你也想尝尝，于是到一家水果店。
水果种类很多，你也懒得找，就直接问老板：“老板老板！你家有没有草莓？都拿出来吧！”“有的有的！我给你拿！”老板很热情，不一会儿拿出来好几种，你定睛一看，只见标签上写着：图1 老板给拿了三种草莓+两种其他水果都不是你要找的那种草莓。
你冲老板摆摆手：“我先自己看看吧！”你逛了一圈，发现店里还有些老板没拿的品种。
而且，你居然找到了女神吃的那种白色草莓！图2 老板没拿出来的水果品种，其中刚好有你寻找的白色草莓，688元/kg你咬着牙买了两颗，心满意足地离去。
隐约听到老板娘在数落老板：“自家有啥水果都记不住，偏偏记不住的还是利润高的品种，净给顾客推荐一些不赚钱的，我们拿啥交房租嘛！”02 搜索中的“召回率”和“准确率”水果店里发生的故事，就是一次典型的搜索场景。
水果店里的所有品种可以分为四类：图3 水果店的水果分类 A和B，是老板给拿出来的水果； C和D，是老板没拿的水果。
A和C，是与草莓相关的品种； B和D，是与草莓不相关的品种。
这里，我们认识/复习下搜索设计的两个指标： 召回率=检索到的相关结果/所有相关的结果=A/（A+C） 准确率=检索到的相关结果/所有检索到的结果=A/（A+B）图4 召回率与准确率计算示意水果店老板的搜索召回率为75%，准确率为60%。
确实不太高，也难怪老板娘要发飙了。
03 招聘搜索的困境目前，招聘的搜索也面临着与水果店老板相同的困境。
搜索时，大量的信息处在C区域，即相关但未被检索到。
对于B端雇主来说，付费招人的效果不佳；对于C端求职者来说，可找到的工作机会变少；对于平台来说，撮合BC的成功率低，收入降低。
这是一个三方都不乐意看到的局面。
如何改善这种局面呢？我们需要做两件事情： 让信息尽可能从C区域到A区域（提升召回率）。
防止D区域的信息进到B区域（保持准确率）。
需要注意的是，虽然从定义和公式上看，召回率和准确率不相关。
但检索策略并不完美，提升召回率、希望更多的结果被检索到时，往往会放宽检索策略，从而出现一些并不相关的结果，从而使准确率受到影响。
所以提升召回率的同时要兼顾准确率。
为了缓解困境，我们发起了招聘搜索列表页改版的项目，核心目标是提升招聘信息的连接效率与连接占比。
指标为人均投递量、投递人数占比。
04 搜索设计模式我们梳理了召回率和准确率提升可用的设计模式，按照搜索不同阶段进行归类，形成了搜索设计模式矩阵。
图5 搜索设计模式矩阵横轴表示搜索的各个阶段，纵轴表示召回率和准确率。
矩阵部分是不同的设计模式，越往上代表对召回率的提升作用越明显，越往下代表对准确率的提升作用越明显。
我们可以根据需要，选取适合的设计模式来解决问题。
这里以招聘搜索列表页改版项目为例，对部分设计模式进行说明。
05 设计模式——跨库/跨类搜索跨库指的是同时搜索多个数据库或是数据集，跨类搜索指的是跨越类别或分类进行搜索。
这种模式非常重要，因为用户往往不知道该从哪儿开始搜索。
只要内容散布于多处/属于多个类别，这种模式都值得考虑。
58是做分类网站起家的，目前仍延续着PC时代的分类体系，类别划分过多、过细，无形中增加了查找成本。
已经无法满足B、C和平台三方的需求。
图6 58招聘对于餐饮职业类别的划分同时，58涵盖多个业务，这种多业务属性使得其在搜索各个环节都需要选择分类（包括一/二/三级类），造成搜索结果集不断减少。
图7 目前在搜索时，最多需要选择四次分类我们在《拆解 | 搜索体验的设计套路》一文中指出，分类搜索有三种方式：搜索框、搜索辅助区、搜索结果页分类选择。
其中搜索结果页的分类搜索，可以将结果分门别类呈现，减少用户在搜索过程中的决策压力，也能够在不牺牲体验的基础上，展现尽可能多的结果和类别。
图8 分类搜索的常见形式，来源于《拆解 | 搜索体验的设计套路》我们在保证平台一致性的基础上，对招聘搜索结果页的分类搜索样式做了改进。
图9 搜索结果页分类搜索样式优化①扩大搜索类别Old默认对搜索词进行类别匹配，展示关键词对应的二级类别下的结果。
如搜索“设计师”，默认展示“美术/设计/创意”类别下的结果，如果想看“美容/美发”类别下的设计师，则需切换类别。
New扩大搜索类别，直接展示全部招聘类别。
这样就扩大了搜索结果集，但会影响结果的精确性和选择效率，需要用其他方式进行弥补。
②保持类别切换入口这里与58大搜、其他业务线保持一致，避免造成体验差异。
③整合分类Old除了在②的位置进行二级类别切换，还需在③处进行三级类别切换，入口分散。
