-
专有名词
| 专有词 | 说明 |
| PV | Page View ,页面搜索量,同一用户可以多次刷新,PV算多次 |
| UV | Unique Visitor, 独立访客数,同一用户更换设备访问也只算一次 |
| GMV | 销售总额度 |
| CTR | 点击量/搜索PV |
| UV价值 | GMV/搜索UV |
| UCVR | 总订单行/搜索UV |
| RPM | GMV/搜索PV*1000 |
| CVR | 订单行/点击量 |
| UCTR | 点击量/搜索UV |
| 客单价 | GMV/订单行 |
| SKU | 库存中商品定义,不同属性,比如颜色不同等的单品都是不同的SKU,SKU是每个商品编码标识 |
-
索引
大的电商品台,有亿级别的商品sku,需要建立基本索引,保证快速响应,query到sku的匹配,基本的索引建立
| 索引 | 说明 | 优缺点 |
| 倒排索引 | 以分词后的term 为key 建立索引,value为对应的docid | 构建索引耗时高,维护较麻烦,搜索响应快(分词后的term远远小于sku量级别,而且通过关键词检索,倒排更加合适) |
| 正排索引 | 以docid为key建立索引, value为该doc 各term信息,位置等 | 建索引快,容易维护,但是检索速度慢 |
-
召回
| 基础多路召回 | 说明 |
| 索引召回 | query分词后的所有term在倒排中检索交集的doc |
| 语义召回 | 根据query与sku的语义相关性进行召回 |
| 个性化召回 | 根据用户画像等信息进行个性化召回 |
-
排序
| 两大类 | 基础要素 |
| 粗排 |
为了减少搜索引擎的压力,用快速的规则和方法从庞大的数据中取出符合基本要求的商品,基本的有: 1.query与doc文本匹配 2.店铺,商品质量分 3.相关性 等 |
| 精排 |
1.用户个性化 2.业务逻辑(季节,区域,新品等) 3.去作弊 等综合因素进行精排 |
-
推荐
| 常见电商推荐项 | 说明 |
| 下拉 | 主流电商app都具有功能之一,用户输入前缀 ,出现一系列下拉提示,引流作用 |
| 相关性搜索 | 若用户搜索召回商品过少或无返回商品,对用户的意图进行猜测,推荐相关性的query |
| 热词 | 根据用户历史搜索,以及新品等进行个性化推荐 |
| 暗纹 | 进入搜索页面,搜索box上的灰色提示term,引导用户搜索 |
1591

被折叠的 条评论
为什么被折叠?



