搜索引擎的未來：更少輸入，更多語境_風聞

本文看點

▪ 在過去的幾年中，搜索領域發生重要的範式轉變。過去，搜索只是將搜索框中的關鍵字與數據庫中索引的文本進行匹配。此後不斷發展成熟，搜索引擎可以識別概念、提供答案和個性化建議。通過對話模型，搜索引擎還試圖瞭解用户意圖，減少用户的搜索成本。

▪ 對話模型將在一段時間內發生的查詢組合視為“會話”。例如，在搜索某個人之後，隨後關於年齡和身高的查詢，都會被認為與該人有關，這減少了用户的搜索成本。答案、確認意圖、消除歧義和相關推薦的功能將使對話持續，“知識圖譜”則為廣泛的查詢提供即時答案。

▪ 搜索的未來是“更少的搜索”。推薦引擎和虛擬助手不斷發展，使傳統的“主動”搜索框模型正在演變為“被動”發現（對話）模型。未來包括搜索在內的大多數數字服務將融合到少數具有海量用户的超級App中，如Facebook、Google、Amazon和Apple等。

原文來自Medium，作者Mat Devey

搜索的進化史

在過去的幾年中，“搜索”領域發生重要的範式轉移，了****解終端用户對於改進搜索體驗至關重要。

**過去，“搜索”只是將搜索框中的關鍵字與數據庫中索引的文本進行匹配。**輸出結果是一系列藍色鏈接，這些鏈接可能會（也可能不會）反映用户真正嘗試查找的內容。

從那時起，“搜索”功能日趨成熟，從關鍵字擴展到了識別概念、提供答案和個性化建議。通過不斷積累對於對話的理解，搜索引擎試圖瞭解用户意圖，以此反饋更相關的搜索結果。

什麼是對話模型？

對話模型不是將搜索查詢視為獨立且不相關的，而是將（在一段時間內發生的）查詢組合為“會話”。

採用整體（基於會話的）視圖，將每次後續交互結合起來，可以對用户的意圖（貝葉斯反饋系統）建立更全面的瞭解。

例如，在搜索某個人之後，隨後關於年齡和身高的查詢，都會被認為與該人有關。這減少了用户的搜索成本，從而在用户和搜索引擎之間創建無摩擦的對話。

雖然看起來很簡單，但是要實現這一點，搜索引擎必須知道年齡和身高是一個人的屬性。

繼續對話

答案、確認（意圖）、消除歧義和建議（漸進式[細化]和發散式[橫向]）這些組成部分都用於促進一次成功的持續對話。

下面的示例説明了這些組成部分如何創建有意義的對話：

1.答案

“灰色頂欄”精確顯示了我尋求的答案（在本例中為PJ哈維的專輯）。答案的格式通常是靈活，也取決於情境於（答案欄還可以顯示基於文本的術語定義或貨幣換算）。

2.確認

搜索結果和知識圖譜“確認”搜索引擎正確解釋了我的查詢。存在多個常見語境時（例如，查詢“Apple”這個詞，既可以指公司，也可以指水果），這一點尤其重要。

3.細化對話（漸進式建議）

通過偶然顯示最頻繁的漸進式（下一個）搜索來促進對話。

4.發散式建議

通過提供搜索“對話”的常見（橫向）過程來幫助發現、減少搜索摩擦。

去掉中間人

如上所示，“知識圖譜”可為廣泛的查詢提供即時答案（而非可能包含答案的頁面鏈接）。

知識圖譜通常會預測下一個邏輯查詢（例如，今天晚些時候/明天的天氣如何），並提供簡單的交互方式來輕鬆訪問此信息。

Google知識圖包含有關人、地點、事物的超過700億個事實，再加上語言、圖像、語音翻譯。

——Google CEO 桑達爾·皮查伊

移動，移動，移動

**移動設備日益占主導地位，給搜索帶來了巨大影響。**文本輸入的固有成本導致了從“打字”交互模式到“點擊”交互模式的轉變，也導致語音搜索數量增加；“對話體驗”自然而然地演變為真正的對話。

對於我們來説，最大的三個挑戰仍然是移動設備、移動設備和移動設備。

