本文來自：
http://blog.xiqiao.info/2009/06/02/343和
http://blog.xiqiao.info/2009/06/03/357和
http://blog.xiqiao.info/2009/06/19/388和
http://blog.xiqiao.info/2009/06/22/392我為
銀杏泰克站內(nèi)搜索服務(wù)商做產(chǎn)品顧問期間，經(jīng)手了十幾個站點的站內(nèi)搜索應(yīng)用的方案設(shè)計，略作一些分析和總結(jié)。
一、站內(nèi)搜索應(yīng)用
站內(nèi)搜索的應(yīng)用受到越來越多的重視，以前出于技術(shù)成本和內(nèi)容規(guī)模的原因，大家使用公共應(yīng)用來湊合這個事，或者干脆沒有。但是現(xiàn)在有錢了，信息量和信息類型的差異化和幾年前也完全不是一個級別了，有越來越多網(wǎng)站對站內(nèi)搜索有了極大的依賴。
對于分類信息、電子商務(wù)、點評類、視頻和資源站，站內(nèi)搜索應(yīng)用簡直就是生死線。
對于專業(yè)領(lǐng)域門戶、綜合社區(qū)網(wǎng)站、以及新型交互應(yīng)用網(wǎng)站，站內(nèi)搜索也在扮演著重要角色，拉升活躍度和流量，提升網(wǎng)站整體的信息質(zhì)量。
站內(nèi)搜索應(yīng)用分為2個部分。搜索入口和搜索結(jié)果頁面。
1. 全局搜索入口的設(shè)計原則
使用顯眼的設(shè)計，全站統(tǒng)一樣式和位置。位置通常是位于第一屏的居中或居右。
搜索框中應(yīng)有提示文字。（比如：請輸入關(guān)鍵字…或者 關(guān)鍵字、分類、url…），以在視覺上標(biāo)識該input框的功能或提示可行的操作。
焦點功能。頁面初始化時和input輸入框失去焦點時 顯示提示文字, 鼠標(biāo)聚焦搜索框時 消除提示文字。（不要使用text框的默認值，我們曾在客戶的統(tǒng)計數(shù)據(jù)里發(fā)現(xiàn)每天有上千條關(guān)鍵詞為“請輸入關(guān)鍵字”的搜索請求，浪費資源。更不要使用背景圖片-_-!!!）
輸入詞智能（模糊）匹配提示（search suggest），這個最近也逐漸成為標(biāo)配。最初此功能用于在拉丁語系網(wǎng)站中協(xié)助拼寫，現(xiàn)在發(fā)展為通過和本站內(nèi)的搜索請求的趨勢關(guān)聯(lián)，智能提示的搜索詞可以在一定意義上引導(dǎo)用戶進行集中而熱門的搜索，獲得更有效的結(jié)果，以及拓展的關(guān)聯(lián)搜索。
2. 分類搜索和搜索結(jié)果分類
許多網(wǎng)站會在全局搜索入口中放置分類搜索下
拉菜單(select)。
好處：對于通用搜索和擁有復(fù)雜信息類型的網(wǎng)站而言，可以幫助熟練用戶精確搜索目標(biāo)，減少點擊次數(shù)。
壞處1：根據(jù)我們掌握的多個各個類型的站內(nèi)搜索log結(jié)果分析，這個分類下拉的使用率非常低，不足2%。
壞處2：互聯(lián)網(wǎng)用戶的搜索習(xí)慣是被通用搜索引擎培養(yǎng)的——直接輸入關(guān)鍵字。用戶總是先直接輸入關(guān)鍵字，除非發(fā)現(xiàn)找不到結(jié)果，才會返回來尋找并使用分類搜索下拉，這樣設(shè)計反而變成是反用戶的了。
許多設(shè)計師混用了 “分類搜索”和“搜索結(jié)果分類”這2個概念。
分類搜索：針對不同信息數(shù)據(jù)類別，搜索需求間有互斥性，分類搜索的搜索結(jié)果間不存在交集。
搜索結(jié)果分類：針對不同內(nèi)容類型，將某一搜索需求 按不同維度的屬性進行的二級分類或篩選，搜索需求是一致或可容的，結(jié)果之間可能存在交集。
我們拿豆瓣的分類下拉菜單舉例：
書籍/電影/音樂都是屬于內(nèi)容類型，（且輸入框的提示把它們同質(zhì)化了）。它們之間是搜索結(jié)果分類的區(qū)別。
內(nèi)容和小組、成員、活動是同級別的類型。它們之間是分類搜索的區(qū)別。
用戶搜索“暮光之城”，用戶不會排斥在結(jié)果中同時得到“暮光之城”的電影類、書籍類、原聲音樂類信息，都是對內(nèi)容的搜索需求。但是可能會排斥小組/活動/成員類型搜索結(jié)果。想搜索小組和想搜索活動是完全不同的需求，一個想搜僅僅想搜索書籍信息的用戶并不想看到小組中的討論。
_________________________________________________
再來看淘寶的全局搜索入口：
寶貝、店鋪、打聽是不同的搜索需求，它們是分類搜索的區(qū)別。
商城、拍賣、全球購 和寶貝都屬于同一內(nèi)容類型，搜索需求一致，信息結(jié)構(gòu)是父子級的關(guān)系。它們也屬于搜索結(jié)果分類。
這3個分類是否有單獨作為分類搜索存在的必要，你使用過這3種分類嗎？
