微博搜索策略分析 | 成都傳媒

微博搜索在不同場景下的不足，依據用戶場景和展現結果滿足情況兩個方面進行問題的拆解，程序智能給出個性化的解決方案，滿足用戶高效獲取信息的需求。本文是針對微博搜索策略分析，enjoy~

一、調研目標

研究新浪微博在不同需求場景下的搜索效果，提出優化方案，以滿足用戶高效獲取信息的需求。

二、調研分析

參照網頁搜索策略的思考方式，將從需求明確度、query特點以及對結果的要求對微博搜索存在的不足進行分析：

圖1 調研分析

1. 需求明確

參照網頁搜索策略的思考方式，將從需求明確度、query特點以及對結果的要求對微博搜索存在的不足進行分析：

（1）query結構簡單清晰

場景一：搜索“電影龍貓”

搜索詞：電影龍貓

期待結果：關于新上映的電影龍貓的討論

實際結果展示：

搜索結果分析：

搜索結果滿足了用戶的基本需求，第一條為電影《龍貓》的介紹，從第二條到第四條都是知名博主的點評，但是再往下的信息只是含有“龍貓”字眼，比如明星和博主的吐槽以及日常陳述、博主的影視推薦，沒有《龍貓》的其它有效信息。

從query可看出，微博對搜索詞做了切詞處理（有的不含“電影”字眼），但沒有進行相應的的語義分析。在前面4條的信息中，熱度和相關性較高，可以滿足大部分用戶的需求，但在后面的信息中，只要query切詞中有相關的關鍵詞與最新消息區配，系統將依據熱度進行信息排行，這就導致相關性降低，推送結果與用戶預期不符的情況。

場景二：搜索“演員宋仲基”

搜索詞：演員宋仲基

期待結果：關于宋仲基的最新動向

實際結果展示：

搜索結果分析：搜索結果基本滿足了用戶需求，第一條為官微熱門，是宋仲基的最新消息，滿足需求。再往下看，大部分信息仍是滿足需求的，但是同樣存在切詞的問題，如：博主的日常陳述中是含有“宋仲基”字眼，但沒有其它有效信息，這同樣是query切詞匹配的問題，這是問題一。

除此之外，每個專題下有大量重復信息沒有得到系統的篩選，加大了用戶獲取差異化信息的成本，如：宋仲基主演的電影《波哥大》暫停拍攝這條消息被不同的博主連續頻繁推送，這是問題二。

（2）query口語化

場景三：搜索“感冒吃什么藥好的快”

搜索詞：感冒吃什么藥好的快

期待結果：推薦治療感冒藥的相關信息

實際結果展示：

搜索結果分析：搜索結果基本滿足。

第一條是推薦的是熱門文章，與“query”非常吻合；第二條熱門問答視頻，標題與“query”非常吻合；第三條是行業官微直接提供了與“query”吻合的解決方案，可以說前三條是非常滿足需求的；

到了第四條、第五條，直到第二條，大量的博主日常生活的記錄了，記錄中有感冒、吃藥這樣的字眼，這說明系統也只是做了簡單的關鍵詞的匹配，并沒有理解用戶真正的需求是找到治療感冒的藥，這是問題一。

更甚者，十條以后，居然出現“雞感冒了怎么治療，雞感冒了吃什么藥最好？”的信息，說明系統沒有進行語義上的推理，即——用戶在搜索時前面沒有加“人”此類的主語，應該默認為人感冒了，如果是動物肯定會在搜索時加貓、狗這樣的習慣，沒有進行語義上分析，這是問題二。

另外，從query角度來講，切詞為“感冒+吃+藥+什么+好+的+快”，query匹配度是非常高的，切詞也無明顯丟掉、重組的現象，但是系統并沒有對query背后的搜索需求做深度的挖掘，“感冒”是癥狀，“藥”是方法，其前面加了“什么”，顯然是在找解決方案啊，當然，也屬語義分析的問題。

場景四：搜索“矯正牙齒得多少錢”

搜索詞：矯正牙齒得多少錢

期待結果：推薦矯正牙齒的價格信息

實際結果展示：

搜索結果分析：

搜索“矯正牙齒得多少錢”，微博中只推送了三條信息：

• 第一條是廣告，而且是與“query”完全無關的廣告，不滿足需求，且用戶需要往下翻頁繼續找相關信息，增加了尋找信息答案的成本，這是問題一；
• 第二條是一篇與“query”吻合度極高的文章，但是文章內容限制在成都羅湖，不夠全面；
• 第三條是博主的求助信息了，同樣沒有得到答案，也不能滿足信息。

由此可見，微博中對于“矯正牙齒價格”的信息資源是非常少的，或者是系統設計的相關度太低以至于沒有推薦出來。

（3）query表達方式復雜

場景五：搜索“新一對小蘭表白是在哪一集”

