搜索產(chǎn)品和推薦產(chǎn)品一樣，是策略主導(dǎo)的產(chǎn)品類型，與功能型產(chǎn)品相比，前者更加注重背后邏輯策略的設(shè)計(jì)，但在用戶的需求和行為的把握方面，搜索產(chǎn)品，或者說任何產(chǎn)品，面臨的要求挑戰(zhàn)都是相同的。了解你的目標(biāo)用戶，通過功能或者策滿足用戶需求，追求更好的用戶體驗(yàn)，是產(chǎn)品設(shè)計(jì)的重要目標(biāo)之一。
跟其他pm一樣，需求挖掘是策略產(chǎn)品經(jīng)理的基本功，定性定量的用戶行為分析是需求挖掘的重要方法，也是數(shù)據(jù)分析的重要方法之一，這里分析的用戶行為指的是用戶使用搜索產(chǎn)品的最終訴求在于找到自己想要的商品或者信息。為滿足此需求，用戶會在搜索產(chǎn)品留下一系列的行為軌跡信息。我們都應(yīng)該聽過“方案》數(shù)據(jù)》算法”的說法，很多例子都證明，方案層的優(yōu)化往往比一味的提高算法準(zhǔn)確率對更加有效，我們要做的用戶分析、需求挖掘是一切方案的基礎(chǔ)。
搜索產(chǎn)品在進(jìn)行用戶行為分析中常用的兩種分析方法：“query分析”，“session分析”。
一.query分析
概念：query即查詢的意思，query分析指的是通過對用戶查詢詞的拆解與分析，了解用戶意圖與需求。
query分析通常會從case的定性分析入手，然后結(jié)合數(shù)據(jù)進(jìn)行定量分析，最終實(shí)現(xiàn)了解用戶目的。case抽樣中，采用隨機(jī)抽樣即可，筆者在進(jìn)行一次完整分析時通常抽取數(shù)量500+或1000+。
第一步：數(shù)據(jù)分析過程中，在完成數(shù)據(jù)采集及清洗過后，將數(shù)據(jù)分類整理是重要的第一步。
1.query類型劃分：
query按照不同維度可以有多種分類方法，以電商產(chǎn)品為例。
按照query組成結(jié)構(gòu)分類：
在分析組成結(jié)構(gòu)的時候要注意分詞粒度，對于電商產(chǎn)品，可以以索引基本單元劃分，即term級。
例如“zara兒童包包”，可以分為zara／兒童／包包：三個term的類型分別為品牌，性別，類目，這個query的類型就是品牌+性別+類目。
按照query的精準(zhǔn)程度分類：
“zara兒童包包”與“包”對比，前者的精準(zhǔn)程度明顯大于后者，根據(jù)query精準(zhǔn)程度的不同，可以劃分為“泛搜索詞”與“精準(zhǔn)搜索詞”，劃分粒度根據(jù)需求決定。
按照query是否含有不明意圖修飾詞劃分：
例如“最好看的包包”，“最好看的”就是非明確意圖的修飾詞，一般這種類型的query在電商行業(yè)比重較小。
按query是否錯誤劃分：
同音字、錯別字、輸入法錯誤導(dǎo)致的query錯誤，也是一種類型。
2.query類型劃分的意義：
?2.1通過抽樣調(diào)查的結(jié)果，統(tǒng)計(jì)各個類型query所占比例，了解你的搜索產(chǎn)品用戶需求的分布，是策略設(shè)計(jì)的前提，同時也要注意，產(chǎn)品設(shè)計(jì)中考慮投入產(chǎn)出比，并不是所有的問題都需要解決，所有的點(diǎn)都需要優(yōu)化，哪些問題影響面廣，優(yōu)化覆蓋率高，各個類型的query比例是優(yōu)先級的依據(jù)。明確高頻詞（頭部）、低頻詞（長尾）組成，按照基本的二八原則，可以指導(dǎo)很多策略的確定。這里需要注意以上幾個分類并不是獨(dú)立的，不同分類維度不同，結(jié)果存在耦合。
?2.2query組成結(jié)構(gòu)代表用戶的關(guān)注點(diǎn)，通常電商產(chǎn)品用戶一般關(guān)注品牌、類目、性別、有明確意圖的修飾詞，類似：顏色、款式等，不同垂直領(lǐng)域會有分布差別，了解用戶關(guān)注點(diǎn)，才能有的放矢的匹配用戶需求。
