搜索联想词做的好坏，常见的数据指标有哪些

专业成就职业

大家好，我是策略产品经理夏唬人。

之前写过一篇关于SUG的文章，优化再发一遍。

 

在搜索产品中，有一个场景特别容易被忽视，但它是保障用户的搜索体验、以及引导用户转化非常重要的一个环节，就是搜索联想词。

京东搜索联想词

搜索联想词，我们一般称之为SUG（以下同），SUGGESTION的缩写，从字面的意思就能看出这个场景的定位就是“为用户的搜索提供引导和建议”。所以对于SUG来说，它核心的目标在于给到用户搜索建议，以便快速找到目标商品，提升搜索使用效率。

举一个典型的例子：比如一个感冒的用户想要找“999感冒灵颗粒”，用户至少需要敲打15次键盘才能输入完整、准确的词。但是如果搜索有SUG，且联想的足够准确的话，那么最多敲打3次键盘，也就是输入“999”即可找到目标关键词，效率提升了至少4~5倍。如下图：

因此，在搜索产品中，一个好的SUG很关键。前几天读者群有个朋友问“如何衡量一个SUG效果”，今天专门写一篇文章来讲讲。

01 关于SUG

在讲具体如何衡量一个SUG效果之前，大家要先了解SUG是怎么做的，然后才好去看怎么衡量它做的效果。

SUG和搜索的流程非常类似。搜索的大概流程：

用户输入关键词

关键词分析，明确搜索意图

根据意图召回满足条件的搜索结果

对这些结果进行排序

展示给用户

SUG的流程类似：

用户输入关键词

根据用户当前输入关键词召回符合条件的其他关键词

对这些联想词进行排序

展示给用户

所以从这个角度来讲的话，很多用于衡量搜索效果的指标，其实可以变通的复用到SUG。

基本上对策略产品效果衡量的话，大致包括算法维度和业务维度的评估。

02 算法维度

从算法维度来看，核心指标基本上就是召回和准确。具体来讲，SUG在算法维度这块的指标包括联想词数量，联想词准确率，联想词多样性。

联想词数量

联想词数量是指当用户输入关键词之后，能够联想出来其他关键词的数量，这个一般用于对SUG联想词召回模型的离线评估，衡量联想词召回能力。

一般来说，模型能够生成的联想词越多越好，相当于提供了更多的候选集。但是也不绝对。

从产品、用户端来说，在设计SUG展示策略的时候，基本会限制露出联想词的个数（10~15）个，因此产品端对于这个指标通常可以不用关注，基本都可以满足需求。

联想词准确率

很明显，联想词除了要保证足够的召回数量，更重要的是准确。只有准确才能命中用户真正想要搜索的关键词，他们才会去使用。

联想词准确率是指基于用户搜索的关键词，衡量联想出其他关键词是否准确的一个指标。

这里的准确需要定义一个标准，通常跟平台业务挂钩。比如电商平台，用户输入“牛”，联想出“牛奶”是准确的，但是在诸如短视频、文章社区等内容平台，则可能联想出“牛年大吉”是准确的。

联想词多样性

联想词多样性是指用户输入关键词之后，能够联想出来其他关键词的类型。比如输入牛奶，可能联想出来蒙牛牛奶，牛奶永辉、低脂牛奶，牛奶100ml，袋装牛奶，牛奶黄桃味，这些其实都是联想词的类型，或者是联想词组成策略。

蒙牛牛奶：品牌+关键词

低脂牛奶：属性（口味、规格等等）+关键词

牛奶永辉：门店+关键词

所以丰富的联想词类型能够命中用户多个需求，也是提升用户输入效率的关键。

以上三个指标的好坏通常与联想词生成和排序相关的模型有关，因此我把他归为算法指标，一般需要在上线之前进行离线的评估。

03 业务维度

从业务，或者是产品维度来讲，衡量一个SUG做的好坏通常可以从以下几个维度来衡量：使用、效率和转化。

使用

SUG使用率：SUG点击次数/搜索次数

SUG点击率：SUG点击次数/SUG曝光次数

SUG无结果率：SUG引导无结果次数/SUG曝光次数

效率

SUG平均点击位置：SUG位置*各位置点击次数 /SUG点击次数

SUGTopN使用率：SUG TopN点击量/SUG曝光次数

转化

SUG引导CTR：由SUG引导进入搜索结果页点击次数/SUG点击次数

SUG引导UCVR：由SUG引导进入搜索结果页的下单人数/SUG点击人数

SUG引导ARPU值：由SUG引导进入搜索结果页的GMV/SUG点击人数

以上指标一般通过埋点来采集相关数据，并且进行对应指标的计算。

上面大概就是衡量一个SUG做的好坏的常用指标了。

原文始发于微信公众号（夏唬人）