搜索引擎的未来：更少输入，更多语境_风闻

本文看点

▪ 在过去的几年中，搜索领域发生重要的范式转变。过去，搜索只是将搜索框中的关键字与数据库中索引的文本进行匹配。此后不断发展成熟，搜索引擎可以识别概念、提供答案和个性化建议。通过对话模型，搜索引擎还试图了解用户意图，减少用户的搜索成本。

▪ 对话模型将在一段时间内发生的查询组合视为“会话”。例如，在搜索某个人之后，随后关于年龄和身高的查询，都会被认为与该人有关，这减少了用户的搜索成本。答案、确认意图、消除歧义和相关推荐的功能将使对话持续，“知识图谱”则为广泛的查询提供即时答案。

▪ 搜索的未来是“更少的搜索”。推荐引擎和虚拟助手不断发展，使传统的“主动”搜索框模型正在演变为“被动”发现（对话）模型。未来包括搜索在内的大多数数字服务将融合到少数具有海量用户的超级App中，如Facebook、Google、Amazon和Apple等。

原文来自Medium，作者Mat Devey

搜索的进化史

在过去的几年中，“搜索”领域发生重要的范式转移，了****解终端用户对于改进搜索体验至关重要。

**过去，“搜索”只是将搜索框中的关键字与数据库中索引的文本进行匹配。**输出结果是一系列蓝色链接，这些链接可能会（也可能不会）反映用户真正尝试查找的内容。

从那时起，“搜索”功能日趋成熟，从关键字扩展到了识别概念、提供答案和个性化建议。通过不断积累对于对话的理解，搜索引擎试图了解用户意图，以此反馈更相关的搜索结果。

什么是对话模型？

对话模型不是将搜索查询视为独立且不相关的，而是将（在一段时间内发生的）查询组合为“会话”。

采用整体（基于会话的）视图，将每次后续交互结合起来，可以对用户的意图（贝叶斯反馈系统）建立更全面的了解。

例如，在搜索某个人之后，随后关于年龄和身高的查询，都会被认为与该人有关。这减少了用户的搜索成本，从而在用户和搜索引擎之间创建无摩擦的对话。

虽然看起来很简单，但是要实现这一点，搜索引擎必须知道年龄和身高是一个人的属性。

继续对话

答案、确认（意图）、消除歧义和建议（渐进式[细化]和发散式[横向]）这些组成部分都用于促进一次成功的持续对话。

下面的示例说明了这些组成部分如何创建有意义的对话：

1.答案

“灰色顶栏”精确显示了我寻求的答案（在本例中为PJ哈维的专辑）。答案的格式通常是灵活，也取决于情境于（答案栏还可以显示基于文本的术语定义或货币换算）。

2.确认

搜索结果和知识图谱“确认”搜索引擎正确解释了我的查询。存在多个常见语境时（例如，查询“Apple”这个词，既可以指公司，也可以指水果），这一点尤其重要。

3.细化对话（渐进式建议）

通过偶然显示最频繁的渐进式（下一个）搜索来促进对话。

4.发散式建议

通过提供搜索“对话”的常见（横向）过程来帮助发现、减少搜索摩擦。

去掉中间人

如上所示，“知识图谱”可为广泛的查询提供即时答案（而非可能包含答案的页面链接）。

知识图谱通常会预测下一个逻辑查询（例如，今天晚些时候/明天的天气如何），并提供简单的交互方式来轻松访问此信息。

Google知识图包含有关人、地点、事物的超过700亿个事实，再加上语言、图像、语音翻译。

——Google CEO 桑达尔·皮查伊

移动，移动，移动

**移动设备日益占主导地位，给搜索带来了巨大影响。**文本输入的固有成本导致了从“打字”交互模式到“点击”交互模式的转变，也导致语音搜索数量增加；“对话体验”自然而然地演变为真正的对话。

对于我们来说，最大的三个挑战仍然是移动设备、移动设备和移动设备。

——Google搜索业务前高级副总裁 阿米特·辛格

打字更少，点击更多

“意外发现”是减轻用户输入负担的关键，以前的搜索行为可以帮助预测当前的搜索需求。

点击交互示例：

将以前的搜索显示为默认建议，就会形成有效的“双击”交互。

考虑到用户的位置和惯常搜索模式等因素，只需很少的输入（只需几个字）就可以显示相关的答案。

少打字，多说话

语音搜索就更进了一步（降低了用户输入的成本），越来越流行，尤其是在年轻的人群中。Google和Bing中超过20％的搜索都是语音进行的。

为了响应这一趋势，**Google在自动语音识别技术上投入巨资……**将错误率从80％降低到20％，（在过去几年中）又降到了现在的8％！

搜索的未来

搜索的未来是“更少的搜索”吗？

随着推荐引擎和虚拟助手不断发展，传统的“主动”搜索框模型正在演变为“被动”发现（对话）模型。

推动这一转变的主要趋势是：

1.语境搜索

移动电话特别擅长提供语境信息（例如你的位置）；尽管全球有大约60个里士满餐厅，但如果我搜索“里士满餐厅”，结果会显示我所在的墨尔本的餐厅。对话语境（例如上面的“伊吉·波普的年龄和身高”示例）和搜索历史记录也可以帮助建立语境。

2.语音搜索

如前所述，语音识别技术的快速发展正在使语音输入从易于出错的新技术发展为可行有效的输入方法。

3.会话搜索

人工智能的进步使我们能够以更直观、更人性化的方式与搜索引擎/虚拟助手对话。

为什么是现在？

向移动设备的转移使信息更易获取，同时增加了对信息的需求，但却让访问信息不再便捷（小屏幕本来就很难互动，尤其是在执行多任务时，这个缺点更为明显）。

我们还达到了一个重要的里程碑：Google成功地索引（并整理了）全世界的知识，Facebook对你的了解比你想象的还要多，Amazon也积累了有关消费者行为的大量数据。

