2。 搜索

搜索的过程，实际上可以分为召回和排序两步：

召回：把符合的搜索结果拿回来

排序：按照排序规则，对召回的结果进行排序

1）召回

召回时常见的问题是在「召回率」和「精确率」的取舍。

召回数据的太多，可能会导致召回了不相关的结果。召回的数据太少，有可能导致想要搜索的结果没有召回。

我们可以通过增加筛选条件，通过实际识别技术，对不同的实体提供不同的召回率来优化搜索结果。

例如还是在高启强的案例中，通过名称来搜索“高启强”的的人数肯定是最多的，也就是“姓名”这个实体重要性最高。通过搜索“旧厂街”来搜索的人数其次，“住址”这个实体可以列为中等重要。而通过身高来搜索高启强的人数肯定比较少，重要性最差。当用户搜索 175 时，就没必要召回高启强的数据。

2）排序 瑞文文摘站内查询

常见的排序，是按照单一维度的排序。例如从近到远排序，评分从高到底排序。

早期的大众点评，提供了这样的排序方式，但是因为单一维度的排序，往往很难满足用户的需求，会导致搜索结果中出现大量低质量的门店。所以后来，大众点评也将“从近到远”优化成了“距离优先”，将“评分从高到低”优化为“好评优先”，在距离和评分的基础上，加上了其他考量因素。这样既优化了用户体验，也提高了商业效率。

复杂的排序方式，比如按照“相关度打分”算法排序，是根据文本的匹配度，对不同的搜索结果进行打分。让相关度更高的搜索结果，分数就越高。例如在 Elastic search 的全文搜索中，默认根据 BM25 算法来计算文本相关度，根据文本匹配度来排序。

基于相关度算法，不同的实体之间的相关度对打分的影响，也是可以调节的。瑞文文摘站内查询

在之前的海外 O2O2 交易平台中，当分词命中了实体词库后，我们会适当提高提高实体打分的权重。

例如我在大众点评中，搜索“珠江新城”这个词时，如果只考虑店铺的名称，那么名称里含有“珠江新城”的搜索结果会排在前面，比如“XXX（珠江新城店）”，但这并不是用户希望看到的，所以此时应该提高“商圈”的实体在打分排序中的权重。相应地，在搜索结果中，会优先展示珠江新城商圈、咖啡厅的餐厅类型，咖啡的食物分类的搜索结果。至于提高多少，就需要根据实际情况来调优了。

3。 结果展示

通过搜索，拿到数据后，最后一步就是搜索结果的展示了。也就是大家搜索后看到的页面。各个应用可以根据自己的业务特点，设计对应的展示样式。

在设计时需要考虑的是：

1）数据的展现样式

例如在淘宝搜索不同商品时，展示的方式不一样的，有的双列瀑布流，有的是通栏的列表。

例如在微信中，搜索不同的内容，文章、视频号、表情、百科等的展现形式都是不同的。

2）展示每一个搜索结果的哪些信息 瑞文文摘站内查询

例如在大众点评中，每一个搜索结果都包含标题、图片、评价、地理位置、距离、商圈、用户评价、是否有套餐等等信息。产品设计是应该思考的是如何设计一个卡片的展示，在提供用户想要的消费决策信息的同时，保证页面的简洁美观，提高搜索的有效性。

4。 其他搜索相关的产品设计 瑞文文摘站内查询(3):http://www.youerw.com/fanwen/lunwen_146637.html