下列設(shè)計搜索入口的一些方法和原則：
避免過度設(shè)計。對于搜索目的或內(nèi)容類型單一的網(wǎng)站，放置分類搜索下拉是不必要的。比如專業(yè)視頻網(wǎng)站，餐飲點評網(wǎng)站等等
這是一個專業(yè)視頻網(wǎng)站，從圖1和圖2中可以看到，雖然分類搜索里選擇的視頻和專輯這2個分類，但是當(dāng)選擇視頻分類去搜索時，還是會在第一行輸出了專輯類的搜索結(jié)果。
把搜索結(jié)果分類放到它該去的位置——搜索結(jié)果頁面通過統(tǒng)一的搜索入口進入搜索結(jié)果頁面后，用戶可根據(jù)此列表了解 搜索結(jié)果的分布，篩選所需分類。
這種設(shè)計可以清晰地展現(xiàn)信息結(jié)構(gòu)，信息規(guī)模，幫助用戶明確搜索目的，精確篩選。
1 簡單化處理：在全局頁面放置通用搜索入口，不帶分類下拉。同時在頻道頁設(shè)置單類的搜索入口。 2 復(fù)雜化處理：在首頁放置高級搜索工具箱
（不可代替通用搜索框?。?div style="height:15px;">
盡量避免存在多個分類搜索之間互斥的設(shè)計
你是否遭遇過直接在淘寶的input框中輸入店鋪名稱而得不到任何有效結(jié)果？
使用Tab manu （選項卡）代替 下拉菜單。
你更習(xí)慣的是下面哪一種的方式？
有些分類選擇可以用高級搜索選項來代替
在這里 使用高級搜索中的篩選來表現(xiàn)可能會更好。
在需要使用多重維度的搜索條件來定位時的處理
比較兩者的設(shè)計，高下立現(xiàn)。
3．全局搜索結(jié)果和分類搜索結(jié)果
當(dāng)一個網(wǎng)站同時擁有全局搜索入口和單類搜索入口。會產(chǎn)生一個問題：單類搜索可得出單一精確的搜索結(jié)果，而全局搜索得出的結(jié)果頁面是多種單類搜索混合而成的。如何處理好這種混合，并有效引導(dǎo)用戶得到自己想要的信息？
1 最簡單的方法: 混排+分類標(biāo)簽。
2 華麗的方法：分區(qū)塊顯示。(對服務(wù)器壓力較大，分區(qū)塊搜索會形成多次請求)
分區(qū)塊顯示要根據(jù)網(wǎng)站自身的產(chǎn)品特性和內(nèi)容重心來安排，
不能不分詳略，事無巨細把所有類型都均等地列出來。多信息等于無信息。
二、搜索結(jié)果頁面布局
1. 常用功能模塊
點擊小圖顯示大圖上圖只是是為了演示所有通用功能模塊的設(shè)計demo。并不建議像這樣設(shè)計產(chǎn)品，用戶根本不會用到那么多功能，過度設(shè)計會導(dǎo)致開發(fā)成本和用戶的學(xué)習(xí)成本大大增加，也使頁面零亂。
應(yīng)該根據(jù)各自網(wǎng)站的資源、優(yōu)勢、類型、目的來選用恰當(dāng)?shù)哪K進行設(shè)計。關(guān)于這一點請見后文
2. 布局問題
先來看2個案例
上圖為4欄的機票搜索結(jié)果頁面，中間2欄為往返雙程的搜索結(jié)果。信息密度太高，頁面擁擠，用戶在尋找自己所需的結(jié)果時，視線會不斷被干擾。在左欄縱向放置的篩選功能區(qū)塊，位置和高度導(dǎo)致用戶的正常使用流向被打亂，最右邊的推薦和廣告區(qū)也很難吸引用戶閱讀和點擊，
上圖是2欄的機票搜索頁面。頁面布局寬松，信息密度分布正常。日期的Tab Manu、篩選功能區(qū)和搜索結(jié)果區(qū)的分布和排序符合用戶使用流程。 右側(cè)的推薦信息區(qū)也容易吸引用戶視線。
搜索結(jié)果頁面的布局原則是簡潔、突出重點、目的明確。不能分散用戶獲取搜索結(jié)果的注意力。
下面是一些設(shè)計建議
使用兩欄布局。內(nèi)容型搜索建議比例為三七開，不要讓搜索結(jié)果內(nèi)容區(qū)過寬，影響閱讀體驗。
剔除無關(guān)元素，對于網(wǎng)站統(tǒng)一布局中的公告、推薦、廣告、排行之類的元素，應(yīng)該割舍。布局越清晰明了，干擾元素越少，用戶越容易順利達到使用目的。
主搜索框 位置全局（或主內(nèi)容區(qū)）上方居中。在搜索結(jié)果頁面，搜索框不必和全局設(shè)計統(tǒng)一，縮于一角。
處理好多個搜索框之間的層次關(guān)系（在同時存在 主搜索框和單類搜索框/高級搜索工具箱的時候）。
信息密度不要過高。不要試圖在搜索結(jié)果中列出所有信息元素。
篩選、排序等功能區(qū)要注意產(chǎn)品邏輯和分布層次。很多設(shè)計師在處理信息的多個維度缺乏邏輯和結(jié)構(gòu)意思，弄得頁面看起來有4~5層橫導(dǎo)航。
這一堆選項卡，你眼花嗎？
根據(jù)內(nèi)容屬性的不同，對搜索結(jié)果使用合適的顯示模式。（圖片、縮略圖+內(nèi)容、內(nèi)容列表、表格、內(nèi)容+表格 等）
正常搜索結(jié)果和 推廣類搜索結(jié)果（競價或廣告）的設(shè)計應(yīng)該有清晰的區(qū)分，讓用戶能很容易區(qū)分這兩者。
