淘宝搜索解析

2019-09-09 淘铺之家
1、电商搜索的产品定位:装逼的说法:让海量的用户与海量的内容迅速连接起来(人找货、货找人同时实现)目前的价值:用户主动搜索表达需求旺盛,每天50-60%的手淘用户会访问搜索,并且20%

1、电商搜索的产品定位:

装逼的说法:让海量的用户与海量的内容迅速连接起来(人找货、货找人同时实现)

目前的价值:用户主动搜索表达需求旺盛,每天50-60%的手淘用户会访问搜索,并且20%的手淘用户会直接决策购买,但钱包份额开始下降


2、电商搜索的目标

1)长期挑战:多样性品质商品&商家的发现和个性化浮现

2)核心目标:公平、生态、效率、品质、多样、精准、商业

a. 对用户:迅速挑选到合适的好货

b. 对卖家:自己的货得到展示和售出

c. 对公司:赚钱



3、搜索产品组成与本质

1)产品组成:前端(排序、导购、创新)、后台(分析、保障、赋能)、隐性(豆腐块、精品区、混排区、协同区)



2)搜索本质:召回+排序;原则是:准确+优质+适合

a. 商品的得分:相关性得分(与query的相关性+与用户的相关性)+商品得分(商家得分+商品得分)+权威性+时效性



b. 召回及排序的实现的过程

简单概括:识别query/user意图,找出用户偏好的商品库,为商品打分并进行排序,最后进行展示query/user意图的识别:相关性(最核心的部分)

! query语义:A query背后代表的意义+与A query有对应关系的类目、商品

! 用户意图:

决策阶段:决策型QUERY(精确的关键词与准确描述,如iphone6s)+浏览型QUERY(蕾丝裙、高档、电影票)

决策偏好:购买力、长期兴趣、地域、类目偏好、风格召回及排序:

! 召回:根据对query/user意图的识别,将有相关性的商品进行全量召回

! 排序:用户人群数据模型+商品特征模型:相关性|长效个性化数据(用户特征+商品特征)+实时个性化模型

! 一般的排序因子:销量、收藏、加购、转化率、预测CTR、预测曝光到成交、客单价、卖家评分

4、搜索增量空间及产品能干哪些事:精度、深度、广度

核心指标:货单价+UV价值;指导思想:高品质用户买更多,低品质用户买更好

1)精度:搜索作为效率通道,精准是效率实现的基础

指导思想:uv*转化率*客单价(笔单价*(货单价*笔均件数)*人均笔数)=GMV

发展历程:轮播->人气->个性化

算法中KPI数据因子的权重(货单价、客单价、商品品质、转化率、翻页率、ctr)与用户体验之间的平衡

业务流量分配的方式,头部卖家+腰部卖家+类目

2)深度:对人和货深度知识理解能力

指导思想:召回率、准确率、更多可以运用的因子|业务的特殊需求

不同层级核心用户在搜索的体验和表现

发展历程:标题文本匹配->CPV(属性进索引、类目预测、用户行为)

召回因子可以加入一些其他货品规则:比如详情页的完整性

主动需求的收集地:query的集中度和丰富性反应用户需求,并可以表达出竞争品类的趋势,如何利用这些需求和数据

a. 基于搜索的选品中心

b. 基于搜索的场景发现:闲逛、学习、决策阶段不同的需求点;搜索词类型、搜索频次

3)广度:业务扶持、与运营紧密合作,快速落地新内容、合理利用流量

指导思想:这是一个流量入口

发展历程:主题搜、挑好货、onesearch

a. 搜索框内构建全域场景化营销新阵地

b. 搜索结果提供品质与内容解决方案:挑尖货、淘攻略、标签好货




5、搜索对于电商环境变化的认知

消费升级,高品质货源之争是平台间竞争根本所在

新零售,催生全域场景化营销趋势(媒体场景种草-搜索场景割草)

消费者的可触达、可洞察、可服务;还有很多上限可以挖掘

6、搜索底层的延展应用

1)基于搜索建设的选品中心

2)基于搜索建设的场景发现