?2.3query精準(zhǔn)程度、需求明確程度通常反應(yīng)代表用戶的購買意圖，搜索“zara兒童包包”的用戶往往比搜索“zara”的用戶購買意愿更加強(qiáng)烈。
?2.4包含無明確意圖的修飾詞往往代表用戶是專業(yè)內(nèi)新手，無法明確表達(dá)自己的需求，當(dāng)此類query過多的時候，需要考慮更多的資訊類內(nèi)容進(jìn)行新手的教育。
?2.5query錯誤的時候，需要糾錯、改寫策略。
第二步，query分類后續(xù)分析。
通過query分析，我們通常能得到搜索產(chǎn)品的需求分布與比例，但query類型劃分并不是query分析的終點(diǎn)，而是分類查找問題的開始。
概念：
召回：搜索查詢返回物品的過程。
召回率：返回物品的數(shù)量／數(shù)據(jù)庫內(nèi)應(yīng)該被召回的物品的總量。
準(zhǔn)確率：召回物品中準(zhǔn)確的物品數(shù)量／召回物品的總量。
F1-sorce：是統(tǒng)計(jì)學(xué)中用來衡量二分類模型精確度的一種指標(biāo)，它同時兼顧了分類模型的準(zhǔn)確率和召回率。F1-sorce是模型準(zhǔn)確率和召回率的一種加權(quán)平均，F(xiàn)1-sorce=2*p*r／（p+r），最大值是1，最小值是0
召回率、準(zhǔn)確率以及F1-sorce是評估策略的重要指標(biāo)。
示例一個簡單的query抽樣分析：
抽樣分類后仍然需要結(jié)合定量的數(shù)據(jù)統(tǒng)計(jì)，查看抽樣case暴露出來的問題總量。
可以思考以下問題
1.哪類query召回數(shù)量少？
是否資源過少無法滿足用戶需求？是否需要通過招商配合豐富商品？
2.哪類query的召回率低？
低的原因：商品信息填寫不全導(dǎo)致無法命中？部分信息未建索引導(dǎo)致無法命中？其他技術(shù)問題？
3.哪類query準(zhǔn)確率低？
低的原因：商品信息填寫不準(zhǔn)確導(dǎo)致誤召回？商家seo作弊？技術(shù)bug？
4.哪類query平均瀏覽結(jié)果數(shù)量少？
少的原因：排序不合理？商品數(shù)量過多降低瀏覽欲望？
5.哪類query點(diǎn)擊／購買數(shù)量少？
少的原因：缺乏優(yōu)質(zhì)／新穎商品？未召回優(yōu)質(zhì)商品？排序不合理無法迅速查找目標(biāo)商品？價格太貴？
……
搜索結(jié)果頁的產(chǎn)品展示設(shè)計(jì)問題、信息整合問題、ui設(shè)計(jì)問題都可以此逐一分析。
具體問題解決環(huán)節(jié)要從占比大、程度重的解決。
二. session分析
query分析側(cè)重從用戶在搜索過程中留下的查詢詞入手，session分析則側(cè)重用戶從進(jìn)入搜索到推出搜索的整個過程分析用戶行為。
概念：
session：即會話，是指在制定的時間段內(nèi)在網(wǎng)站上發(fā)生的一系列互動，搜索的sesion分析指的是從點(diǎn)擊搜索輸入框／icon至離開搜索的一些列行為。
session分析：是一種專業(yè)的數(shù)據(jù)分析，把用戶單點(diǎn)行為串聯(lián)成一個整體，在此基礎(chǔ)上進(jìn)行分析，解決用戶分析中的“線”型難題。
（以上定義參考神策-張喬的文章《數(shù)據(jù)分析方法論：你真的懂session（會話）分析嗎？》）
session切割時間：session切割一向是比較模糊的難題，有很多論文論述session切割標(biāo)準(zhǔn)與方法，筆者在做搜索session分析時通常采用“離開搜索30分鐘未返回”標(biāo)準(zhǔn)切割。
搜索中用戶單點(diǎn)行為包括：
?輸入查詢詞
?點(diǎn)擊查詢
?瀏覽結(jié)果
?點(diǎn)擊結(jié)果
?返回結(jié)果瀑布流
?更換搜索詞