搜索結(jié)果中的 匹配關(guān)鍵字 應(yīng)高亮顯示。
三、不同類型網(wǎng)站的站內(nèi)搜索應(yīng)用特點
站內(nèi)搜索普遍意義上可以分為兩類：內(nèi)容搜索和比較搜索。特殊搜索（如地圖搜索，）不在討論之列。
典型的內(nèi)容搜索：新聞(資訊)、視頻、圖片、音樂、人、論壇(小組)、帖子。對于內(nèi)容搜索，基于分詞的全文搜索是主要應(yīng)用，通過分詞、概率等對數(shù)據(jù)進行篩選排序，得出匹配度高的搜索結(jié)果。
典型的比較搜索：購物、餐飲、旅游、租房。 分類、篩選、排序等功能更為重要。搜索結(jié)果和用戶行為關(guān)聯(lián)更大。有大量基于數(shù)據(jù)庫的搜索。
1. 內(nèi)容（帖子、話題、博客）搜索 。
主要應(yīng)用: 相關(guān)度排序。
引導(dǎo)流量：相關(guān)內(nèi)容推薦
布局特點：不需要過多的功能模塊，比如高級搜索、二級分類、篩選和排序。而應(yīng)該重點優(yōu)化設(shè)計 搜索結(jié)果、關(guān)聯(lián)搜索、結(jié)果類型分布。
2. 新聞類搜索 最重要的是時效性
主要應(yīng)用: 更新時間+相關(guān)度排序。 為什么把新聞類搜索從內(nèi)容搜索中單提出來說，因為新聞搜索的結(jié)果排序，更新時間要的優(yōu)先級要高于相關(guān)度。如果不注意這一點，會出很嚴重的后果。
引導(dǎo)流量：熱門關(guān)鍵字，“你可能還對這些關(guān)鍵詞感興趣”
布局特點：同內(nèi)容類搜索。
新聞類搜索還有一個高級應(yīng)用，就是新聞關(guān)鍵字的趨勢比較。一般網(wǎng)站可能沒有這個開發(fā)實力和預(yù)算，只有成熟的SaaS才有可能提供類似的高級應(yīng)用。
3. 多媒體搜索 圖片/相冊/視頻/音樂
主要應(yīng)用: 分詞+過濾，因為許多圖片的alt是直接使用文字標(biāo)題，所以正確的分離出關(guān)鍵詞很重要。
圖片常用的過濾包括：文件類型、圖片尺寸、風(fēng)格、圖片色調(diào)。
視頻由于沒有統(tǒng)一的描述協(xié)議，暫時也沒有成熟的OCR技術(shù)，所有視頻搜索主要基于tag,數(shù)據(jù)庫分類和人工填寫的描述。視頻常用的過濾包括：分類、時長。
音樂常用的過濾包括：文件類型、專輯、歌手、風(fēng)格、語種、源狀況
布局特點：圖片和視頻類搜索由于結(jié)果的展現(xiàn)主要是縮略圖，搜索結(jié)果區(qū)域的面積要盡可能大，建議使用全屏單欄設(shè)計。圖片搜索需求的目的性很明確，除過濾外，沒必要放置其它功能屬性和關(guān)聯(lián)搜索。
多媒體基本都存在專輯或系列，專輯和系列是基于人工分類的更準(zhǔn)確的檢索方法，包含更大的信息量。應(yīng)當(dāng)通過精確匹配后，優(yōu)先列在搜索結(jié)果中。
4. 用戶搜索：
主要應(yīng)用:高級搜索、重音或拼寫糾錯提示。
引導(dǎo)流量：“搜索該詞的用戶還關(guān)注什么”，“你可能還對這些關(guān)鍵詞感興趣”
對人的搜索應(yīng)使用精確匹配，根據(jù)數(shù)據(jù)類型支持高級搜索選項的過濾，還有一些特殊的比如在線狀況、活躍程度、信用等級等。
對于人名應(yīng)提供重音和拼寫糾錯提示。
5. 消費搜索：
消費類搜索在過類別屬性的側(cè)重點上有很大差異，購物搜索：價格、信用、熱度。租房搜索：匹配度、地域、價格、其它屬性。餐飲搜索：地域、菜系、熱度、價格。旅游搜索：時效性、價格、折扣
主要應(yīng)用: 多維度屬性過濾，支持多種排序，多種搜索結(jié)果顯示形式、搜索結(jié)果對比。
引導(dǎo)流量：搜索結(jié)果（競價推廣），“搜索該詞的用戶還關(guān)注什么”，“你可能還對這些關(guān)鍵詞感興趣”，熱門關(guān)鍵字、歷史記錄。
布局特點：應(yīng)該重點優(yōu)化設(shè)計二級分類、篩選、排序等模塊。
一個消費搜索的產(chǎn)品設(shè)計是否成功？我覺得有一個衡量方法：看用戶是否可以通過不打任何字，光用鼠標(biāo)也能順利完成檢索需求。
四、高級搜索功能的設(shè)計
分類、過濾、排序這3個是應(yīng)用最普遍的高級搜索功能。
分類：幫助用戶逐層定位所需搜索范疇，一般通過羅列所有分類項的方式展現(xiàn)，可一級級展現(xiàn)多層列表。
過濾：通過在搜索結(jié)果中排除某一維度中的某個或多個屬性 來幫助用戶剔除不需要的搜索結(jié)果。一般通過單選、多選、下拉菜單、選項卡、標(biāo)尺等形式展現(xiàn)。
排序：幫助用戶按某一屬性對搜索結(jié)果進行重新排序。
1. 排序的設(shè)計
排序看起來簡單，但是有問題的設(shè)計確很多。
不分正序倒序
人均花費排序,不分正序倒序，那默認是從高到底，還是從低到高呢？右圖是較好的設(shè)計