——Google搜索業務前高級副總裁 阿米特·辛格

打字更少，點擊更多

“意外發現”是減輕用户輸入負擔的關鍵，以前的搜索行為可以幫助預測當前的搜索需求。

點擊交互示例：

將以前的搜索顯示為默認建議，就會形成有效的“雙擊”交互。

考慮到用户的位置和慣常搜索模式等因素，只需很少的輸入（只需幾個字）就可以顯示相關的答案。

少打字，多説話

語音搜索就更進了一步（降低了用户輸入的成本），越來越流行，尤其是在年輕的人羣中。Google和Bing中超過20％的搜索都是語音進行的。

為了響應這一趨勢，**Google在自動語音識別技術上投入巨資……**將錯誤率從80％降低到20％，（在過去幾年中）又降到了現在的8％！

搜索的未來

搜索的未來是“更少的搜索”嗎？

隨着推薦引擎和虛擬助手不斷發展，傳統的“主動”搜索框模型正在演變為“被動”發現（對話）模型。

推動這一轉變的主要趨勢是：

1.語境搜索

移動電話特別擅長提供語境信息（例如你的位置）；儘管全球有大約60個里士滿餐廳，但如果我搜索“里士滿餐廳”，結果會顯示我所在的墨爾本的餐廳。對話語境（例如上面的“伊吉·波普的年齡和身高”示例）和搜索歷史記錄也可以幫助建立語境。

2.語音搜索

如前所述，語音識別技術的快速發展正在使語音輸入從易於出錯的新技術發展為可行有效的輸入方法。

3.會話搜索

人工智能的進步使我們能夠以更直觀、更人性化的方式與搜索引擎/虛擬助手對話。

為什麼是現在？

向移動設備的轉移使信息更易獲取，同時增加了對信息的需求，但卻讓訪問信息不再便捷（小屏幕本來就很難互動，尤其是在執行多任務時，這個缺點更為明顯）。

我們還達到了一個重要的里程碑：Google成功地索引（並整理了）全世界的知識，Facebook對你的瞭解比你想象的還要多，Amazon也積累了有關消費者行為的大量數據。

大量的通用數據和個人數據（可通過API輕鬆共享），再加上語音識別的進步，已經使虛擬助手從有趣的概念演變為可行的計劃。同樣重要的是，虛擬助手天生適合移動設備，因為它們將廣泛的功能整合到一個方便且易於移動的界面中（並且始終可用）。

下一步是什麼？

沒辦法作出百分之百肯定的預測，但一種新興理論認為，大部分數字服務，包括搜索將通過其平台，融合為被廣泛採用的、輕用户界面的少數App（由Facebook、Google、Amazon和Apple等技術巨頭提供）。

為什麼？效率。對於用户而言，學習使用不計其數的App效率低下，並且時常令人困惑。對於企業而言，利用現成的平台更便宜，而且保持與定製App的交互也變得越來越困難！

互聯網數據資訊網Forrester的最新研究發現，**人們84％的智能手機使用時間都花在5個App上。**你的App是否足以成為那不可或缺的五分之一？

對用户體驗專業人員來説，這意味着什麼？

要設計出色的搜索體驗，我們需要考慮以下因素：

定義（和衡量）成功

與電商體驗不同（銷售額是明確的，可衡量的成功指標），搜索體驗很少有明確代表成功的結果和行動。

向提供即時答案的搜索轉型（我們需要辨別對話的好與壞），以及移動設備日益佔主導（我們無法再用光標移動來體現用户焦點），則使情況變得更加複雜。

指標測量轉向以用户為中心

行為指標固有的模糊性，導致採用了折現累計收益（DCG）等指標衡量信息檢索中的排名質量。DCG涉及數千人（通常來自大量人羣），測量搜索結果的相關性（根據定義的標準），然後將這些分數合併，以達到統計意義。

