query 是一个查询参数类 ，封装了查询条件，分页，排序等功能，在搜索功能设计中，会接触到此功能，同时query是整个搜索系统中最上游的一环，负责的是从query中提取信息，从而了解用户希望通过这个query搜索出什么。我们会经常网上进行搜索查询，并且能从搜索出来的结果中得到很多信息；本文作者分享了关于query分析的一些思考，我们一起来了解一下。
一、引言
如果是你来做搜索功能，你会如何设计？
在我之前参与项目的搜索功能，前期只提供搜索最基本的功能，如搜索入口、搜索框、模糊搜索、搜索结果；在后续迭代的版本也很少优化到搜索功能，因为在当前业务范围它的优先级降属于较低，但实际上搜索功能不仅限如此。
搜索主要目的是根据用户输入的信息查找匹配的内容。基于大数量基于大量数据的产品搜索功能才能发挥它极大的价值。
搜索功能我们可以拆解成三个模块：搜索前、搜索中、搜索后：
- 搜索前：搜索入口、搜索引导、搜索热词等；
- 搜索中：关联词、下拉提示、自动纠错等；
- 搜索后：无结果内容的推荐、有结果内容的排序等。
本篇文章想要围绕【搜索中】模块去展开讨论，当用户在前端输入内容时，系统会如何处理去帮助用户进行搜索呢？
二、案例
在分析搜索词数据中发现大部分的用户会通过“pg”去搜索商品，没有产生任何浏览或交易等行为；于是在自有的产品和其他电商平台使用“pg”搜索，在自有平台是未查询到任何商品信息，其他电商平台却能搜索到与苹果相关的商品信息，比如苹果水果、iPhone手机等。
当用户在使用搜索查找商品并未出现期待值的结果时，等于对这行为画上了等号；用户可能会重新搜索商品或直接退出程序转向其他平台，这无疑对平台是一个损失，没有留住用户，没有产生任何转化率。
平台属于二手手机电商并有销售iPhone手机，我们也尝试过以输入商品名称进行搜索，它是能正确找到商品；系统目前是将商品名称作为搜索的唯一标准，这远远覆盖不了用户的需求，每个人对商品的叫法不同，导致相同的物品会存在不同的叫法，搜索习惯也会不一样。
比如iPhone，大部分人会在潜意识里接将iPhone翻译成中文“苹果手机”，有的人习惯用苹果的缩写“pg”、苹果拼音“pingguo”或苹果等其他叫法进行搜索。你看，不同的搜索内容但对应的商品却是相同的，因为系统只能通过搜索商品名称与数据库的商品进行匹配，才会理解不了用户其他的需求，导致用户搜索不到相关商品。
当平台希望用户通过搜索方式提高商品的曝光率、点击率或下单率等。那需要去分析用户的每个搜索词以及产生的结果，不能让已存在的商品因为搜索功能不足而去增加用户搜索步骤，每多一个步骤都会造成用户的流失可能性；并不是每个用户都会按照平台定义的商品名称去进行搜索，我们应当扩大搜索匹配的范围，让不同的叫法都能找到对应的商品，从而提高用户搜索效率。
所以该如何去扩大搜索匹配的范围呢？
三、解放方案
根据阿里提供的开放搜索文档中，我们可以知道搜索流程：
对于搜索流程我这样理解，用户在前端输入query并确认搜索，系统需要对query进行预处理，将原始的数据转换为可以理解的语义，对query进行一系列智能分析（停用词、拼写纠错、同义词等），将用户输入的query进行改写后再召回，在通过算法排序按照用户的搜索意图进行前后排序，这样就完成一次搜索。
1. 为什么要query分析？
Query是指用户输入的搜索词，它直接决定搜索的结果是否满足需求。query分析是将搜索词演变成多个搜索场景进行多次搜索。
以商品“西红柿”为例，前提搜索条件以商品标题为准。
场景1：北方称为“西红柿”，南方称为“番茄”， 因南北文化差异导致了同个商品对应不同的名称。平台的商品名称“西红柿”，南方用户会以“番茄”进行搜索。
场景2：在搜索页面唤醒的键盘恰好是iPhone的英文键盘，从英文键盘切换到九宫格有两种方式，一个是切换键盘的“地球”按钮，需要切换到4次才能到九宫格；另一种是长按键盘“地球”按钮选择九宫格键盘。两种切换方式都有点繁琐，想直接在英文键盘上以拼音的方式输入商品名称“xihongshi” 。
场景3：晚上下班后没有在公司附近解决晚餐，在公交车上点好外卖等到家就能够吃上；由于是下班高峰期车上的人流量很大，偶尔会出现急刹车的突发情况，需要一手抓住扶手，另一只手在手机上点外卖；现在的手机都是大屏幕，一只手很难轻松的触碰到整个键盘，会输入商品名称缩写“xhs”。