New将三级类别切换入口整合进②，降低用户的理解负担与 *** 作成本。
④⑤类别推荐①中提到，扩大类别搜索后，容易影响结果的精确性和选择效率。
这里通过在④顶部快速筛选标签和⑤feed细粒度筛选标签中，加入类别推荐，使用户直接点击触达所需类别，而无需在分类中查找。
值得一提的是，这些类别需要依赖于推荐技术。
06 设计模式——预置搜索集机器直接匹配的搜索结果可能会存在瑕疵，有时需要人工干预，以达到更好的召回率和准确率。
我们可以预先匹配一些关键词-结果集，将其置于推荐、分类入口，以提高点击率，并通过不断地收集反馈，来完善结果。
如搜索关键词“配送员”，是一个跨越多个职业类别的关键词，在“物流/仓储”“餐饮”“超市/百货/零售”“人事/行政/后勤”均有结果。
我们将这几个类别的结果打包，建立一个虚拟类目结果集，并且扩大搜索关键词，在搜索“快递员”“送餐员”“同城送”“外卖”“骑手”等词时也呈现相关结果。
预置搜索集的关键词可以放在搜索入口、搜索中间页、搜索结果页等多处，也需结合推荐技术使用。
图10 本次在搜索中间页预置了搜索集入口07 设计模式——匹配标示匹配标示是指在相关结果上匹配标示出与关键词相关的信息。
可以提高搜索结果的可解释性，提升用户对于搜索准确性的感知，也便于用户快速锁定和判断相关信息。
我们依据语义分析技术和意图识别分析技术，对列表页职位卡片进行了样式和信息优化，做到了搜索结果的个性化。
C端在输入搜索词时，对他的搜索意图进行分析识别，同时分析抓取职位信息中可匹配的关键词，拼接形成标题、标签与推荐理由，做到千人千面，提高准确性。
如用户在搜索“普工”时，分析到他的求职类别为“综合维修工”，对于吃住、补贴和双休等福利较为关注，于是对结果集中的职位信息进行分析，调取关键词“普工”“包吃住”“周末双休”进行标题拼接，同时提取“加班补贴”作为标签、“工作环境整洁干净”“团队氛围融洽”作为推荐理由。
图11 匹配标示便于用户快速锁定和判断相关信息，提高准确性08 设计模式——标签收集以上的很多设计模式，都与推荐技术分不开。
将推荐标签用于搜索召回，能够提升搜索召回的精准度。
推荐的越准确，就越可以淡化和跨越类别的限制。
这就需要我们建立完善的用户标签体系。
我们做了以下几方面的尝试： 在用户首次进入招聘页面时，引导用户进行职位类别的选择。
引导用户填写求职意向。
引导用户定制精确的职位类别。
在搜索结果列表页，通过细粒度标签引导用户进行选择。
其实，用户在App上的每一步 *** 作，都可以为丰富用户标签提供帮助，这就是智能推荐的研究领域了。
图12 用户标签体系的完善，对于搜索结果的准确性至关重要09 搜索设计模式的其他应用除此之外，本次搜索列表页改版还应用了多种设计模式，例如自动建议、收藏/订阅、结果分页、排序优化、搜索结果反馈等等，篇幅限制不再赘述。
图13 本次改版用到的收藏/订阅设计模式可以看一下最终的设计方案：图14 招聘搜索列表页改版方案10 设计复盘这次搜索列表页改版，核心目标是提升招聘信息的连接效率与连接占比。
我们对业务目标进行了拆解，把目标定为在保持准确率的前提下，提升召回率。
提升召回率主要的策略是跨库/跨类搜索，打破了类别的限制，对搜索结果页的类目展示及选择形式进行了优化。
同时，建立了虚拟类目，预置了搜索集，并在搜索中间页添加了入口，引导用户去点击优化过的搜索关键词，并通过不断的反馈提升搜索集的质量。
此外，为了保持准确率，对搜索列表卡片进行的样式优化和匹配标示，通过智能拼接标题、标签和推荐语，帮助用户用户快速锁定和判断相关信息。
在招聘多个页面中进行用户标签收集、对于搜索结果进行反馈收集与订阅引导，以保证推荐和匹配的准确性。
方案产出后，为探明各种设计模式因子的影响，我们将样式变化、标题拼接、打破类别限制作为单一变量，进行了六个方案的灰度测试。
各方案都维持了搜索准确率。
总体VPPV、人均投递量、投递人数占比保持不变。
在召回率上，每种因子都有所提升，影响力由大到小为：打破类别限制、标题拼接、样式变化。
虽然一期仅上线了一部分设计点，但最优方案数据指标提升已达100%。
11 结语搜索设计模式矩阵是我们在日常项目中总结出的一套模型，可有针对性地提高召回率和准确率，每种设计模式对应的设计策略与形式也有所差异，具体可根据场景进行丰富和扩展。
篇幅有限，能力有限，难免有遗漏，欢迎各位同仁切磋指点。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）