电商搜索逻辑和规则

搜索是承载电商平台的最关键环节，也是流量产生成交的最重要的方式，所以说一个好的搜索功能是引导用户正确走向的功能，从而解决用户内心购买的需求同时也给我们带来商业利益。

拿App举例，从如下这几个方面展开讨论。部分内容也是结合部分大佬总结的，分享出来和大家共同探讨，希望对大家有帮助

类目检索、搜索框、搜索结果、筛选项、个性化推荐

分类检索

分为前端类目和后端类目，前端类目一般理解为用户在商城挑选商品的时候看到的类目，一般前台类目是基于后台类目的筛选聚合。后台类目是和商品直接关联的，相对比较稳定，不会轻易调整

类目管理

具体的类目如何管理，可查看此篇文章https://zhuanlan.zhihu.com/p/34715311

搜索框

image.png

搜索前

默认词：一般一些电商为了提高转化率，输入框会默认展示搜索词，一般通过运营人工配置or后台统计热门的搜素词、热门促销活动

搜索历史：根据用户搜索的记录，限定N个

热搜词推荐：可根据网上销售情况/搜索量较高的自动推上热搜词/运营推荐类的活动或者商品,所以后台需要可支持独立于搜索词外的手动配置排名搜索词。

搜索中

搜索中.png

自动容错功能：用户在搜索时系统识别并纠正，一般先在搜索框推荐正确的字符，搜索结果一般推荐近似的词的搜索结果并告知用户【搜索有误，并推荐正确的结果】

输入后联想词：根据搜索的商品自动联想，一般是商品和商品标签属性值的形式展现。

其他：比如还支持语音、图片搜索输入等

搜索结果

搜索规则和算法一般是电商企业的核心，一般最主要就是索引和排序

索引

通俗的理解就是用户输入一个关键词，并将这些关键词通过具体的分词算法，并且告诉搜索系统，需要到哪个类目里去找，具体的分词和索引的算法是技术层面的一些东西大家可以去度娘搜素，如下提供一些网上收集的一些索引算法文章可供参考

https://cloud.tencent.com/developer/article/1343847
https://cloud.tencent.com/developer/article/1041781
http://www.360doc.com/content/18/1011/14/45689189_793844779.shtml
https://zhuanlan.zhihu.com/p/51015148

主流的电商平台一般采用分词的索引方式，分词有一些说白了就是根据不同的业务逻辑和中心，我这边只提供一下自己想法供大家参考

搜索结果-综合排序.png

人气模型：需要重点关注GMV/UV价值，下面我解释一下具体的定义公式

GMV定义=销售额+取消订单金额+拒收订单金额+退货订单金额

虽然GMV不是实际交易额，但是有一定的参考依据，只要你点击购买行为，无论你有没有实际购买，都应该被记录。所以其实是为了研究用户的购买意向，比如购买之后的退单率、实际成交额的比率。这种量化的指标其类似于用户粘度

• UV价值=销售额/访客数，是指每个用户带来多少销售额，其中销售额=访客数* 转化率* 客单价，所以UV=转化率* 客单价，其中这里可以看出UV价值其实和商品转化率、客单价这两者有很大关系
• UV是指独立访客，PV是指刷新次数，这个概念在于如果PV/UV比例过低，说明用户浏览深度太浅，对于用户吸引力不够高

服务模型：这其中涉及的对象有用户、客服、商家、快递公司，是用户下单到签收过程中遇到问题的响应和服务。主要考察就是用户是否有退单、投诉、是否有差评；商家是否及时发货，是否及时响应用户的问题；快递公司是否及时派送，整体的物流时长等维度考虑。

店铺模型 ：店铺的等级、DSR（店铺评分系统）、转化、动销等，以及店铺的基本资质审核。

这其中有一点：给予新店/新品一定的扶持，避免马太效应。何谓马太效应通俗的理解就是强者更强，弱者更弱。头部商家容易形成垄断，新商家增长受限容易退店，一定程度会降低商品丰富度和头部商家恶意抬高价格。所以新商家要有一定的扶助政策并提供指导。

用户模型：根据不同的用户行为和标签达到千人千面的搜索结果，这也是个性化推荐算法的一环。

筛选项

当搜索结果过多或者相关性匹配不高，搜索结果仍然海量的情况，用户如何精准的获取商品，还需要依靠筛选项进行排序和过滤，排除过多干扰，可以降低用户下滑寻找商品列表。

目前筛选器是大多数电商的标配，根据销量、价格排序，还有根据品牌、服务折扣和不同的商品参数进行排序

个性化推荐

个性化推荐其实是一种过滤系统，用户预测用户的【爱好】，根据用户基本信息（年龄、性别、职业）、用户行为（收藏、浏览记录、购买）等针对性的推荐帮助用户决定购买方向。

推荐系统可以从哪个方面进行呢

1、上知天文下知地理

根据当季商品、地域特点、气候等

2、用户行为（画像）

男女、孕期/经期、喜好、纸尿裤/奶粉、电器爱好者、美食，都可以标记为标签，用户标签越多，推荐的内容越能匹配用户的爱好

3、协同过滤

何谓协同过滤？举个例子比如我今天想外出吃饭，你可能会问好友附近有什么推荐的美食，大部分人都会问和你关系密切，和你品味差不多的人，这就是协同过滤的核心

下图是我整理的脑图

协同过滤.png

总结

• 对于电商的搜索逻辑有个归纳总结，便于以后自己复盘
• 分享出来也供大家参考，不喜勿喷，毕竟也是自己辛苦整理出来的
• 下期想针对一些运营活动，比如红包分享、拼团、秒杀分享自己的思路吧
• 以上over~