从去年11月25日入职，除去寒假一个月，算来也已经满4个月了。
却丝毫没有觉得枯燥厌烦，依旧每天都感觉到压力和成长！

工作的重心从搜索优化转移到数据挖掘和一点点客户端设计的需求。
当然，搜索的优化是没有止境的，本不能忘，只是暂时不会有太大的优化。

一直认为，走走应该停停，思考和总结才能真正成长。
于是，这个周末趁闲思考了下自己这4个月的搜索工作，试图做个小结。
其中，大多数是自己的工作积累，当然不可避免会有导师的指导和看过的相关学习资料的影响。

在信息爆炸的时代，搜索是我们查询自己所需信息的得力助手。
无论是大搜索产品，还是其他产品中的小小搜索框，搜索称得上是一款产品的标配。
那，搜索究竟是做什么的呢？搜索PM的工作又是做什么的呢？

搜索的目标

搜索的目标，是帮助用户更快找到想要的结果项。

当然这是单纯的说法，对于终极目标为盈利的产品来说，搜索归根还是为KPI服务的。简单举例，搜索用户的目标一般是增加用户点击关注的比例；搜索商品的目标则是增加用户形成购买行为的比例。

但是，是不是100%给用户他想要的，用户就满意呢？
不是的。
鬼脚七曾经在《搜索的悖论》一文中提到，当用户没有明确目标时，假如搜索做到最准确，让搜索结果里所有的项都是用户想要的，用户反而不满意了，因为都是可选择的等于不知如何选择。这时候即使第一条结果是他最需要也是最终选择的，他还是会看看后面的选项后再回头选择第一条。

搜索产品架构

如上图，是搜索产品架构，一般搜索相关的feature都可以归到这样的一个架构里。

一，数据。
数据，是搜索的原料，技术术语是“索引”。只有用索引里的内容作为搜索词才能搜索到你想要的结果。比如，用户搜索索引里有用户的昵称，则你可以用昵称搜索到你的好友；没有用户的简介，则你不能用简介里的内容搜索到你的好友。如果是产品内搜索，数据相对好控制些；如果是从外抓取数据的网页搜索等，则可以从爬虫的来源的数量和质量入手，由于没做过所以在此不细谈。
数据，讲究“全、准、快”，依次对应的是：不能丢失数据，数据不能有误，数据是否实时同步还是容许有多长时间的延时。

二，query，即搜索词。
query，是用户输入搜索框的内容。
相关的策略有用户未输入时是否提供搜索词推荐，输入过程中是否根据已经输入的前缀进行智能提示，输入完成发送请求后是否搜索词进行超长截断和智能转换等。其中每一个步骤都可以细化成很多的策略，比如智能转换中还细分大小写转换、拼音转换、简繁体转换、中英文转换、数字文字转换等等，每一个转换都需要适当的策略。

三，排序。
排序，在此包括什么内容可以被纳入搜索结果，以及众多的搜索结果之间的先后排序两个方面。
按照搜索内容的不同，排序可以划分为用户搜索，作品搜索，主题搜索等等。
在上图中，列出的是排序的因子，第一重要的是相关性。只有相关的结果才可纳入搜索结果中。不过有些产品会把相关性的大小作为重要的排序因子，而有些产品则设定相关性的阈值，只是将相关性作为过滤条件。
在经过相关性处理的结果里，还会再按照其他的二级因子进行内部排序。这里的因子就因产品而异因搜索内容而异了，比如淘宝商品的销量、人气、信誉等等。可以通过观察和梳理搜索内容的特征值提供思路。
还是借用鬼脚七的文字，以淘宝的综合排序为例，总体的排序逻辑是，先按照宝贝和搜索关键词相关性过滤，然后按宝贝下架时间做预选，接着在预选结果里面计算按照卖家的服务质量分、宝贝的人气分，之后对消保、橱窗推荐位等宝贝进行部分加分，最后形成统一的分数进行排序。

