从提高 Elasticsearch 搜索体验说开去......

1、实战问题

球友提问：怎么搜索才能使得结果是最好的呢？

我这边一个搜索功能，实现做法就是将用ik分词器配合multi查询实现的。

中途也追加了客户所在领域相关词汇字典。

但是客户一直反馈搜索体验不好。

如果想要提高搜索体验还能从那些方面入手呢？

来自：死磕 Elasticsearch 知识星球

这个问题非常有代表性，我在实际产品开发中也遇到过。

2、从几个例子说搜索体验

示例一：“慕X网”输入“触发器”的搜索截图。

注意：我输入的是“触发器”，返回结果第一条没有问题，其他几条有关：“触”、“发”的，可以说和我的搜索没有关系。

站在用户体验的角度，我认为：体验很差，返回了很多不相关的数据。

示例二：某题库APP，不支持跳转翻页。

如下所示，题库共1703题，包含：判断题、选择题。

只支持：点击：上一题、下一题。

实际场景：

• 当做了100道、200道的时候，只有选择题；到底多少选择题？
• 当退出后，需要点击几百下进入自己上次做到的最后一道题.....

这不是用户体验差，这是没有用户体验，开发者完全没有动脑子的设计，用户会"怀疑人生"。

示例三：电商搜索“秋天第一条秋裤”，该返回什么？

放大查看图片，亮点自现

这是个见仁见智的问题，究竟返回什么，各个电商公司都有自己的评判。

但，单纯站在用户的角度，高下立判。

铭毅一句话点评：

• 拼多多

“活该你发展快”，的确返回结果就是预期结果，且友好的推荐了所在地域的“秋裤”信息。

• 淘宝

中规中矩，至少能返回“秋裤”。

• 京东

没有找到商品，为你推荐“秋裤”，“干嘛推荐，直接返回不就完了”。

• 当当

好家伙！推荐的都是“秋天”的商品。你是用户，你咋想？

• “尼玛，什么玩意？”
• “五味杂陈”
• “不知所云”

......

基本上可以得出结论：公司发展速度和搜索体验成正比。

3、有数据的地方，就有搜索

信息泛滥和爆炸的今天，搜索无处不在。基本可以形象的概括为：“有数据的地方，就有搜索“。

搜索可能是用户最常用到的功能之一，学习、工作、衣食住行等各个环节都离不开搜索。

• 学习

输入关键词，搜索靠谱的免费或付费网络资源。

• 工作

遇到错误码，通过Google 搜索获得答案。

搜索微信聊天记录，看看之前都聊的某个关键有价值信息。

• 衣

网上购买衣服，实际就是搜索、选择的过程。

• 食

日常中午订外卖，选择外卖的过程，就是搜索的过程，离公司近+评价高=下单几率大。

• 住

出差订酒店，搜一下，对比选择个性价比高的。

• 行

十一自驾游，出行前高德导航，输入目的地搜索结果，根据返回结果，选择合适路线。

正如：搜索体验的分析文章指出：“搜索框的设计及其可用性问题其实是一个不容忽视的要点。

一个好的搜索体验也许并不能让用户对你的产品产生特别的好感，但是一个不好的搜索体验却能给你的产品带来致命的打击。

所以无论是为了给用户提供更好的服务，还是避免用户产生消极的体验感受，做好搜索的体验对一个内容型产品来说都是至关重要的。“

判定搜索体验好不好，搜索结果满足用户需求已是最低门槛要求，以下内容都是能带来良好搜索体验的考察点、用户关注点：

• 搜索框：

1）在视觉上突出搜索框、搜索框与放大镜icon配合使用；

2）将搜索框置于用户预期的位置；

3）提供搜索按钮；

4）合适的尺寸

毫不客气的说：“在导航栏最显眼位置放置搜索框是对用户最起码的尊重”！

• 可搜索内容提示：告诉用户他们可以搜索哪些内容

• 每个页面都要有搜索框

• 使用智能推荐/匹配机制

智能推荐或匹配可以节省用户的输入成本。

普通用户不太善于组织搜索语言：在这种情况下如果他们没有在第一步就表达清楚问题，那么接下来也很难成功找到合适的搜索结果。

当智能匹配发挥作用后，它就能帮助用户表达清楚搜索的问题，进而找到满意的答案。

一句话，好的搜索体验就是好的用户体验，而好的用户体验自然和用户留存、甚至公司发展挂钩。

4、用户搜索的五个核心环节拆解

“搜索就像是用户与 App 或者网站之间的对话，用户通过提问表达信息需求，App 或者网站通过展示结果来作为回应。

用户期待流畅的搜索体验，并且基于搜索结果的质量用户通常会对一个 App 的价值形成一个快速的判断。”

