案例背景

某導購類電商APP，與淘寶天貓等一線商家合作,億級商品索引量，類目和子類目多層嵌套，商品有不同子款式和尺碼，搜索和篩選需求複雜。通過採用分銷+券模式，優惠券幫助普通C用戶降低了單品價格，分銷模式幫助推廣者B增加了用戶數量，平臺獲得分成，用戶下單後還可以返現金和優惠券，從而提升復購率, 其中搜索的流量佔比站內流量60%以上，所以對於搜索結果的召回和排序有極高的要求，衡量搜索效果的直接指標就是成單轉化率。

需求反饋

業務方希望迅速擴大市場提高用戶體驗，需求開發團隊針對產品功能快速優化，進一步提升CTR、CVR的業務指標

需求分析

• 電商行業中，“搜索”是幫助用戶定位自己想要的商品提升轉化的重要渠道；搜索引擎的效果優化是一個很大的話題，在查詢意圖理解階段可以有語義理解、命名實體識別、詞權重分析、拼寫糾錯等優化手段，在排序階段可有文本相關度、人氣模型、類目預測等優化手段，通過配置查詢分析策略和調整排序公式，我們對於效果優化可以有很大的發揮空間，再通過AB測試來對比不同優化策略的效果表現，我們可以做到效果優化心中有數。
• 業務指標數據中“點擊率和轉化率”則直觀反映了搜索結果頁的商品結果是否滿足用戶的需求;
• 優化召回和排序結果可以幫助用戶快速找到心中所想的內容，是改善用戶體驗，降低跳出率，促進用戶轉化率的最好方法。

阿里雲開放搜索解決方案

Query在開放搜索的執行流程：

開放搜索的優化方案:
1.查詢意圖理解優化方案可以參考上一篇文章:https://developer.aliyun.com/article/770543?spm=a2c6h.12873581.0.dArticle770543.12b01cc67mFsIp&groupCode=aios

2.開放搜索-類目預測功能
類目預測是開放搜索裡基於物品的類目信息改善搜索效果的算法功能,類目預測根據用戶的查詢詞來預測用戶想要查詢哪個類目的結果，結合排序表達式，可以使得更符合搜索意圖的結果排序更靠前。
例如：用戶搜索“華為”
• 大部分人意圖其實是想獲得“華為手機”，但因為銷量大小、價格高低、店鋪等級等各種原因，存在“華為手錶”等配件商品排在“華為手機"更前面。
• 當我們訓練“類目預測模型”，模型就會表達出一個信息，根據行為數據統計發現點擊“手機”類目要比點擊“配件”類目的人多很多，那麼模型會給出這樣的預測結果，對於“華為”這個query來說，“手機”類目與“華為”的相關度，比“配件”類目與“華為”的相關度高, 所以在計算每個物品的排序分的過程中，“手機”類目下的物品所獲得的得分要比“配件”類目下的物品得分高，從而“手機”類目下的物品會排在更前面。
• 這樣的排序結果才是一個比較符合用戶預期的結果，用戶才更有可能點進去了解詳情，從而提升搜索的業務價值,提升CVR的業務指標；

3.排序算法優化
• 支持兩輪相關性排序定製，搜索結果相關性排序是影響用戶體驗最關鍵的一環，開放搜索支持開發者定製兩輪相關性排序規則來準確控制搜索結果的排序。第一輪為粗排，從命中的文檔集合裡海選出相關文檔。第二輪為精排，對粗排的結果做更精細篩選，支持任意複雜的表達式和語法。方便開發者能更準確控制排序效果，優化系統性能，提高搜索響應速度。

• 引用智能排序人氣模型：離線計算的模型，淘寶搜索最基礎的排序算法模型。人氣模型會計算量化出每個商品的靜態質量及受歡迎的程度的值，不斷訓練統計形成人氣分，構建更精細化的排序模型，精準命中搜索需求，將人氣模型involve成為排序的一個因子，搜索結果的轉化率還會有質的飛躍。