儘管衡量單個結果集的相關性仍然很重要，但是對話模型是一種交互體驗，隨着時間的推移（以及多次互動）而發生。因此，衡量整體體驗更能反映實際的成功。

示例搜索指標包括：

1.會話成功率（SSR）

2.成功時間（TTS）

3.語境感知搜索放棄預測

4.淨推薦值（NPS）

如何更靠譜地測試/驗證搜索概念

使用模擬結果測試搜索模型，通常不會有太多洞察，且一般不可能用真實結果進行原型設計。虛擬結果往往會受到以下影響：

1.用户參與的減少（畢竟，結果/答案是搜索的主要原因）。

    a. 難以評估（針對單個搜索結果）顯示的信息類型和數量是否最佳。

    b. 受搜索結果以外的因素干擾，影響了搜索結果的準確性；這也容易低估人們查看真正感興趣的結果時的反應。

2.引入不必要的混亂

如果搜索結果沒有像預期的那樣，響應重新查詢或優化，人們會不禁懷疑，搜索引擎是否認執行了用户的操作。這有可能使指標偏頗或無效，並導致用户失去信心和/或不再使用。

如果無法進行真實結果測試，則可能的選擇包括：

1.檢查其他網站或者App使用的模型，是否和自己的足夠相似，從而可作為替代？

2.一旦有了功能性（生產前）代碼，請立即進行更多研究。初始回合（及虛擬結果）至少能解決低可用性問題。

3.如果你使用支持動態內容/變量（例如快速原型設計工具Axure）的原型製作軟件，則可以：

    a.如果查詢的預期結果足夠可預測，則將查詢文本（作為變量）輸入到結果中，這將會創建與真實結果近似的結果。Axure的“Repeater部件”有助於原型化交互式搜索體驗，並減少（你在迭代設計時）進行更改所需的工作量。

    b.如果不可預測，只需在不同（虛擬）結果集之間進行轉換，來響應用户的操作，即可向用户提供反饋（告知用户其操作已得到響應，你也可以解釋原型的侷限性）。

滿足並超越用户期望存在挑戰

用户期望已反映出搜索技術（和體驗）的快速發展。隨着搜索引擎能更好地理解意圖，就可以響應用户更短（更模糊）的搜索詞；創造出難以克服的進化“頂峯”。

另外，儘管我們已經看到“粗糙個性化”的進步（例如，搜索考慮了某個人的位置），但是“精細個性化”卻沒有以相同的速度發展，要知道，領先的科技公司已經對其進行了鉅額投資。

例如，如果你購買了禮物（送給其他人），則很可能會據此向你進行購買推薦。未能足夠快地響應新的“趨勢”（錯失商機）與響應太快（使用户厭煩）之間的平衡比預期的要難得多。

道德困境

跟蹤和分析用户可以讓搜索引擎提高相關性，減少用户輸入。但是，這種個性化設置會產生“過濾器泡沫”，用户看到的是有限的結果子集（反映並加強他們的個人觀點和政治傾向），而不是全貌。

有趣的是，搜索引擎Duck Duck Go有意避免過濾器泡沫，以此為特色。他們明確要求用户明確意圖，並顯示“所有”相關結果，而不是依賴於用户先前的搜索活動得出的假設。

文化差異/期望

有時，信息偏好會受到文化的影響。例如，在中國，人們對名人的血型很感興趣！

結論

雖然搜索體驗得到了顯著改善，但人工智能的進步正在推動搜索進入令人興奮的新軌道。傳統的“主動”模式正朝着不可預見的、“被動”的體驗發展，這些體驗無縫地預測並滿足了我們的需求（需要更少的明確用户輸入）。

隨着我們從“信息時代”過渡到“智能時代”，我們越來越依賴產品和服務來滿足我們的潛在需求，提供以前“主動”尋找的信息、建議和推薦。

搜索的未來的確是“更少的搜索”！