dikkat gösterilmelidir. .
Kullanıcı davranışına ve sorguya dayalı statik bilgiler , Analiz sorgusu Arama türü (satın almayı tercih edin) veya göz atma türü (alışveriş yapmayı tercih edin) . Sorguyu sınıflandırmak için modelin sonraki kullanımı, Farklı türden farklı sorgu türlerini kolaylaştırmak için sıralama stratejisinin farklı sorgu türleri üzerindeki etkisini analiz etmek için kullanılır .
Kullanıcıların kişiselleştirilmiş etiketlerinin göz atma satırlarını ve dönüşüm eğilimlerini analiz edin.
Bazı özellik örnekleri:
1.1.5 Kategori tahmini
Sorgunun kategori tahminleri esas olarak, Sorguyu Analiz Edin ve hangi kategori amacının daha alakalı olduğu (Tabii ki burada Kullanıcı boyut bilgileri de dikkate alınacaktır ). Sorgu, arama motorları aracılığıyla geri çağrıldıktan sonra, genellikle Kategori alaka düzeyi önemli Audition sıralama faktörü , Bir yandan malların bir kısmını tutmak için etkililik Öte yandan ayrıca Kaynaktan kategori alaka düzeyi sağlayın ,Garanti kullanıcı deneyimi . Gerçek iş bakış açısından, hızlı metin Çok iyi ve hızlı bir algoritmadır.
Kategori örnekleri
Ortak modeller
1.2 QR / sorgu yeniden yazma
1.2.1 Genel Bakış
1.2.1.1 Sorun
1.2.1.2 Hedef
1.2.1.3 Yöntem
1.2.2 sorgu yerleştirme
1.2.3 çoklu yöntem
2. Geri çağırma ve alma modülü: ltm / eşleşmeyi öğrenin
2.1 Erişim temeli
2.2 Anlamsal Arama
Anlamsal arama, yalnızca kelime boyutunun tam eşleşmesini dikkate almayı değil, aynı zamanda anlamsal düzeyde yapmayı da ifade eder. Arama sonuçlarının alaka düzeyini artırmak ve kullanıcı deneyimini iyileştirmek, tüccarların ürün başlıklarının popüler anahtar kelimelerle yığılması sorununu da bir dereceye kadar azaltabilir.
2.2.1 Yaygın belge sorgulama eşleştirme yöntemleri
Kelime > İfadeler- > Anlambilim > Konu- > sözdizimi
gömme benzeri
2.3 Sonuç optimizasyonu yok
3. ltr / sıralamayı öğrenin
İnce ayırma sistemi esas olarak kişiselleştirilmiş ayıklamaya hizmet eder.Arama motoru, geri çağırmanın kaba tasnifinden sorumludur.İnce ayıklama, daha ince ayrıntılara, daha karmaşık modellere ve gerçek zamanlıya odaklanır. Gerekli özellikler geliştirildi ve model temelde yüksek yoğunluklu veri depolamayı ve yüksek eşzamanlı okumayı destekleyebilen arama motoru teknolojisini yeniden kullanıyor.
3.1 Puanlama sistemi: statik puan * dinamik puan
3.1.1 Puanlama sistemi statik puanı
3.1.2 Puanlama sistemi dinamik puanı
Yukarıdaki koşul kombinasyonu (q, u, o) verildiğinde her bir emtia için işlem davranışı olasılığını tahmin edin.
p (q, i, u) tahmini
gmv maksimizasyon modeli-öğretmen Hong Liangjie
İlgili Özellikler-Öğretmen Hong Liangjie
3.2 Diğer ağırlık faktörleri temel olarak birkaç boyuta bölünmüştür:
4. Özet
yazar hakkında:
Club Factory Club Factory