使用排序按鈕，但是表意不清，增加用戶學(xué)習(xí)成本。
猜猜左圖4個操作排序的按鈕分別是什么意思？銷量、價格、折扣、上架時間。（除了第二個，其它我打死也想不出來）
右圖是較好的設(shè)計
未明示哪些選項可允許排序操作。
這里面有些允許排序操作，有些不允許。用戶在點擊的時候都得小祈禱一下…
排序和過濾功能混淆在一起
圖中有一堆看起來功能相似的下拉菜單，但里面有的是排序操作，有的過濾操作。排序操作不會減少搜索結(jié)果，但過濾操作會。用戶點擊完其中某個下拉菜單，可能頁面中搜索結(jié)果就為空了，用戶能搞清是自己干了什么導(dǎo)致的嗎？
默認排序是什么？
上圖 排序下拉菜單的設(shè)計非常好，同時有下拉菜單和按鈕，同時有文字說明和圖示箭頭，一目了然。
但是誰能告訴我，默認排序是基于什么的排序？
常規(guī)意義上默認排序是基于相關(guān)度的排序，是認為用戶無法理解相關(guān)度這3個字嗎？
2. 過濾的設(shè)計
分類和過濾是兩個容易混淆的概念，最常見的錯誤是把分類 設(shè)計成了過濾，讓產(chǎn)品反而很難用。
如右圖：這只是多組看起來像過濾器的分類列表而已，用下拉菜單的設(shè)計形式來代替索引鏈接，用戶品牌維度下：用戶只能選擇某一個品牌，匹數(shù)維度下：用戶只能選擇一個固定區(qū)段。
一個真正的過濾器應(yīng)該能允許用戶在終于的信息維度上，自由取得或排除部分搜索結(jié)果。
下面是兩種功能的正確設(shè)計：
另一個常見錯誤是使用錯誤的表現(xiàn)形式來破壞用戶的篩選自由度。
如上圖：如果我理想的出發(fā)時間是在8：00~10：00之間，使用這個過濾器，我就得搜索兩次。
而下圖這兩種都是不錯的設(shè)計模式。
當(dāng)我搜一個酒店，只想去7天、如家、漢庭這幾家，要求有免費寬帶和餐廳。
如果是品牌和設(shè)施這兩個維度的篩選形式做成了下拉菜單、選項卡或單選框，就只能歇菜了。
最好的設(shè)計是將搜索選項做成多選框，用戶可以任意組合。
如果搜索頁面空間比較緊張，沒有太多位置放置篩選過濾器，下面的設(shè)計也是一個辦法。將排序和篩選結(jié)合起來。
3 高級搜索：
高級搜索是一個比較傳統(tǒng)的應(yīng)用，它的特點是給出了多個input框，指望用戶通過在固定位置輸入每個維度的關(guān)鍵字，來獲取精準(zhǔn)的搜索結(jié)果。
問題是如果用戶輸錯了一個地方，可能就得不到任何有效結(jié)果。
下圖的設(shè)計讓用戶很容易輸錯。
下面這個改進過的高級搜索要好用得多，除了減少用戶動腦子想關(guān)鍵字的時間，動鍵盤打字的次數(shù)，關(guān)鍵是能是輸入條件規(guī)范，不會出現(xiàn)用戶的理解錯誤或輸入格式錯誤。
五、站內(nèi)搜索的其它應(yīng)用
1. 流量引導(dǎo)
針對站內(nèi)搜索本身，流量引導(dǎo)的主要方式是關(guān)聯(lián)、推薦和熱榜。
關(guān)聯(lián)： 包括搜索結(jié)果關(guān)聯(lián)、關(guān)鍵字關(guān)聯(lián) 和推薦內(nèi)容的關(guān)聯(lián)
。如,關(guān)注該關(guān)鍵字的用戶還搜索過，買了此類寶貝的用戶還買過
推薦：根據(jù)用戶搜索的需求分類 推薦相關(guān)的網(wǎng)站內(nèi)容或商品。
熱榜：熱門關(guān)鍵字排行，或上升快的熱門關(guān)鍵字排行。
2. 特殊情況的設(shè)計：
當(dāng)用戶的搜索行為無搜索結(jié)果時、用戶的搜索行為有輸入錯誤或障礙、搜索結(jié)果過少時。
由用戶行為造成的無結(jié)果或少結(jié)果，有下列幾種狀況：
用戶拼寫錯誤。
用戶輸入了限制過多的關(guān)鍵字條件
用戶誤操作。
處理上述狀況，首先應(yīng)該由程序判斷是否存在輸入的拼寫錯誤，在搜索結(jié)果之前首先提供糾錯建議，提示和引導(dǎo)用戶進行有效的操作，并根據(jù)數(shù)據(jù)挖掘，提供能滿足用戶搜索需求的有效關(guān)鍵字。如：“沒有找到相關(guān)結(jié)果，不如試試搜索****。”等。
如用戶輸入了過多的關(guān)鍵字條件，（如用戶直接在搜索框里粘貼了一句很長的話，且搜索設(shè)置為多關(guān)鍵字之間的匹配關(guān)系是與運算）應(yīng)建議用戶使用正確的條件輸入方式。
誤操作的狀況多出現(xiàn)與用戶直接點擊了搜索按鈕而沒有輸入關(guān)鍵字。這種狀況不同網(wǎng)站有不同處理。如同頁面刷新、跳轉(zhuǎn)到搜索結(jié)果頁面但提示誤操作、blank跳轉(zhuǎn)到目錄或索引頁面、js彈窗提示誤操作。
非用戶行為造成的無結(jié)果或少結(jié)果，有下列幾種狀況：
分詞錯誤：例如人名、專有名詞、地名等專業(yè)詞匯被錯誤地分詞，造成有效結(jié)果不多。
無有效數(shù)據(jù)
