从满足用户需求的使用场景出发,进行典型的方案分解和业务逻辑分析,从功能和策略上讨论搜索功能的迭代优化。
1,项目背景选择查询调查微博搜索功能对用户需求的满意度,将选择的查询从以下两个维度进行分类,
内容类型维度:社会、影视娱乐、时尚美容化妆、体育、旅游、餐饮、互联网、娱乐、科普教育、生活记录;需求理解维度:清晰的需求-查询,结构简单清晰;清晰的需求-口语化查询;清晰的需求,附加条件;不清晰的需求因此进行了如下图所示的查询案例研究:
在微博手机客户端搜索这些查询,记录结果和相应的问题,并将案例总结如下图所示由于
是一款手机的截图,将其粘贴到文章中会占用更多的空间,所以本文不粘贴本次调查的实际情况的截图。如果你感兴趣,你可以自己用微博搜索。
分析上述案例中的问题案例,如下图所示
总结了这些案例的问题原因,即需要解决的问题,如下图所示
2。项目目标1。产品目标用户以最低成本获得所需信息
2。核心指标定义用户搜索成功率,即用户无需后续操作(包括更改查询、切换选项卡等)即可直接获得所需结果的概率。)搜索查询后
3。重要指标定义查询分析的准确性,即准确查询分析的概率;匹配精度,即第一个结果准确匹配的概率;前10名排名准确率,即前10名结果被准确排名的概率;查询的前10个结果的相关性是查询的前10个结果与查询相关的概率。案例以上5项指标的满意度如下图所示:
用户搜索成功率:27.50%;查询解析准确率:50.00%;匹配准确率:40.00%;排名前10名的准确率:35.00%;查询前10名结果相关性:52.50%4.项目目标用户搜索成功率提高到40.00%;查询解析准确率提高到60.00%;匹配准确率提高到60.00%。排名前十的准确率提高到50.00%。查询的前10个结果的相关性增加到70.00%三。需求概述针对本项目要解决的问题,根据问题的影响面,设计相应的改进计划。预计将解决影响面和成本,并确定解决方案的优先级,如下图所示
4。详细要求1。查询解析(1)改进方案1
方案:查询解析增强常用口语词库和口语转义词库,以提高查询的口语识别能力
逻辑解释:对于口语查询,使用常用口语词库查找查询中的口语词,然后使用口语词转义词库进行转义,在分词前得到一个要求明确的简短查询
案例示例:
(2)改进方案2
方案:查询解析提高了分词的正确性,长查询允许搜索多个查询处理结果
逻辑解释:当用户输入一个长查询时,他们不仅可以回想起整个查询的微博结果,还可以对分词后的查询进行处理,转换成各种可能的查询,删除查询中一些不相关的词,并再次回想起微博结果通过多次召回,在所有结果中,相关性最好的微博被点击
案例示例:
(3)改进方案3
方案:查询解析增强了转义词典并提高了对查询额外条件的识别能力
逻辑描述:用户输入的查询可以在分词后通过转义词典提取查询中的额外条件。将权重
(4)添加到匹配和排序逻辑中的标记。改进方案4
:查询解析增强了专有名词库,并提高了识别查询需求主题的能力
逻辑描述:剪切查询后,根据专有名词库找到查询主体
案例示例:
2。结果匹配(1)改进方案5
方案:在匹配逻辑中,根据搜索查询,匹配阈值增加,权威、热度、及时性、原创性和内容相关性标签权重
逻辑表明,当用户搜索更复杂或更长长度的查询且有附加条件时,有必要提高召回结果的匹配阈值并过滤相关性较低的微博。
此外,根据搜索查询本身的特点和提取的附加条件,增加了附加条件对应的权威性、热度、时效性、原创性等标签的权重。
案例示例:
(2)改进方案6
方案:根据搜索查询,在召回结果中,对因数量过多、异常热度等特殊情况而达到命中阈值的结果进行异常处理,以减少刷数量等行为导致的误匹配命中。
逻辑解释:根据搜索查询,在召回结果中,当某类结果的微博数量异常大或某类结果的微博热度异常高,容易突破匹配阈值时,有必要增加该类搜索查询的内容相关性标签的权重,并将内容相关性作为辅助阈值。当
综合阈值被打破,但内容相关性阈值未被打破时,应对该召回结果进行特殊处理(错配、折叠或重复数据消除)从而减少由刷量、刷热等行为引起的不匹配点击
案例示例:
3。结果排名(1)改进方案七
方案:在用户的连续搜索行为中,排名逻辑中上下文场景之间的相关性标签权重和更新及时性增加,同一主题在连续搜索行为中的相关性提高
逻辑描述:当用户有连续搜索行为时触发此逻辑考虑到用户搜索查询(如鹿晗电影和鹿晗)之间的相关性,当召回结果匹配时,与先前搜索行为相关联的标签权重增加,并且这种标签的更新时间限制增加以及时更新
案例示例:
4。结果显示(1)改进方案八
方案:调整特定单词(名词,范围如历史人物和特定名词)的页面显示逻辑
逻辑描述:构建一些词汇范围(如莎士比亚,著名人物;偏二环、偏三环),调整这类词汇搜索结果页面显示顺序的逻辑,优先显示百科信息,并优先显示热门问答、热门文章等信息
案例示例:
5。资源分析(1)改进方案IX
方案:提高站内微博信息的语义分析准确率,优化匹配结果
逻辑说明:通过名词转义、口语词库和转义、名称转换词库、分词等手段,提高站内微博信息的语义分析准确率,优化匹配结果。例如,
案例:
5,统计需求计算以下指标来评估优化需求的效果
本文最初由@ MIS Bond发布。每个人都是产品经理。未经许可,禁止复制
图片。它来自Unsplash,基于CC0协议