大量的通用数据和个人数据（可通过API轻松共享），再加上语音识别的进步，已经使虚拟助手从有趣的概念演变为可行的计划。同样重要的是，虚拟助手天生适合移动设备，因为它们将广泛的功能整合到一个方便且易于移动的界面中（并且始终可用）。

下一步是什么？

没办法作出百分之百肯定的预测，但一种新兴理论认为，大部分数字服务，包括搜索将通过其平台，融合为被广泛采用的、轻用户界面的少数App（由Facebook、Google、Amazon和Apple等技术巨头提供）。

为什么？效率。对于用户而言，学习使用不计其数的App效率低下，并且时常令人困惑。对于企业而言，利用现成的平台更便宜，而且保持与定制App的交互也变得越来越困难！

互联网数据资讯网Forrester的最新研究发现，**人们84％的智能手机使用时间都花在5个App上。**你的App是否足以成为那不可或缺的五分之一？

对用户体验专业人员来说，这意味着什么？

要设计出色的搜索体验，我们需要考虑以下因素：

定义（和衡量）成功

与电商体验不同（销售额是明确的，可衡量的成功指标），搜索体验很少有明确代表成功的结果和行动。

向提供即时答案的搜索转型（我们需要辨别对话的好与坏），以及移动设备日益占主导（我们无法再用光标移动来体现用户焦点），则使情况变得更加复杂。

指标测量转向以用户为中心

行为指标固有的模糊性，导致采用了折现累计收益（DCG）等指标衡量信息检索中的排名质量。DCG涉及数千人（通常来自大量人群），测量搜索结果的相关性（根据定义的标准），然后将这些分数合并，以达到统计意义。

尽管衡量单个结果集的相关性仍然很重要，但是对话模型是一种交互体验，随着时间的推移（以及多次互动）而发生。因此，衡量整体体验更能反映实际的成功。

示例搜索指标包括：

1.会话成功率（SSR）

2.成功时间（TTS）

3.语境感知搜索放弃预测

4.净推荐值（NPS）

如何更靠谱地测试/验证搜索概念

使用模拟结果测试搜索模型，通常不会有太多洞察，且一般不可能用真实结果进行原型设计。虚拟结果往往会受到以下影响：

1.用户参与的减少（毕竟，结果/答案是搜索的主要原因）。

    a. 难以评估（针对单个搜索结果）显示的信息类型和数量是否最佳。

    b. 受搜索结果以外的因素干扰，影响了搜索结果的准确性；这也容易低估人们查看真正感兴趣的结果时的反应。

2.引入不必要的混乱

如果搜索结果没有像预期的那样，响应重新查询或优化，人们会不禁怀疑，搜索引擎是否认执行了用户的操作。这有可能使指标偏颇或无效，并导致用户失去信心和/或不再使用。

如果无法进行真实结果测试，则可能的选择包括：

1.检查其他网站或者App使用的模型，是否和自己的足够相似，从而可作为替代？

2.一旦有了功能性（生产前）代码，请立即进行更多研究。初始回合（及虚拟结果）至少能解决低可用性问题。

3.如果你使用支持动态内容/变量（例如快速原型设计工具Axure）的原型制作软件，则可以：

    a.如果查询的预期结果足够可预测，则将查询文本（作为变量）输入到结果中，这将会创建与真实结果近似的结果。Axure的“Repeater部件”有助于原型化交互式搜索体验，并减少（你在迭代设计时）进行更改所需的工作量。

    b.如果不可预测，只需在不同（虚拟）结果集之间进行转换，来响应用户的操作，即可向用户提供反馈（告知用户其操作已得到响应，你也可以解释原型的局限性）。

满足并超越用户期望存在挑战

用户期望已反映出搜索技术（和体验）的快速发展。随着搜索引擎能更好地理解意图，就可以响应用户更短（更模糊）的搜索词；创造出难以克服的进化“顶峰”。

另外，尽管我们已经看到“粗糙个性化”的进步（例如，搜索考虑了某个人的位置），但是“精细个性化”却没有以相同的速度发展，要知道，领先的科技公司已经对其进行了巨额投资。

例如，如果你购买了礼物（送给其他人），则很可能会据此向你进行购买推荐。未能足够快地响应新的“趋势”（错失商机）与响应太快（使用户厌烦）之间的平衡比预期的要难得多。

道德困境

跟踪和分析用户可以让搜索引擎提高相关性，减少用户输入。但是，这种个性化设置会产生“过滤器泡沫”，用户看到的是有限的结果子集（反映并加强他们的个人观点和政治倾向），而不是全貌。

有趣的是，搜索引擎Duck Duck Go有意避免过滤器泡沫，以此为特色。他们明确要求用户明确意图，并显示“所有”相关结果，而不是依赖于用户先前的搜索活动得出的假设。

文化差异/期望

有时，信息偏好会受到文化的影响。例如，在中国，人们对名人的血型很感兴趣！

结论

虽然搜索体验得到了显著改善，但人工智能的进步正在推动搜索进入令人兴奋的新轨道。传统的“主动”模式正朝着不可预见的、“被动”的体验发展，这些体验无缝地预测并满足了我们的需求（需要更少的明确用户输入）。

随着我们从“信息时代”过渡到“智能时代”，我们越来越依赖产品和服务来满足我们的潜在需求，提供以前“主动”寻找的信息、建议和推荐。

搜索的未来的确是“更少的搜索”！