上述狀況都應(yīng)該在搜索功能的管理設(shè)置中有所反映，必須有手工補充關(guān)鍵詞庫的功能。必須能對少結(jié)果或無結(jié)果的關(guān)鍵詞進行數(shù)據(jù)統(tǒng)計，以幫助決策內(nèi)容維護方向。
另一種狀況是當(dāng)搜索結(jié)果過多時：用戶輸入了一個涵蓋范圍太廣的關(guān)鍵字，搜索結(jié)果多于20頁的時候。
寬泛的關(guān)鍵字定義不能幫助用戶有效完成搜索目的，用戶翻20頁以上去檢索的可能性很小，對網(wǎng)站性能也會造成不必要的浪費。
所以在搜索結(jié)果頁面提供分類和篩選是首要前提，也應(yīng)該在適當(dāng)?shù)奈恢皿w現(xiàn)用戶使用關(guān)鍵字組合的正確方法或使用分類、篩選功能。
在分頁設(shè)置上，可以以只顯示20頁為一個區(qū)間。
3. 內(nèi)容價值的優(yōu)化處理
在論壇、知道、百科之類應(yīng)用中，設(shè)計者比較不愿意看見的一個狀況就是問題和條目的重復(fù)，既浪費資源、分流用戶貢獻的有價值內(nèi)容，也不利于信息組構(gòu)。（流量膜拜主義的不在此列）
這類應(yīng)用中，可在用戶提問、發(fā)帖的title輸入框旁邊放置搜索提示或搜索框，引導(dǎo)用戶在提問之前先搜索。
這個類應(yīng)用可以通過搜索功能對內(nèi)容價值進行優(yōu)化。
5. 海量信息或歷史內(nèi)容的價值最大化
對于新聞、資訊、論壇站這類海量信息站而言，信息結(jié)構(gòu)的設(shè)計是極為重要的，僅將內(nèi)容價值建立在熱門話題和更新速度上，是一種不明智和浪費的運維思路。好的信息結(jié)構(gòu)設(shè)計，讓用戶不會在掃完熱門和更新內(nèi)容后就無事可做，降低用戶跳出率、提高單ip的頁面瀏覽數(shù)。設(shè)計思路除了明晰合理的多級信息目錄結(jié)構(gòu)，還應(yīng)該根據(jù)運營需求建立起 話題眼、新聞脈絡(luò)、信息時間軸 等內(nèi)容聚合點和內(nèi)容聚合線索。
搜索和數(shù)據(jù)挖掘是幫助優(yōu)化此類設(shè)計的重要選擇。
百度貼吧的偉大之處在于極大地發(fā)揮了由搜索關(guān)鍵字創(chuàng)建話題眼這一設(shè)計。
說到這，可能有人已經(jīng)聯(lián)想到了 tag 和 埋在正文中的關(guān)鍵字鏈接。
對于論壇 或 非正規(guī)的信息站而言，通過tag來支撐一套信息維度是不現(xiàn)實的。
而正文中埋鏈接，多用于 產(chǎn)品庫（名人庫）這類專有詞，主要用于導(dǎo)流量，在文中高密度使用也是不現(xiàn)實的。
所以使用分詞技術(shù)或詞頻分析，在某篇文章中獲取核心關(guān)鍵字后，在側(cè)欄或標(biāo)題/正文下方列出，是一個很好的處理方法。這種流量引導(dǎo)方式比“相關(guān)新聞”賦予用戶更大的選擇性，也更利于用戶深度挖掘內(nèi)容發(fā)現(xiàn)內(nèi)容。
通過處理發(fā)布時間排序，可以形成以時間為脈絡(luò) 新聞線索。
銀杏搜索和我曾經(jīng)提出一個概念產(chǎn)品設(shè)計，用于大型新聞/資訊網(wǎng)站的新聞搜索，讓新聞關(guān)鍵字成為一個信息時間軸。
這個產(chǎn)品可根據(jù)某個關(guān)鍵字的搜索結(jié)果在時間軸上的分布，按時間區(qū)間輸出搜索結(jié)果量的指數(shù)圖，體現(xiàn)出到該關(guān)鍵字的新聞性時間趨勢。
當(dāng)鼠標(biāo)移上某個節(jié)點，會顯示該節(jié)點的日期和詳細結(jié)果數(shù)。
用戶可以通過點擊年份，放大趨勢圖，查看某年的搜索結(jié)果的詳細指數(shù)圖。
這個產(chǎn)品可以很容易通過時間體現(xiàn)新聞趨勢，強化傳播的時間維度上的表現(xiàn)力，用戶體驗新鮮，更重要的是可以利用埋藏著的歷史信息實現(xiàn)價值最大化。
這個應(yīng)用還可以擴展為更高端的趨勢比較。當(dāng)用戶輸入2個以上的關(guān)鍵字時，可以在指數(shù)圖中看見兩個關(guān)鍵字的對比折線圖，用戶可以對兩者搜索結(jié)果在時間分布上進行趨勢比較。
6. 應(yīng)用于內(nèi)容發(fā)布系統(tǒng)
站內(nèi)搜索除了在前端使用，在信息發(fā)布系統(tǒng)中也有重要的應(yīng)用。典型例子的是幫助使用者篩選相關(guān)新聞（包括專題組織中的相關(guān)新聞列表）。
我講一個我遇到過的案例：傳媒類網(wǎng)站的cms系統(tǒng)，最初的設(shè)計：使用者點擊“查找相關(guān)新聞”按鈕，blank彈出結(jié)果頁面，搜索條件直接取值于文章title和tag，全文檢索。但使用者總是對篩選出來的相關(guān)新聞不滿意，覺得匹配度不夠高。
例如