四，页面优化。
搜索虽然侧重于数据和策略，但还是需要呈现给用户的。页面优化指的就是搜索在客户端、PC端等等的展示。
页面优化工作细化为UI优化、交互优化、功能性设计。功能性设计是指新增搜索功能的展示，比如增加一个综合搜索的类型等，是比较大的优化。UI和交互优化是比较细节的小修小补。（此部分我接触很少，如若理解有误欢迎指出）

五，反作弊。
随着用户增多，内容增多，作弊行为会越来越多。如果某种作弊行为影响了用户体验或者正常内容的结果排序，搜索就需要通过反作弊来维护正义啦！
反作弊如果针对行为打击，则只能见招拆招，总是滞后于作弊。因此，如果有必要的话，还需要针对作弊者进行打击，限制作弊者或者直接一棒子打死，这其中对于作弊者的识别如果复杂的话会涉及到数据挖掘的工作，至于打击的具体方式和程度又是PM需要根据问题和需求制定适当的策略的问题啦。

六，统计与审核。
统计用户的搜索行为数据，便于分析用户行为特征，更深入了解用户需求，即时发现用户需求的变化，针对性地优化或完善搜索。
制定定期的搜索质量评测体系，人工标注+机器指标结合，对搜索质量量化，便于每日监控搜索质量。
我还把一些提高工作效率的小工具也纳入统计与审核里面，比如a/b test的评测平台，Bad case平台等等。切记，并不是什么情况下埋头苦干都值得鼓励的！要学会聪明且合理的偷懒方式。

搜索PM的工作内容

从搜索产品架构，可以看出，搜索PM是比较偏策略偏数据的，界面与交互相对要少一些。因此，搜索PM基本都要求有技术背景。
但是这并不是说搜索PM就可以“两耳不闻窗外事，一心埋头做搜索”了，因为搜索的基础——数据，会受整个产品的影响。因此，搜索PM还是要有全局观，要了解整个产品的动态，及时预料用户行为和需求的变化，做出相应的调整；或者利用新的可获取的数据，来丰富搜索的索引或排序因子等等。
不过，搜索PM还是得益于其特殊性的，由于大部分需求都是策略和数据相关的，不涉及软件客户端不需要跟版本，所以搜索PM的工作比较有规律较少为了赶版本而突击加班什么的哈~

下面介绍下搜索PM的日常工作内容。

发现问题：每日数据的监控，用户反馈的整理汇总，及时发现bad case或新的用户需求；
分析问题：对bad case分析其原因和性质。性质包括是否必现，是一类问题还是一个意外，是急需解决还是可以搁置继续观察等。每个Bad case都记录便于跟进。对于新需求，同样需要评估其益处有多大等。
划分优先级：根据问题性质划分优先级。影响大的问题需要优先解决，即使时间有限也需要先做应急处理。如果问题不严重或者涉及的用户不多，可以暂不处理。
制定策略：针对bad case或新需求制定可能的解决策略，与开放一起评估可行性、效果及开发成本等。挑选出较优的某个策略进行实现，根据demo评测结果或a/b test效果等进行调整优化，迭代直到较好的解决问题。
上线：不涉及软件客户端的优化，只需后台上线即可。搜索的优化是无止境的，所以不要追求完美，而应追求优于线上，一点点进步。
定期评测：定期做搜索质量的系统性评测，以弥补小修小补的优化的局限性，并为下一阶段的优化提供指导及重点。

虽然评测等都是很体力的活，但却也不是简单的事情。制定一个能真实反映用户感受的指标完善、可量化、可操作的评测方案是很有难度的。
搜索不仅锻炼人的性格，还锻炼人的思维方式。

后记

首先，感谢沉稳內慧的yee姐把我带上搜索之路，我相信一个好的直接导师对成长的重要性远胜过一个好的公司！
3个月的指导真的教给我太多！谢谢！

另外，上述总结只是我4个月的搜索PM实习的经验总结，还比较稚嫩；并且我只接触过产品内搜索未做过大搜索，所以可能会有所偏差。
期待指正与交流，一同进步！