在搜索的过程中，用户的经历大致可以分为五个部分，分别是：发现搜索、输入关键词、等待结果、查看结果、完成搜索，每个步骤的体验都是整体体验的一部分，将对用户最终对搜索体验产生影响。

4.1 发现搜索

如前所述，搜索框要醒目，搜索栏甚至会独立于头部并且会在UI界面中占据视觉焦点的位置，用户很容易就能找到。

4.2 输入关键词

• 要能提示用户，输入什么关键词。
• 能根据用户输入的某几个关键，给出“搜索提示”，如前谷歌搜索截图。
• 复杂组合搜索，类似谷歌【高级搜索】，要有辅助控件，筛选日期、排除关键词设置、排序方式、与或非表达式等。

4.3 等待结果

• 响应要快，用户的忍耐是有限度的，超过3秒不返回，估计用户就流失了。
• 如果的确响应慢，可以有响应动画或者提示信息友好提示。
• 能识别用户输入，必要结果用户历史搜索习惯，整合后返回最优TOP N结果。

4.4 查看结果

• 用户根据搜索返回，筛选的过程。
• 如果没有结果，建议不要直接返回“0”条结果，可以有其他推荐信息，比如：提示用户换关键词等。

4.5 完成搜索

• 有满足需求结果，搜索结束。
• 没有满足用户的结果，用户会换关键词继续搜，或者用户流失去别的APP或者网站了。

若要完善用户体验，这几个步骤缺一不可、都得下功夫。

5、Elasticsearch 搜索的底层逻辑

明白下面两个过程，就能很好的理解 Elasticsearch 搜索。

以下仅针对：text的全文检索的文本类型。

5.1 写入索引化过程

• 文档写入 Elasticsearch 不是直接写入，而是根据你Mapping定义的分词器（默认：standard）分词，构建倒排索引后写入。

• 分词器的选型，决定分词的粒度，分词的粒度决定后续的检索指标是否能达标。

5.2 数据检索过程

• 检索环节，不是输入什么就检索什么，而是不同的检索语句，会有不同的检索机制。
• 检索环节，选择什么检索类型，结果也会完全不一致。

比如：“match”细粒度检索和“match_phrase”粗粒度短语匹配，将是截然不同的搜索结果。

match：会首先把你输入的关键词进行切分后再检索。

match_phrase：会把你输入的词当做短语进行检索。

6、Elasticsearch 搜索体验可量化的指标

用户体验是感官反应，但感觉的搜索结果需要量化下。

如何量化？实际本质指标就是：查准率（精确率）、查全率（召回率）。

6.1 召回率

定义：本次搜索结果中包含的相关文档占整个集合中所有相关文档的比率。

衡量检索结果的查全率。

6.2 精确率

定义：本次搜索结果中相关文档所占的比例。

衡量检索结果的查准率。

具体可以根据混淆矩阵来理解，

已知上述矩阵，那么准确率和召回率可以按如下方法计算:

召回率：= tp / (tp + fn) * 100%;