當(dāng)使用者 為 ********（上）查詢相關(guān)新聞時，當(dāng)然最希望出來的是*******（中）和*******（下），但是標(biāo)題被分詞以后，再加上tag，由于詞頻權(quán)重的原因，中和下篇可能并不是排在前頭。
當(dāng)使用者為一篇標(biāo)題里包含 美國銀行 這個詞的文章查詢相關(guān)新聞時，排在前幾位的可能和美國銀行沒關(guān)系，而是奧巴馬競選或中美外貿(mào)。這是因為美國銀行會被分詞，拆為美國和銀行，出現(xiàn)美國或銀行頻度最高的文章會被排在最上面，如果美國和銀行之間采取 或運算 的話，結(jié)果就更糟糕。
經(jīng)過溝通和分析使用者需求，我把一個“查找相關(guān)新聞”按鈕，拆分成了3個按鈕，以滿足使用者不同的搜索意圖。
按鈕1 “根據(jù)標(biāo)題精確搜索”，用于查找系列文章，多個關(guān)鍵字之間采取 與運算，滿足精確關(guān)聯(lián)需求。
按紐2 “根據(jù)作者搜索” 僅匹配作者字段，用于精確查找該作者寫過的所有文章。
按鈕3“相關(guān)性搜索”，匹配title分詞和tag，滿足查找寬泛關(guān)聯(lián)的需求。
客戶此后就滿意了，幾乎不再需要手工自定義搜索條件，提供了處理效率。
這個案例的啟示是：1 站內(nèi)搜索的應(yīng)用設(shè)計中，搜索條件提取、多關(guān)鍵字的處理、匹配字段的處理 這些設(shè)定的變化，能對搜索結(jié)果、應(yīng)用效率造成巨大差異，好的應(yīng)用壞的應(yīng)用由細節(jié)中產(chǎn)生。2 通用化設(shè)計往往是最不易用的。
六 站內(nèi)搜索的開發(fā)
我寫下面的關(guān)于站內(nèi)搜索的開發(fā)，是盡量用淺顯的語言來解釋開發(fā)原理和程序請求的流程，主要給非專業(yè)的技術(shù)人員看。
我一直非常反感有一些搞產(chǎn)品、搞UED的人會說幾個名詞 就認為這行好混的不得了，不研究也不學(xué)習(xí)，有的不看數(shù)據(jù)也不動腦子，有的看見了數(shù)據(jù)也不動腦子。 連一行數(shù)據(jù)庫查詢語句都不知道就敢說自己是研究信息架構(gòu)的，我呸。操作了這個儀那個儀就覺得自己比開發(fā)人員還牛逼了，還替行業(yè)操心起出路來了。唉，這個行業(yè)如果哪天忽悠能少于50%，就算是有出路了。
搞產(chǎn)品應(yīng)該懂得起碼的開發(fā)原理，不要浮于專有詞匯的表面。況且了解原理這事只要破除迷信，多讀點真東西，一點都不難，也沒有什么所謂的學(xué)科門檻之類的。我很想寫一篇《搞產(chǎn)品應(yīng)該懂的數(shù)據(jù)庫命令》，來破除下非技術(shù)人員的代碼恐懼癥。
站內(nèi)搜索的技術(shù)流程是：
第一步 提取原料：抓取網(wǎng)站頁面或格式化數(shù)據(jù)。
第二步 把原料歸類：建立索引，把關(guān)鍵字和頁面一一對應(yīng)上，分類放好（想象一下老式圖書館里的歸檔管理方法就能形象理解索引了）
第三步 聽用戶要上啥菜：響應(yīng)用戶的搜索需要，對用戶輸入的關(guān)鍵詞進行分解，從索引中找到符合該關(guān)鍵詞的所有相關(guān)網(wǎng)頁。
第四步 擺盤上桌：對搜索結(jié)果頁面進行排序，將頁面標(biāo)題、url、摘要等信息呈現(xiàn)給用戶。
一步步細說：
第一步：提取原料：抓取網(wǎng)站頁面或格式化數(shù)據(jù)。
抓取頁面是使用一種叫蜘蛛的程序，一個網(wǎng)站中成千上萬個頁面是通過什么關(guān)聯(lián)起來的？url。蜘蛛就是通過一個頁面的url找到另一個頁面再找到另一個頁面，把所有能鏈到的頁面遍歷一邊，記錄下來。
通用搜索引擎（google baidu）的蜘蛛 很復(fù)雜，因為一個頁面上可能有很多個url，每個url又關(guān)聯(lián)著無數(shù)頁面，整個網(wǎng)絡(luò)像一棵樹，假設(shè)首頁是第一層，首頁上的url關(guān)聯(lián)的頁面是第二層，第二層頁面上url關(guān)聯(lián)的頁面是第三層……
蜘蛛抓取的順序就會很重要，是沿著一個url一直爬下去，還是先爬完一層再爬一層；加密或需要用戶登錄后才能訪問的內(nèi)容怎么抓??；pdf、rar及多媒體文件怎么抓取，都有講究。不同的抓取處理在有效性、效率和對 被爬網(wǎng)站的資源占用 上有很大差異。
當(dāng)然站內(nèi)搜索沒有那么麻煩，一般是技術(shù)人員根據(jù)希望被納入搜索的內(nèi)容數(shù)據(jù)庫 生成一份格式化的 xml文檔，讓蜘蛛直接抓取就行了。但是站內(nèi)搜索在提抓取頁面更新索引時，有一個指標(biāo)比較高，那就是抓取的更新頻率。
比如對于電商類網(wǎng)站，某些商品，特價、搶貨啦，可能剛發(fā)布出來5分鐘就賣完了，或者改價格了。但是用戶聽說促銷啦，來網(wǎng)站上一搜，搜不到，或者搜到了點進去發(fā)現(xiàn)價格不對，用戶就會不舒服。 這就是蜘蛛抓取頁面的更新頻率過低導(dǎo)致的。要解決這個問題并平衡性能與資源占用之間的矛盾，需要多種算法進行優(yōu)化。
