用户在电商APP上进行查找时，查找引擎是如何把控回来的查找成果是契合用户查找目的的

用户在电商APP上进行查找时，查找引擎是如何把控回来的查找成果是契合用户查找目的的了？

电商查找成果的相关性把控一般是经过两种办法：一种是经过类目相关性来把控，一种是经过相关性操控模型来把控。但相关性把控的标准是没有标准答案的，在满意渠道整体业务特性和用户体会的前提下，能够根据用户个性化的偏好进行进一步的相关性阈值操控。用户个性化偏好的了解既能够经过系统的EE（探究与使用）机制，又能够经过调研问卷的方式来让用户自动反应。

下面详细介绍一下电商查找中的类目猜测和相关性操控模块：

二、类目猜测

1. 引进

不管是电商范畴的查找仍是内容社区范畴的查找，全都需要做类目猜测，电商和内容社区都有自己专门的类目分类系统。类目猜测有助于更好地核算检索词与物料之间的相关 性，并应用到后续查找类目导航功用中。

比方用户在生鲜电商渠道叮咚买菜查找“早点” 和“早餐”时，成果如下图所示，查找引擎将“早点”“早餐”和牛奶、包子、烧卖、汤圆等类目相关起来，其实便是类目猜测模块将原始检索词与这些类目相关起来。类目猜测的另一个作用是在后续相关性排序环节中，将相关度更高的类目物料排在前列。

如下图所示， 能与“光亮”匹配的类目有很多，比方牛奶、啤酒、大米和面包等，咱们需要经过类目猜测推测“光亮”和哪一个类目的相关度最高，以便在排序的时候进行参考。模型猜测出“光亮”和牛奶类目的相关度最高，所以在后续排序中就需要将牛奶排在前列。

2. 类目猜测办法

常见的类目猜测有三种办法。

1）根据人工规则

经过日志信息将抢手的检索词提取出来，然后经过人工将这些检索词和相关类目匹配起来，保证用户下一次查找时与检索词匹配的类目是正确的。

• 优点：能够实现快速上线。
• 缺陷：可拓展性较差，人工运营成本很高。 在查找引擎搭建的初期能够使用此种办法。

2）根据用户行为的数据统计

第二种办法是经过用户的行为数据来分析得出每一个检索词对应的类目。

首先统计每一个检索词被查找后，用户点击并浏览的物料对应的类目分布。用户会自动寻找查找成果里面的正确答案，用户点击浏览的物料对应的类目便是该检索词应该匹配的类目。咱们需要设计一个目标阈值，目标是单位时间内检索词对应单个类目的点击量，点击量大于阈值才代表该数据是可信的。

如下表所示，假设将点击次数阈值设置为50次，则罐头类目和检索词“早点”之间的相关度为0，其他类目与检索词的相关度能够用类目点击次数除以总点击次数来核算。