?收藏商品
?加入購物車
?購買／下單商品
……
一個session中通常包含多個單點(diǎn)行為，同時每個單點(diǎn)行為通常帶有其他信息。
舉例筆者分析通過session分析查找用戶搜索后無點(diǎn)擊行為的例子。
通過數(shù)據(jù)分析，發(fā)現(xiàn)搜索后無點(diǎn)擊行為占比比較高，分析前先做調(diào)查，搜索后無點(diǎn)擊原因包含常規(guī)的原因，如用戶對商品不滿意，用戶對召回結(jié)果不滿意等原因，除此之外，用戶搜索心理對點(diǎn)擊的影響卻很難憑空猜測，通過session分析的方法，查找其原因，尤其是用戶自身原因。
第一步：采集數(shù)據(jù)與人工整理。
數(shù)據(jù)采集可以采用第三方數(shù)據(jù)平臺，例如神策，在埋點(diǎn)詳細(xì)的情況下，也可直接找研發(fā)，好處是可以根據(jù)自己需要靈活提取詳細(xì)數(shù)據(jù)。
本次選取包含從輸入某查詢詞點(diǎn)擊查詢至改寫查詢詞或者離開搜索頁過程中，無點(diǎn)擊結(jié)果行為的100個搜索session。
第二步：將用戶搜索意圖根據(jù)需求程度大致分類。
電商行業(yè)區(qū)別于o2o行業(yè)，用戶在沒有購買轉(zhuǎn)化意愿的時候也會常常使用產(chǎn)品，其目的是多樣的，且每一種目的比例都很可觀。結(jié)合線下訪談與平臺特性大致劃分以下三類。
1.了解認(rèn)識：出于了解行業(yè)動向了解，“換季了，新出了什么衣服”，“聽說了兩個牌子，搜搜看什么風(fēng)格”，或者無意義瀏覽，類似線下的無目標(biāo)逛街，打發(fā)時間，標(biāo)準(zhǔn)的“瀏覽型”用戶。
2.關(guān)注偏好：用戶對某些品牌或者商品有特定愛好，會定期查詢了解相關(guān)動態(tài)。
3.準(zhǔn)確意圖：有具體的商品目標(biāo)，通常一定要找到該目標(biāo)商品，可能加入購物車或者購買，也可能最終決定放棄。這一類是典型的“購買型”用戶。
出于不同搜索目的的用戶在搜索后無點(diǎn)擊行為的原因是不同的，例如：出于了解認(rèn)識的用戶，搜索后無點(diǎn)擊行為，但是如果發(fā)生瀏覽行為仍然說明本次搜索滿足了用戶需求。而出于準(zhǔn)確意圖的用戶，搜索后無點(diǎn)擊則說明搜索或者商品本身是存在需要解決的重大問題。
第三步，以上分類粒度是無法滿足定位具體原因目的的，需要將用戶搜索行為按照一定的標(biāo)準(zhǔn)歸入大類，并繼續(xù)劃分次級類型，并分析每種類型背后的原因。
如何將搜索行為歸納到以上類型，并繼續(xù)劃分次級類型，以下行為標(biāo)準(zhǔn)可以參考：
1.查詢次數(shù)：一次完整的搜索session通常由多次查詢組成。
2.query類型：參照上面query分析里的分類，確定意圖。
3.查詢改寫的類型：?
用戶將查詢提交給搜索引擎，然后對搜索結(jié)果進(jìn)行瀏覽，如果發(fā)現(xiàn)搜索結(jié)果不能完全解決用戶的信息需求，則會根據(jù)搜索結(jié)果的啟發(fā)，改寫查詢，以便更精確地描述自己的信息需求，之后重新構(gòu)造新的查詢請求，如此形成用戶和搜索引擎交互的閉合回路。后續(xù)的查詢改寫是用戶逐步澄清搜索需求的一個過程。
抽象化改寫：將原來的查詢進(jìn)行語義抽象，比如由“zara兒童包包”經(jīng)過抽象改寫為“zara包包”，后者在語義概念層次上要更加寬泛，包含了兒童包包這個概念，之所以要做這種類型的改寫，往往是因?yàn)樵炔樵冋业降臇|西太少了，通過概念泛化增加搜索的召回率，以此方法找到更多內(nèi)容。
具體化改寫：具體化改寫與抽象化改寫相反，從寬泛的語義概念下行收窄，改寫后的查詢更加具體，這么做可以更加精準(zhǔn)的的定位查找內(nèi)容。
同義化改寫：此類型改寫則保持改寫前后的查詢含義不變，比如將“兒童”改寫為“小孩”，兩者代表的含義是相同的，用戶如此改寫往往是對原先查詢的搜索結(jié)果不滿意，所以換了一種同一說法來繼續(xù)搜索。
