lao cai
产品目标：高效地获取信息
需求复杂又多变，不同用户输入同一个query表达的需求可能也不一致，同一用户在不同场景下输入同一个query表达的需求也可能不一致
需求理解：广义的query解析
a.需求明确（让机器按照人对文字的理解处理）
b.需求明确，但对答案有特殊要求（猪肉的最新价格，要求最新 需要从多个维度判断是不是最新）
c.需求不明确，需要进行需求扩展和预测（杨幂，需要拓展为杨幂图片、杨幂的电视剧等）
需求明确的query
a.结构简单清晰的query：经过切词处理即可进行后续检索
栗子：黄山火车站订票电话 — 黄山 火车 站 订 票 电话 （距离和紧密度成正比）
b.口语化的query：需要进行纠错、同义转换等语义处理
栗子：杭州至盐城高速怎么走 — 杭州 至 盐城 高速 怎么 走（通过”怎么走“是地图需求，”至“表示方向的链接 可以识别前面的杭州和后面的盐城，”高速“识别为驾车这个路线优先，所以可以将这些词放到地图垂直引擎里）
c.表达方式复杂的query：需要进行更加unique的语义处理
栗子：披星（）月、吾尝终日而思矣，后面（），无法用通用的处理方法需要 后续单独拎出来看
d.需求明确，对答案有特殊要求：除了统一的query变换外，需要将特定要求转换成搜索引擎可以理解的特征
栗子：猪肉的最新价格 — 资源的时效性
需求不明确的query
需要进行需求扩展和预测
欢乐颂 — 欢乐颂视频、剧情介绍、演员表、评论...
怎么进行需求扩展？
上下文数据：搜了欢乐颂后，用户是否主动更改qurey搜索欢乐颂视频
类目数据：对于 [欢乐颂] 这种电视剧专名，天然就有视频、剧情等需求。pm可以提前梳理针对各类目的需求list
个性化数据：对于特定类目可以进行地域扩展，家乐福—北京家乐福，有用户更倾向于看电影剧情，有的更喜欢看评论
总结为：
需求理解
经过上述的需求理解后，一个query会进过以上分类处理后，会统一成这样的输出，来进行接下来的检索：需求类目/需求词，需求强度，待检索term，其他限定特征（地域等）
衡量指标：
a.评估各个分析规则的召回率和准确率
b.各需求的召回率和准确率
解决方案：排序和展现
排序
不同需求间根据 需求强度（命中需求的概率）
同一需求间根据 结果质量（相关性（文本角度）、权威性、时效性、可用性）
所有排序都是基于点击行为的，实际上会把需求强度、结果质量作为初始排序，把用户点击行为作为后续不断调整排序的依据
展现
通用策略：将结果页中与query相关的信息提取为标题/摘要，进行标红等处理帮助用户筛选信息
细化策略：针对不同需求，又有如下不同的细化策略
a.单一明确信息需求，直接在摘要中展现
b.对于用户接下来路径相对收敛的需求，可以讲下一步需求前置，缩短步骤。例如网易邮箱（直接登录等）
c.对于不同资源类型结果，可以针对性优化摘要。例如视频类、图片类、新闻类、地图类
衡量指标— 用户搜索满足度
基于用户行为的搜索满足度
a.摘取满足型需求
b.单结果满足型需求
c.主动变换query比例低
d.翻页比例低等
基于人为评估的搜索满意度
a.query评估前n个结果相关性—认为需求潘盾，当前结果是否能满足，与竞品对比是否有更好的结果未收录、排序是否更优等
b.session满意度—从用户一个行为片段分析其是否满足
资源支撑
自然语言相关度与页面类型片
各类基础词库：用于query切词处理、同义转换、纠错等
语义理解和处理规则：用于query解析
网页相关
网页收录（spider）：保证各类网页收录覆盖度； 保证网页收录的时效性：根据网页类型定义更新频率，重要或时效性要求高扥资源可选择站长主动要求提交的方式
页面分析：对页面类型进行识别，页面中内容解析、为term赋权等
网友评论