电商检索系统总结——功能篇

自己作为后端研发工程师，一直在公司电商项目中参与和检索相关的工作。工作的时间也不短了，一直希望能写一些文章来总结、整理下自己接触到的知识点，一方面是为了梳理自己的思路，另一方面也作为一种分享和交流。

本文简单总结一下，电商检索系统需要向用户提供哪些功能。

搜索页面结构

下图是一个电商搜索结果页的基本结构：

大家可以看到，页面基本上有以下几种元素构成：

搜索栏
商品列表
面包屑
分类树
筛选项
商品推荐

每一种元素，都为用户展现了不同纬度的检索结果；同时，部分元素也为用户提供了进一步的检索、过滤功能。

搜索栏，提供了query检索的功能，用户最常用的寻找商品的方式；

分类树和面包屑，一方面从分类纬度展示了搜索结果，同时用户也可以对于上面的结果进行分类检索；

筛选项，提供了对于检索出的商品属性的聚合，同时用户又可以对于自己感兴趣的属性进行单独筛选；

商品列表，是呈现给用户的最终结果；

商品推荐，除了自然的检索结果，还会根据用户当前的检索行为以及历史行为，进行商品推荐。

功能

上面提到的元素，都是为了让用户使用电商检索系统的某些功能，或者向用户展现某些功能的最终结果。下面就具体讲一下电商检索系统需要具备的基本功能：

Query检索

即关键词检索，用户通过输入一个检索词来描述自己的需求，比如“iphone5s”、“三星Galaxy”、“Nike运动鞋”等等。关键词检索，涉及到建立一个检索系统的一些基本步骤：

切词（将一段文本转化为一个一个单元，即term）
建立倒排索引（Inverted Index）
索引归并
排序

切词之前，首先需要确定的是：商品的哪些字段需要被切词并且建入索引。商品的标题是需要建索引的，另外，一般来说，商品的品牌名称、商家名称、分类名也是需要建索引。选择建索引字段的范围，其实是需要一些权衡的，范围选得过大，当然可以提高召回率，但这样也会出现一些bad case（比如将商品描述中一些不相关的term建进了索引），同时倒排拉链过长也会影响性能。

分类检索

一般来说，综合型电商网站的首页，都会有一个分类树全集，供用户直接点击查询。例如下图：

除了Query检索，用户按照商品的分类进行检索的比例也会较大。分类检索和Query检索相比，不同点只是少了切词步骤，另外将term改为商品的分类ID。

说到分类，就要涉及到分类体系。一般来说，有两种分类体系：后端分类体系，和前端分类体系。后端分类体系相对稳定，几乎不变，用户感知不到后端分类；前端分类体系结构可以很灵活，随意变化，一般由运营同学来维护。前、后端分类体系都是树状的结构，而后端分类树的任意节点可以“挂载”至一个或者多个前端分类树的叶子节点上面，这样两套分类体系之间就产生了关联。

这两个分类体系可以类比为超市的货物分类（严格来说应该是电商参考了零售行业的分类方式），一开始货物都是放在后台的库房里面的，它们按照一种分类体系（后端分类系统）来存放，非工作人员是看不到的；而等到货物需要从库房摆放到货架时，超市工作人员可以以时令、促销活动等为依据，让货架上的商品按照另一种体系（前端分类体系）进行组织，顾客只能看到这种组织形式。

排序

用户通过query或者分类检索出的商品结果，默认都是按照相关性排序的。（关于相关性排序，内容还是比较复杂的，另外自己也不是专门做这一块的，这里就不展开讲了）除了按照相关性进行排序，用户还可以按照其它条件进行排序，例如：

价格
折扣
评论数
好评度
上架时间
是否正在促销
……

上面都是用户可以看得到、自己可以选择的排序方式。除了这些，还会有一些其它因素影响商品结果的排序。

首先是一些基本的业务逻辑，比如在自然排序下，有库存的商品排在前面，无库存的排在后面；SPU商品排在前面，SKU商品排在后面。（SKU、SPU的概念后面会讲到）

另外还有一些运营方面的考虑。比如，发现搜索结果中有一个很不相关的商品出现，这时就急需在query粒度上对这个商品进行打压、甚至是不允许展现。或者，由于某种合作关系，在某些query或者分类下，必须将某个商家的商品排在前面。因此，检索系统后台就需要维护这么一份各个维度的商品“黑白名单”。

标签聚合

所谓标签，就是用一些“键-值”的概念来描述一个商品的特点。比如说MacBookPro，可以有如下标签：

品牌：Apple
尺寸：13寸
处理器：Intel i7
价格：9288 RMB
……

当用户检索商品时，检索系统除了直接展示商品以外，还会将商品上面的标签进行聚合，一般都是通过“标签名 + 标签值的列表”的形式展现给用户（如下图），方便用户通过标签进行进一步的筛选。

分类树

当用户进行query检索时，检索系统会进行query分析，将这个query可能对应的分类，通过分类树的形式展现给用户。比如用户搜索“小米”，query分析出的分类既有“手机通讯”，又有“粮油米面”。

一般来说，检索系统为了保证query的准确率，会在检索条件中添加query的预测分类，使得检索结果不至于各种分类的商品混杂在一起，影响用户体验。所以当用户搜索“小米”时，检索结果会限定在“手机通讯”这个分类下，但是如果用户真的是想搜索“粮油米面”下的小米，也没关系，只需在点击分类树中相应分类进行限定即可。

面包屑

面包屑，原来是用于在网站上面显示当前页面在整个sitemap中的位置，方便用户跳转至网站其它地方。在电商网站中，就变成了展现网站所在的分类路径（ + 品牌名称 + query），例如

电脑、办公 > 电脑整机 > 笔记本 > 清华同方（THTF） > 清华同方锋锐T200

点击面包屑上面的每一级分类，就可以在某个分类下进行商品检索，方便用户扩大或者缩小检索范围。

过滤

除了进行各种触发（query检索、分类检索等），还需要在触发结果的基础上面，再进行过滤。上面说到的标签过滤、分类树限定，都属于过滤。总结下来，会有这么几种过滤方式：

分类过滤
标签过滤
价格区间过滤
地域过滤
库存过滤
是否自营
商家过滤（针对于微购这样的电商平台）

Query提示

所谓query提示，就是当用户在搜索框中建入query时，系统能提供给用户一个query list，或者一些分类建议，方便用户向检索系统提供给准确的query以及分类范围，减少用户进行重复搜索的次数。

以下是京东的query提示截屏，有拼音翻译为query、有分类预测、有每个query对应的检索商品数，做的比较完善。

相对而言，微购做的query提示就原始许多，输入“shouji”，居然连本身的“手机”都没有，囧……

Query改写

Query分析中的一项功能就是做“query correction”，通过算法或者人工标注的形式，判断出用户真正需要搜索的query是什么。比如用户输入了“按着手机”，检索系统需要能判断出用户搜索的真正query可能是“安卓手机”，当然，好的产品肯定能让用户自行选择，而不是强奸用户，就像上面提到的用户可以选择分类树上的分类，用以明确告知系统自己所需要查找的分类范围。

以下是在京东搜索“按着手机”的截图：