通用搜索 比如google、twitter在做這方面的努力，也就是做成實時搜索。但是站內(nèi)搜索服務(wù)還鮮有嘗試者，
霍炬和
余晟最近在做針對電商類的優(yōu)化。目前可以做到即時更新，也就是發(fā)布后1分鐘內(nèi)就可以被搜索到。
第二步：把原料歸類：建立索引。
建立索引這一步 集中了搜索引擎 的兩大核心技術(shù)難點：索引結(jié)構(gòu)和中文分詞。
如果按照正常人的思維，索引應(yīng)該是這樣建立的：
把每篇文章存在文章索引表里（假定我們叫它doc索引），然后解析出該文章中有多少關(guān)鍵字，把關(guān)鍵字存在一個表里(我們叫它keyword索引)
doc索引的大致結(jié)構(gòu)就是：docID | doc標(biāo)題/內(nèi)容 | doc的url及其它信息 | doc中每個keywordID 。
當(dāng)用戶輸入關(guān)鍵字搜索的時，先找到關(guān)鍵字對應(yīng)的keywordID, 然后查找到有哪些doc里包含做這個keywordID。
這種思路很符合邏輯，但是不好意思，在效率上幾乎是不可行的。
因為在查找哪些doc里包含這個keyword的過程相當(dāng)于 嘩嘩嘩狂翻一本書來找里面的一個詞。網(wǎng)站的doc索引條目動輒上萬上十萬，要是同時查找多個關(guān)鍵字，相當(dāng)于多次狂翻一本十幾萬頁的書，你說是不是累死了。
于是 就有一種更符合 程序運行方式的 索引建立方法。這就是倒排索引，也叫反向索引。 而上文中提到的符合正常人思維的叫正排索引。
倒排索引中“倒”的含義是指把doc索引和keyword索引的關(guān)聯(lián)次序顛倒過來。在建立索引的時候，先建一張keyword表，結(jié)構(gòu)是：“keywordID | 關(guān)鍵字 | 存在哪篇doc中的哪個地方 ”
“存在哪篇doc中的哪個地方” 這個信息怎么表示？
通過一種叫映射的方法。通俗地舉例：“北京”這個詞出現(xiàn)在 id為0011文章的第2段第5行第3個字，可以表達為一個字符串 0010p2l5f3，所以“北京”這個詞在keyword表里是可能這樣寫
“ k001 | 北京 | 0010p2l5f3 , 0010p5l1f9,0012p1l2f6……”
這是一個平面的結(jié)構(gòu)，實際程序中當(dāng)然不會這么簡單處理，這樣效率還是太低。會處理成一個有層次的結(jié)構(gòu)，比如第一層只存docID “k001 | 北京 | 0010，0010，0012……” ，第二層再存是屬于哪一段哪一行等。
這樣做的好處是 可以在第一層實現(xiàn)一次歸并。因為搜索結(jié)果頁面最先需要列出的只是那篇文章里包含哪個關(guān)鍵字，不需要具體位置，所以，當(dāng)北京這個詞在0010文章中多次時，第一層索引可以歸并為為 “北京| 0010，0012 “ 這樣結(jié)構(gòu)又精簡了。
索引的結(jié)構(gòu)及存儲方法對 搜索速度起致命的影響。
分詞: 中文分詞技術(shù)是中日韓專屬的一個的高難度課題，研究了十幾年了。而英文每個單詞之間都有空格，沒這個麻煩。
比如 “作家長平時常翻閱這本書” 這句話 人可以分成“ 作家 長平 時常 翻閱 這本 書”。但是計算機可能就分成了“ 作 家長 平時 常 翻閱 這本 書”。計算機不認得長平三個人名，分詞錯誤就用戶搜索長平的時候就得不到這條結(jié)果。
再例如，當(dāng)用戶輸入 “和服”搜索時，出來第一屏都是 “產(chǎn)品和服務(wù)”，“化妝和服裝自己搞定”，用戶是不是很郁悶。
所以分詞技術(shù) 對于 搜索的準(zhǔn)確有效性 起關(guān)鍵作用。
基礎(chǔ)的分詞方法是機械切分，也叫二元切分。就是把一句話切成最小詞單元，正向切分一次，再反向切分一次，比較下哪個更合理，再通過復(fù)雜算法識別出有效關(guān)鍵字。
更先進的方法是在機械切分的基礎(chǔ)上使用合理的詞庫，地名、品牌名、機構(gòu)、簡稱等需要詞庫。而不同行業(yè)如金融類、計算機類、商品類都有不同的專業(yè)詞庫。
還有基于人工智能和統(tǒng)計概率的分詞算法，但是對于站內(nèi)搜索這個量級的都不適用。
對于站內(nèi)搜索而且，除了好的分詞算法，更重要的是詞庫添加和統(tǒng)計功能。網(wǎng)站管理員可以根據(jù)用戶搜索行為的統(tǒng)計分析 手動向詞庫內(nèi)添加新詞。
第三步：聽用戶要上啥菜：響應(yīng)用戶的搜索需要
用戶輸入的搜索條件可能是一句話，所以對用戶搜索請求的解析也要用到分詞技術(shù)。如果搜 “吉野家沙拉” 和 “吉野家 沙拉” 會得出不一樣的搜索結(jié)果，就是比較差的搜索引擎了。
用戶輸入的關(guān)鍵字是對詞庫的有利補充。比如搜全聚德的人多了，全聚德顯然是一個有效的專業(yè)詞匯。
