“搜索”，对于前台操作的用户来说，只是一个极其简单的动作。但对于后台来说，则需要拆成“如何才能支撑‘搜索’这个动作？”以及“我们要展示给用户哪些元素？”两个方面来考虑，才能更好地完成这个动作。
对于有确定购买目标的用户来说：如何能在海量商品中快速找到心仪商品呢？
搜索是必不可少的渠道，也在电商平台中占据着举足轻重的地位。
前端用户只是一个简单的“输入+搜索”的操作，后台就需要拆分出：“哪些逻辑可以用来支撑？”以及，“我们应该给用户展示哪些元素？”
今天，我们就来聊聊与“搜索”相关的后台流程。
一、搜索结果页布局
PC端的搜索结果页都包含哪些元素？
参照如下图：
淘宝PC端搜索结果页
搜索栏：用户输入query进行检索，是用户寻找商品的一种快捷入口。从用户输入到展示商品列表之间的检索过程，也是本文重点要讲的。
筛选项：是商品结果集的属性的聚合，给用户提供在商品结果集内进一步按照各属性维度单独筛选的功能。
分类树：query相关的分类，以分类树的形式展现给用户。比如：输入“小米”既属于“3C数码”，又属于“粮油米面”。
面包屑：展现当前商品列表所属的分类路径，方便用户跳转至各上级分类，同时可在该分类路径下进一步检索，扩大或缩小检索范围。
商品列表：query搜索的结果集，涉及到商品的排序展示，是下文的重点。
二、搜索流程框架
1. query分析
用户输入query，系统需要对query进行预处理，包括：改写纠错、近义词、query补全。
比如：用户输入“平锅电脑”，通过分析判断，用户可能想搜索的是“苹果电脑”。
比如：搜索“电褥子”，也可以匹配“电热毯”。
比如：最近抖音用户李佳琪以推荐口红走红，在TB输入“李佳”就有对应提示。
好的产品应当是让用户自行选择，而不是强制改写用户的输入。
有搜索结果则优先展示搜索结果，同时提示纠错后的词语供用户一键搜索。纠错和补全可以看作是与query做模糊匹配，从而返回一个相似的单词集合。
Apache开源的全文检索引擎工具包——lucence，就提供了该功能点的实现。大致思想是：给定一个包含大量正确单词的词典集合，与用户的query进行匹配，计算出编辑距离，距离越小则越相近。
编辑距离：是两个单词之间转化的最少变化次数。
比如：字符串“abcd”变为字符串“bcde”，需要删除a再插入e编辑距离为2。
编辑距离的定义简单，但是关于“如何降低算法复杂度？”，这个比较偏技术。产品同学了解思想即可，对技术有热情有兴趣的同学也可以研究下Lucence内的实现。
2. 分词
当用户的搜索词比较长，则需要将query切分成一个个单元。
比如：用户搜索“夏季仙女连衣裙”，如果用整个字符串做匹配的话，召回率就会很低。所以，需要分为“夏季”+“仙女”+“连衣裙”。
市面上有开源的分词工具包可以直接使用，比如：IKAnalyzer中文分词器。
但是，不同的分词工具运用的分词算法不一。以机械分词算法为例——一种基于字符串匹配的分词方法，它可将待分析的字符串与机器词典中的词条进行匹配，假如在词典中找到某个字符串，则匹配成功。
除了通用词条，跟产品业务相关的词汇我们也需要尽可能的补充完善进词典。
这里我们介绍一下机械算法中的“正向最大匹配算法”和“逆向最大匹配算法”。
正向最大匹配算法：从左到右逐个组合扫描词与词典中的词条进行匹配，如果匹配成功，则把这个词切分出来，继续匹配剩余的字符串。
那么如何做到最大匹配呢？
让我们来看一个例子：
待匹配词条：string data=“仙女连衣裙夏季”,通过字符串截取函数截取对应需匹配的词条。
词表：array dict=[“仙女”，“仙女连衣裙”、“连衣裙”、“夏季”]。
从data[1]开始扫描，到data[2]的时候，发现：“仙女”在词表中有，但是还不能将该词切分出来。因为“仙女”是dict[2]“仙女连衣裙”的前缀。
继续扫描发现：data[5]在词表中有，但是还不能切分出来。
扫描data[6]发现：在词表中没有“仙女连衣裙夏”，这个词条也不是任何一个词的前缀，则切分出前面最大的词——“仙女连衣裙”。
以此类推，最后得到的词组为：[“仙女连衣裙”，“夏季”]。
逆向最大匹配算法：先定义一个最大分割长度5，从右往左开始分割。
以data[5]表示“连衣裙夏季”，data[4]表示“衣裙夏季”。
从data[5]开始扫描，若不在词表中，去掉最左边一个字，得到data[4]，直到发现data[2]在词表中，将词语拆分出来，此时待匹配词条变为“仙女连衣裙”。
匹配data[5]时，若发现词表中有，则切分出来，分割结束，得到的词组为[“仙女连衣裙”，“夏季”]。
3. 索引匹配
索引：可以理解为是一种数据结构，是基于数据表中的某一列创建的，存储了列值以及和表行的对应关系。
例子我就不多说了，不清楚的同学可以自行谷歌。如果没有索引，在查询时，需要对数据库表做全表扫描并做文本匹配，这是不现实的。
创建商品后，系统会将商品名称分词并且建立索引形成索引库，必要时也可以将商品类目、品牌引入索引库中。将用户query的分词词组与索引库进行匹配，得到商品候选集。
4. 商品侯选集
首先，匹配出query相关的类目以及与query文本相关的所有商品，以类目+文本为最高优先级对商品进行排序，类目和文本相关性一致的则根据权重排序。
影响权重的因子包含：“商品近30天的销量”、“评论平均分”、“上线日期”、“店铺得分（文描，评论，物流）”等。
给所有因子影响权重的比例定义一个系数，需要根据实际业务运营策略制定。
比如：运营希望多曝光一些服务优质的店铺，则店铺维度的因子权重比例就高。如果运营想多曝光一些爆款商品，则提高商品各项因子的权重比例——截取商品候选集的topN做综合排序得到商品结果集。
如下图：
商品候选集选取流程
5. 综合排序
从商品列表中提取出三部分 ：
同类目人工干预置顶
售罄或差评商品沉底
其他部分待排序。
通过点击率预估模型对待排序商品重排序，并区分同类和其他类目。
影响点击率预估模型的成分有：
店铺因素（店铺近期订单量，评分，物流，PV，UV）
用户本身特征（近期购买，浏览，收藏）
实时特征（当天商品被浏览，加购等）
季节因子
对同类目的商品优先提取品牌和商品词符合的做前置（比如搜索小米插座 品牌：小米，商品词：插座）。
最后合并各个分段结果如下图：
综合排序流程
以上梳理了搜索流程中的一些关键节点，而如何提高搜索引擎的用户体验呢？
核心和难点在于：理解用户，进而高效的帮助用户找到目标商品。
这就离不开运用各种机器学习和自然语言处理技术进行语义分析，不断尝试各种搜索引擎排序算法帮助用户找到更优质的商品。
通常大型电商平台的搜索团队都是偏技术配置，业务型的产品虽然不需要深度学习算法与数据模型相关的知识，但是基本概念和思想最还好是要掌握。
以上是我的分享，欢迎交流。