由以上场景得出的结论，在不同的场景下用户会以不同的query来搜索同个商品。当以商品名称的标准来搜索会找不到对应的商品，用户可能会换个词继续搜索，但也可能会去其他的平台进行搜索或并购买商品。
为了避免以上情况，系统需要通过query去辨识场景的类型提供不同的策略，为用户找到更多的商品。
阿里提供的query分析策略是：停用词、拼写纠错、同义词等词库；当找到相关商品时，结合类目预测和点击行为数据进行优先级排序。类目预测是指不同的名称对应的商品类目会有所不同，而行为数据有浏览、收藏、下单等。
举例：
用户输入的query是“苹果”，在找到的对应的商品时，其中一部分所属的类目是“水果”，另一部分所属的类目是“电子产品”，根据行为数据，在搜索“苹果”的人里面，点击“电子产品”类目下的商品要大于“水果”类目的人。
- 当在用户对商品没有产生行为的时，可优先根据之前采集的数据优先显示“电子产品”下的商品，其次是”水果”；
- 当用户在搜索结果页面或其他页面浏览了“水果”类目的商品，再次搜索时会优先显示“水果”。
商品的排序是与query的数据相结合，其次才会针对个人的行为数据优先显示商品。
2. query分析方式
围绕停用词、拼写纠错、同义词展开分析。
1）停用词
停用词是指在信息检索中，过滤关键词中无意义的词去提高搜索效率否则会影响到搜索结果。常见词有“的、了、么、呢、吧、啊”等语气词以及标点符号等。
在人们日常交流中通常偏口语化，会潜意识的在书面表达中展示出来；以至于在输入query时容易口语化带入语气词，当大部分商品含有同个语气词时，是无法保证提供真正相关的搜索结果，同时降低搜索的效率，对停用词进行干预是为用户召回较为精准的搜索结果。
举例：
“海南的香蕉”是口语化的方式，但query是“海南的香蕉” 会发现搜索结果了了无几，将query换成“海南香蕉”却会找到相关商品，就需要对搜索词进行干预屏蔽“的”，最终query“海南的香蕉” 呈现的结果与“海南香蕉”一致。
2）拼写纠错
拼写纠错是指用户输入query存在错别字为其提供自定义纠错行为。错误的输入会导致查询结果不符合或无结果，因此需要对用户的输入进行检查并给出纠错建议，对于确定的拼写错误直接改写成正确。
中国汉字有大量同音不同字的词语，在拼音输入法中容易存在错别字。用户在输入的过程中对某个错别字有着高频率的使用，日后的拼音输入中也会高频率的出现；因为输入法越来越智能，是会记录你的行为并且输入拼音后的第一个字就是你上次选择的字。
举例：
“福健特产”、“口服夜”、“头胞”。
3）同义词
同义词是指同个商品存在不同的表达方式，分为标准词（原名称）和其他名称；不论是输入标准名称或其他名称都能够找到该商品。同义词主要功能是对query进行同义扩展，与商品其他名称进行关联找到更多相关商品。
在电商搜索环境中，同义词分为好几类：国际品牌同义词、新词旧词替换、地区称呼不同等。
国际品牌同义词：
为了提高国外品牌在国内知名度及方便国内用户能快速记住品牌名，在进入中国市场会建立中文名称。让同个商品多了一个名称，所以用户通常会对中文名称印象深刻；比如国外品牌“adidas”、中文名称“阿迪达斯”、简称“阿迪”。
新旧词替换：
不同时期对同个事物的称呼不一样，这些不同的称呼又同时存在一个时代里面。以“自行车”为例，70年代称“二八大杠、洋车、脚踏车” 、80年代称“自行车”、90年代称“单车”。
地区称呼不同：
我们常说南北方文化差异，是指在同个事物有不同的称呼。事实上不仅是南北方，每个省份、每个城市对事物有特定的称呼，以馄饨为例，四川称“抄手”、广东称“云吞”、北方称“馄饨”。
不管什么类型的同义词，如果没有与其他称呼相关联，则只能召回少量的相关商品。
四、总结
在搜索过程中要考虑用户不同的场景用不同的query搜索同个商品，因为不同的query搜索结果不同，并不一定满足用户的搜索需求。
query分析是将搜索词演变成多个搜索场景进行多次搜索，所以需要通过query去辨识搜索场景的类型理解用户搜索意图为其提供不同的策略，从而扩大搜索范围为用户找到更多的商品。