精确率：= tp / (tp + fp) * 100%

如果还不好理解，知乎上通俗解释：

• 召回率：正样本有多少被召回了（召回了多少）。

• 精确率：你认为的正样本，有多少猜对了（猜的准确性如何）。

7 、如何改进 Elasticsearch 搜索体验

前面也提到了，搜索五环节环环相扣。搜索体验是：设计、前端、后端、决策层、管理层都要考虑的事情，不能简单的理解为是技术问题。

本文仅对 Elasticsearch 后端技术实现层面做下解读：

7.1 根据业务场景选择合适的分词器

注意，没有最好的分词器、没有适合所有业务场景的通用分词器，需要结合业务场景择优选择。

• 如果要求细粒度，只要存在就要召回，那 ngram 分词适合或者 7.9+ 新推出的 wildcard 数据类型优先考虑。

• 需要提前做下切词对比，以验证不同分词器是否满足业务。中文选择：IK、结巴、ansj或者其他。

切词对比核心 API ：analyzer 要活学活用。

POST _analyze
{
  "text":"提供全球卓越的云计算服务_助力企业无忧上云",
  "analyzer": "ik_smart"
}

• 选型 IK，要区分：ik_smar 与 ik_max_word。

ik_smart是粗粒度的分词（返回尽可能少，逼近贴合人工分词）；

ik_max_word是细粒度的分词（返回尽可能多）。

7.2 注意词典的选择与更新

“巧妇难为无米之炊“，“巧妇“是分词器，词典是“米”。

分词器再牛逼，没有靠谱的词典也是徒劳。

所以，词典选择的好，分词才会越准确。

建议：在基础词库相对全的前提下，需要结合业务场景添加属于自己的行业词库、领域词库等。

即便添加了行业、领域词典，也涵盖不全新词怎么办？

比如：新的网络词汇、行业领域词汇不能面面俱到导致分词不正确，用户体验差怎么办？

由于分词器作为插件，原始词典一旦配置，是不支持动态更新的，需要借助第三方机制实现。

比如：IK 词典的动态更新实现机制：结合修改 IK 分词器源码 + 动态更新 mysql 词条达到更新词典的目的。

7.3 重视 Mapping 环节数据建模

• text 类型的 fielddata是内存耗费大户，除非必须，不建议开启。

• 根据是否需要排序或者聚合决定是否启用 keyword 类型。

• 不需要索引的字段，“index”设置为“false”。

• 不需要存储的字段，“store”设置为“false”。

• 大文本如 word，pdf 文本信息，考虑切分成小的片段后存储。

7.4 根据业务场景，选择合适的搜索类型

如前所述：match 和 match_phrase 适用场景不同、高下立判。

• match应对的是：查全率高，召回率高但准确率低。

• match_phrase则是：短语匹配，查准率高、召回率低。

• wildcard 模糊匹配，除非必须，不建议使用。

当然，还有其他检索类型，如：query_string, fuzzy等，需要结合业务场景做出选择。

7.5 追求极致响应速度，要做取舍权衡

用户的忍耐时间非常有限, 不要让用户等。

• 加大数据节点的内存和堆内存的配比
• _source 字段非必要不返回
• 不在检索返回阶段做复杂的业务处理

包含但不限于:

1）二重以上聚合

2）wildcard 或者 regex 正则检索

3）自定义高亮

• 高亮实现根据业务类型做好选型

注意：当文件>1MB(大文件）时候，尤其适合 fvh 高亮方式。

• 做好业务取舍

比如：默认 from，size 深度分页10000条够了，如果产品经理不同意，需要讨论说服之。

比如：聚合结果不准确是 Elasticsearch 默认机制，要接受或者做其他方案选型（比如：clickhouse），不纠结细节。

7.6 使用智能推荐/匹配机制

• 简单的搜索框推荐实现 可以借助：prefix 前缀搜索实现。

GET kibana_sample_data_ecommerce/_search
{
  "_source": "customer_full_name",
  "query": {
    "prefix": {
      "customer_full_name.keyword": "Ed"
    }
  }
}

• 复杂点的推荐实现，需要辅助纠错功能的，借助：Suggester实现。

POST /blogs/_search
{
  "suggest": {
    "my-suggestion": {
      "text": "lucne rock",
      "term": {
        "suggest_mode": "missing",
        "field": "body"
      }
    }
  }
}

篇幅原因，关于 Suggester 解读，

推荐：wood大叔的文章：

https://elasticsearch.cn/article/142

• 再复杂点的，需要用户行为识别+推荐引擎机制实现。

一个优秀的推荐引擎更趋向于个性化推荐，它可以通过收集用户有价值的数字足迹（如：人口统计、事务细节、交互日志、购买记录、交易记录、浏览记录）和关于产品的信息（例如：规格、用户反馈、与其他产品比较等），来完成推荐之前的数据分析。

8、小结

搜索体验决定用户体验，用户体验决定的产品的用户率进而决定的产品的成败。

著名产品人梁宁老师在《产品思维30讲》提到“我们看到很多新的互联网公司，系统能力不如传统企业，但是可以从传统企业那里抢夺大量用户，靠的就是用户体验。在体量差异这么大的情况下，用户体验能成为核心竞争力；同维度竞争的时候，用户体验更是最核心的竞争力”。

搜索是流量入口，是“兵家“（各APP、网站）用户体验必争之地。

搜索体验的迭代是没有终点的，研究的多深、做的多仔细都不为过。

大家有好的思路和建议也欢迎补充交流。

参考：

• http://www.woshipm.com/ucd/1037490.html
• https://zhuanlan.zhihu.com/p/60826371
• https://www.jianshu.com/p/677742838595
• http://www.chanpin100.com/article/103633
• https://www.uisdc.com/search-experience-process-summary
• http://www.oreilly.com.cn/radar/?p=28
• 《自己动手做推荐引擎》

  ---