多個搜索關(guān)鍵字之間存在邏輯運算關(guān)系。邏輯運算。。不要怕，搞設(shè)計的人應(yīng)該都知道布爾運算。。不知道？總知道反選、多選、選區(qū)交集吧。這就是邏輯運算中 非運算(not)、 或運算（or）、 與運算(and)。
用戶的搜索條件是“美國 金融危機”如果采用 或運算，則文章中只要包含了 美國 或 金融危機 這兩個詞中的一個，都有可能被列為搜索結(jié)果。 如果采用 與運算，則只有同時包含了 美國 和金融危機這兩個詞的文章 采會被列進搜索結(jié)果。
所有搜索引擎都應(yīng)該在輸入搜索條件時，支持邏輯運算符。
對于通用搜索引擎，一般 多個關(guān)鍵詞之間的空格 就默認代表了是 與運算(and) 的關(guān)系?？梢酝ㄟ^輸入邏輯運算符 來完成其它搜索需求。比如 可以使用 “哈希 OR Hash” 來搜索更多關(guān)于哈希算法的信息中英文都有， 也可以使用 “小李飛刀—電視劇” 來搜索除電視劇外的小李飛刀的信息。
對于站內(nèi)搜索，1 沒有通用搜索那么大的數(shù)據(jù)量 2 比搜索引擎專業(yè)性更強。所以站內(nèi)搜索 多個關(guān)鍵字之間的空格 默認代表的是 或預(yù)算 的關(guān)系。但是會在呈現(xiàn)結(jié)果的排序上做文章，通過多種算法計算出相關(guān)性最高的文章排在前面，相關(guān)性弱的排在后面。這樣可以幫助用戶發(fā)掘到更多 關(guān)聯(lián)性內(nèi)容，結(jié)果呈現(xiàn)也更人性化。這是通常定義下的 站內(nèi)全文檢索 的一個重要特征。也是區(qū)別于數(shù)據(jù)庫搜索的技術(shù)優(yōu)勢。
響應(yīng)用戶搜索條件的時候 還有字段匹配及權(quán)重的問題，一篇doc 可能有標(biāo)題、摘要、正文、tag、作者等多字段信息存在doc索引庫里。Keyword是出現(xiàn)在標(biāo)題、摘要還是正文中時，權(quán)重是不一樣的。
第四步 擺盤上桌：對搜索結(jié)果頁面進行排序，
琢磨過SEO的同學(xué)一定知道，所謂搜索引擎優(yōu)化 1是讓蜘蛛能抓取自己網(wǎng)站上更多的頁面2 讓自己網(wǎng)站的頁面在搜索結(jié)果里能排得更靠前。
這就要研究搜索引擎的排序算法。對于各個通用搜索引擎，排序算法是許多人的關(guān)注核心，每次權(quán)重調(diào)整都會帶來巨大震蕩。通用搜搜引擎都是在基于相關(guān)性排序上在加上各自的算法，如Google的專利pagerank就是通過頁面之間的互鏈來判斷頁面的價值高低，再加上鏈接引用頁面的PR值、是否在一個分類等 各種其它指標(biāo)。
但是站內(nèi)搜索，用互鏈這種方式來判定顯然不靠譜，所以主要還是通過優(yōu)化相關(guān)性的算法，計算keyword和DOC之間的關(guān)系，例如 keyword 在doc中出現(xiàn)的密度，詞頻， doc是否和 keyword 屬于同一語義類別，doc的長度屬性（短的doc應(yīng)該降權(quán)之類的）等判定 keyword的搜索結(jié)果中，哪些doc更重要更有價值。
多個關(guān)鍵字的搜索條件，讓算法更復(fù)雜，如何對多個關(guān)鍵字進行比較、兩者的結(jié)果如何合并，兩者的結(jié)果順序如何穿插重排。
最后還要利用算法來優(yōu)化 結(jié)果排序的速度和穩(wěn)定性。
由此 才能得到站內(nèi)搜索的相關(guān)度排序結(jié)果。
————————————————————————————
上面基本講了站內(nèi)搜索的原理，看到這會有很多人覺得站內(nèi)搜索的開發(fā)是一個技術(shù)要求很高的應(yīng)用。也的確是這樣，一般網(wǎng)站很難養(yǎng)得起一批能開發(fā)搜索引擎的工程師，開發(fā)周期上也承擔(dān)不起，關(guān)鍵也缺乏持續(xù)改造的動力。產(chǎn)品設(shè)計人員也很難想在這個重要應(yīng)用上有所發(fā)揮，對產(chǎn)品進行一點優(yōu)化和改造都會牽扯到巨大的開發(fā)工作量和成本壓力。
搜索引擎核心和分詞 現(xiàn)在有一些開源代碼或開源詞庫可以使用，也可以選擇租用成熟的站內(nèi)搜索服務(wù)來解決開發(fā)問題。使用SAAS (軟件即服務(wù)模式，現(xiàn)在一種流行的技術(shù)外包服務(wù)模式) 的優(yōu)勢在于可以根據(jù)網(wǎng)站的去業(yè)務(wù)邏輯定制搜索模式，且搜索這部分的數(shù)據(jù)結(jié)構(gòu)是單獨建立重新格式化過的，對站內(nèi)搜索進行產(chǎn)品改造不會對網(wǎng)站本身的業(yè)務(wù)邏輯和數(shù)據(jù)結(jié)構(gòu)造成任何影響。也可以不占精力成本地享受產(chǎn)品改造技術(shù)升級的好處。