多類型改寫：用戶在目標(biāo)明確且查找意愿非常強(qiáng)烈而返回結(jié)果不能讓其滿意的情況下，用戶會進(jìn)行反復(fù)的查詢改寫，導(dǎo)致一次搜索session包含多次改寫，改寫類型也不相同。
其他關(guān)聯(lián)類型：即使用戶的查詢語義并無上述邏輯，通常也不代表前后查詢毫無關(guān)聯(lián)，尤其是在電商行業(yè)，依然可以根據(jù)查詢詞是否存在“品牌”“類目”“顏色”“款式”等內(nèi)在相同點(diǎn)來判斷用戶意圖的相關(guān)性和連續(xù)性。這里還有一類隱藏較深的關(guān)聯(lián)關(guān)系，例如“Sandro”與“maje”兩個品牌類型查詢詞，看似無關(guān)，了解品牌的同學(xué)可能會知道這兩個品牌都是著名的少女風(fēng)格時尚品牌，因此這次的查詢改寫仍然是有關(guān)聯(lián)的。
4.瀏覽行為與點(diǎn)擊行為：瀏覽的深度和是否發(fā)生點(diǎn)擊行為往往代表用戶是否找到滿意的商品。
5.切換排序方式：搜索的結(jié)果頁提供多種排序方式，默認(rèn)-按照熱度-按照價格-按照銷量-按照時間，用戶在切換排序方式的時候反應(yīng)影響查找商品決策的因素。
6.篩選行為：通過篩選，縮小查詢范圍。
7.加入購物車行為與購買行為：發(fā)生加入購物車或者購買行為代表用戶找到目標(biāo)商品，目標(biāo)信息與第一次查詢的偏移程度也可作為用戶行為分析的內(nèi)容。
用戶搜索意圖是由整個session綜合分析得到，任何單一的行為都不能完整的代表用戶意圖。
最終可形成初步結(jié)果：
以上述表格中session為例進(jìn)行分析。
session1:用戶第一次查詢詞“zara兒童包包”，召回結(jié)果數(shù)=瀏覽數(shù)量，點(diǎn)擊次數(shù)為0，無加入購物車以及購買行為，第二次查詢改寫為“zara包包”，為抽象化改寫，這次召回商品數(shù)量為5000，瀏覽數(shù)量1000，遠(yuǎn)多于第一次，本次發(fā)生點(diǎn)擊行為，但點(diǎn)擊商品位置排名較后。
說明用戶有明確的商品目標(biāo)，第一次“zara兒童包包”召回結(jié)果數(shù)過少，未包含用戶目標(biāo)商品，進(jìn)行抽象化改寫后，擴(kuò)大搜索范圍，找到目標(biāo)商品，發(fā)生點(diǎn)擊，猜測可能存在目標(biāo)商品無法召回問題，需分析召回問題，點(diǎn)擊位置說明排序存在問題，有優(yōu)化空間。
session2：用戶第一次查詢詞“chanel”，瀏覽深度大于平時瀏覽平均深度，切換過“按價格排序”，第二次改寫查詢詞為“gucci”，瀏覽深度大于平時瀏覽平均深度，無其他行為，兩次搜索都無點(diǎn)擊行為。
分析“chanel”與“gucci”并無風(fēng)格類似等內(nèi)在聯(lián)系，但都為大家耳熟能詳?shù)臒衢T奢侈品品牌，同時用戶瀏覽深度較大，可判斷是出于了解認(rèn)識目的，“線上逛街”，并無明顯的優(yōu)化點(diǎn)，可考慮增加更多資訊信息，以及信息組織形式，滿足瀏覽型用戶“逛”的需求，用戶切換過“按價格排序”，可能屬于價格敏感性用戶，可考慮增加優(yōu)惠信息，輔助激發(fā)購物欲望。
這里面的“行為原因”就是用戶出于不同目的引發(fā)的無點(diǎn)擊行為原因，據(jù)本次分析，包括“了解認(rèn)識_正常瀏覽”“準(zhǔn)確意圖_懶，首次查詢輸入信息不全”等多種原因。
第四步，從問題角度匯總整理。
這樣就能完成一次session分析查找無點(diǎn)擊行為總結(jié)。
最終根據(jù)整理的問題，按照優(yōu)先級依次解決。
蕭飯飯，搜索推薦產(chǎn)品經(jīng)理，WX：xiao-xiao1991，歡迎大家一同探討，共同進(jìn)步～
