三步打造電商搜索後臺方案
搜索功能，可以做到極度複雜和龐大，大公司有條件整個部分負責搜索，在小公司僅作爲一個模塊。如果電商產品中，用戶搜索頻率高，那麼搜索是重要的商品和流量分發入口。搜索後臺方案的矛盾點在於，它的優化需要有大量商品數據和用戶行爲數據積累，也就是使用越多，結果越準。有實力團隊不可避免引入機器學習。對商品不多、用戶量不大的電商團隊，如何設計搜索後臺最簡方案？
電商中，搜索商品一般有兩個入口：分類導航和關鍵詞。前者不需用戶手動輸入，而以分類ID、名稱或標籤匹配，返回結果。以關鍵詞搜索涉及到建立搜索引擎、分詞、匹配、排序，場景可以涵蓋以分類導航搜索，所以本文以關鍵詞搜索爲例，討論後臺方案設計。
首先看呈現給用戶搜索結果，要滿足什麼目標？
- 在首屏可以一眼找到想要的商品
- 如果前幾屏沒有找到所需商品，所見內容應準確且豐富，想繼續瀏覽結果列表或跳轉頁面瀏覽
- 結果準確情況下，列表排序規則清晰
上述目標，需要搜索匹配準確、排序瀏覽高效、加入運營元素補充搜索結果。
返回結果是否令人滿意，有通用評價標準
- 召回率：能返回結果，需要商品數量足夠大，也需要算法能匹配上足量商品數據
- 準確率：返回結果和用戶意圖匹配，都是想要的商品
- 排序：默認挑選效率最高的排序方式，並可以自由選擇切換
如果以搜索“女士錢包”關鍵詞爲例，後臺該如何匹配、篩選、排序到前端呈現？
匹配
直接用關鍵詞匹配數據庫字段，效率很低。通常會建立搜索引擎，將原始數據重構，做出供搜索系統匹配的“搜索數據庫”。這相當於一個連接所輸入關鍵詞和商品數據的通道。
用戶輸入關鍵詞，匹配搜索數據庫時，也不是精確匹配，而會根據分詞、同義詞、短語、標籤、分類多個維度匹配。分詞之後還考慮是否取交集關係，比如“女士錢包”，可以分別找包含“女士”和“錢包”的元素，然後取交集。
除了關鍵詞和搜索數據庫匹配，還需要做意圖分析。“女士錢包”，“女士”修飾“錢包”，用戶本意更是想買錢包，而結果出現“女士揹包”、“女士服裝”，會不盡如人意，應該更多匹配“錢包”類型下的商品返回結果。
後臺如何匹配，涉及到很多算法，業界也有成熟通用的解決方案，具體技術實現可參考商品搜索引擎資料整理。
排序
在搜索結果豐富、準確度高前提下，如何排序讓選擇和瀏覽效率最高？
排序基於各項權重的打分，如果結果是一條條商品，權重分這幾個方面：
- 關鍵詞匹配度
- 分詞關係："與"關係, 偏重結果的準確率(precision)，當搜索"AB"時, 結果需要既包含A也包含B；"或"關係, 偏重結果的召回率(recall)：當搜索"AB"時, 結果可以是隻包含A或只包含B
- 文本匹配：算法基於TF*IDF
- 商品描述、屬性、分類等結構化信息
- 商品銷售屬性，如銷量、收藏次數、點擊次數、評論次數、好評次數、差評次數、是否有貨…
- 最簡單的三個權重由大到小排序爲：月銷量 > 收藏 > 點擊
- Badcase：比如一個商品銷量多卻評價差
- 廣告：屬於商業化的範疇
- 用戶行爲
- 已購商品、客單價、瀏覽、收藏、購物車、配送地址
- 人口統計學分類指標，如性別、年齡、收入
- 登錄信息：定位、時間、登陸次數
挑選出所需權重，建立規則和公式，給每條搜索結果打分。打分算法可參考搜索引擎排序。結果列表排序，一般按照默認打分從高到低排序，是淘寶、京東排序工具欄的“綜合”，同時也支持手動切換按銷量、好評、新品等維度排序。
呈現
電商產品初期，因爲SKU少，常常無米下鍋般無匹配結果，這時如何更不尷尬？
搜索結果列表最理想的呈現，應該像首頁一樣，可以無限刷。也就是就算無完全匹配結果，也不應該空蕩蕩一片留白或佔位圖，阻斷體驗。無論是否有匹配，結果中展示相關度最高的商品。只是這種方案，只用名字匹配容易窮盡，所以需要將商品所有緯度信息都和關鍵詞匹配，屬性、名稱、標籤、描述……，有一個匹配就上了，就呈現結果。
再一想，這樣做，需要兩個前提：1. 海量SKU，怎樣都能匹配上關係十萬八千里符合的商品；2. 商品打足量標籤、多維度數據結果化，和關鍵詞匹配，不然難以做到稍微準確
如果沒有這兩個前提，還是老老實實做推薦模塊吧。推薦也有以下兩種方案：
展示推薦商品瀑布流。所展示商品來源，有選擇手動配置和自動推薦兩種。手動配置無非選擇熱銷、折扣、活動商品配上去，但運營千人一面配置商品，既和搜索關鍵詞無關（代表着用戶現在想要），也和過去想要的看過的無關，故不如算法自動化個性推薦。
展示其他熱搜關鍵詞/品類。本來已經沒有關鍵詞搜索結果了，其他熱搜放在那裏等於告訴用戶，你要的沒有了，其他人喜歡的你要不要看看，類似餐館某個菜沒了時候服務員說的話。這樣體驗不如個性推薦，加之離商品更遠，展示效果不如商品瀑布流。
在搜索結果中，列表內容單元除了單個商品記錄，還可以在列表中插入對應品類的熱銷品牌、人工運營的商品聚合頁、專題頻道頁入口，讓用戶有興趣（尤其在無想要結果時）瀏覽更多。