搜索詞：新一對小蘭表白是在哪一集

期待結果：想知道“新一對小蘭表白”是在哪一集

實際結果展示：

搜索結果分析：基本能滿足需求，但存在兩個問題：

1. 前兩要推送的依然是博主的日常包含有與query相同的關鍵詞的相關信息，網友給出答案，但是用戶不能通過摘要立即看到結果，需要再點擊繼續從上往下尋找答案，這個過程雖然滿足了需求，但是仍然增加了獲取有效 信息的成本；
2. 后面一條又是廣告，用戶仍需要往下翻頁繼續找相關信息，增加了尋找優質答案的成本。

場景六：搜索“我真是大笨蛋，除了喜歡你，我什么都做不好”是哪個電影里的臺詞

搜索詞：我真是大笨蛋，除了喜歡你，我什么都做不好是哪個電影里的臺詞

期待結果：想知道這句臺詞的來源

實際結果展示：

搜索結果分析：前兩條能滿足需求，但是基本是對問題的間接回答，第三、第四甚至到第十條都是博主的心語，只是對query進行了簡單的匹配，而且從結果中我們可以看出，query被切詞為“我真笨蛋，我除了喜歡你，我什么都做不好”+“是”+“哪個”+“電影”+“里”+“的”+“臺詞”，顯然，出現了明顯的丟掉現象。

2. 需求明確，對結果有特殊要求

場景七：搜索“成都最新房價”

搜索詞：成都最新房價

期待結果：想知道成都的最新房價

實際結果展示：

搜索結果分析：

滿足需求情況較好，即成都、最新、房價，推送的結果不僅與成都房價相關，也滿足“最新”這一特殊需求。筆者認為，這跟query是熱點問題有關，也跟系統中也有官微的信息資源有關。

場景八：搜索“成都最新房價”

搜索詞：華為最新款手機

期待結果：想知道華為最新款手機的相關信息

實際結果展示：

搜索結果分析：

滿足需求情況不好，第一條推送的是關于華為的熱點新聞，跟用戶需求——最新款手機不匹配，這說明系統的推薦對熱點的依賴太高，這是問題一；第二條推送是華為最新款手機的功能、價格，滿足需求；第三條，推送的是一條語義理解意義的資訊，query切詞為“華為+最新+款+手機”，顯然切詞后出現了重組現象，但是結果基本滿足需求；第四條推送的一條無相關廣告；第五條推送的是與query吻合度極高的熱門文章，滿足需求，但是需要點擊進去后才能得到答案。

總得來說，搜索結果依賴于熱度和更新時間。

3. 需求不明確

場景九：搜索“秋冥”

搜索詞：秋冥

期待結果：了解何有英《秋冥》這幅畫的相關信息

實際結果展示：

搜索結果分析：

基本不滿足需求。系統不知道《秋冥》是什么？最好的結果也就是找到了與“秋冥”這個關鍵詞匹配的信息，卻不是筆者期待的結果。

場景十：搜索“三體”

搜索詞：三體

期待結果：了解《三體》這本書的相關信息

實際結果展示

搜索結果分析：基本不滿足需求。前面三條推送的都是只含“三體”這個詞，與《三體》這本書的內容信息無關；第四條更是推送了與《三體》無關的廣告；第五條，終于是與《三體》這本書及其作者的信息了；但是，第六條，又與期待結果不匹配。因此，如果要獲取精準信息，需要對搜索詞進行擴展。

從以上10個場景的調研分析可知，微博搜索的不足集中在以下幾個方面：

• 推薦順序：微博的熱度和最新時間權值過高，忽略query的匹配度。
• 信息重復：重復信息過多，用戶在有限時間內獲取差異化信息的成本加大。
• 語義理解：主要依賴query與信息資源的文字信息的匹配度，不能理解query背后的真實需求。
• 廣告置頂：微博對廣告的過度推廣分散用戶高效獲取信息的精力。
• 熱門query和冷門query的處理方式單一：基本是基于熱度、最新以及query有匹配的原則推送，導致推送結果有大量無效信息。
• 語義轉換：query口語化與書面推送結果差異很大，如：“矯正牙齒得多少錢”和“矯正牙齒價格”。
• 展現形式：答案有的不夠一目了然，有的熱門文章中、問答專題中包括query搜索答案，但搜索結果中因只有標題，沒有摘要，答案不能一下子就能找到，用戶必須得點擊進去再繼續挑選才行，再加上相關的關鍵詞沒有標識，如漂紅。

三、優化方案

根據上述調研結果，總結微博搜索在不同場景下的不足，依據用戶場景和展現結果滿足情況兩個方面進行問題的拆解，程序智能給出個性化的解決方案，滿足用戶高效獲取信息的需求。