Yelp是如何用數據驅動搜索過濾器的？

在美國最大的點評網站 Yelp 上，許多用戶都會使用高級搜索過濾器準確地查找某個地方。像“價格”、“距離”、“評級”這樣的過濾器很容易使用，但像“戶外座位”或“現場音樂”這種更 專門的過濾器就有些難用了。因此，他們需要尋找一種方法，在不影響用戶體驗的情況下，使用戶更方便地使用高級過濾器。Yelp數據挖掘工程師Ray M. G.近日 撰文介紹 了他們如何使用數據驅動搜索過濾器。

在設計新的過濾器之前，他們需要通過挖掘數據更好地理解用戶如何使用過濾器。他們發現，用戶選擇的過濾器很大程度上取決于他們使用的查詢詞。而 且，大部分用戶都只使用一個過濾器。他們由此得出，他們需要一種簡單的設計，只提供少數幾個同查詢詞相關的過濾器。以下是設計變化前后的界面：

圖一：舊搜索界面

圖二：新搜索界面

可以看出，新搜索界面隱藏了相關度較低的過濾器，極大地節省了頁面空間。而且，如果Yelp展示的過濾器不能滿足用戶需求，那么他們仍然可以點擊“所有過濾器”來選擇需要的過濾器。

為了支撐這種變化，他們需要構建一個模型。該模型可以接受一組信息特征（如查詢、日期&時間、位置、個人偏好及其他特征），并給出向客戶 展示哪些過濾器的建議。查詢字符串是最為重要的特征，但查詢文本是一種稀疏&長尾特征，且基數很大，很難為模型所用。他們希望可以構建一個函數， 將查詢文本映射成一個可以反映查詢與特定過濾器相關度的數值。下圖是他們構建的語言模型：

可以將該模型看作一個函數，輸入一個單詞序列，輸出單詞序列的概率估計。該模型是貝葉斯定理的一個簡單應用。在查詢一定的情況下，它可以計算出所 有過濾器的先驗概率P(filter|query)。可以看出，對于查詢詞“業余酒吧（after work bars）”，過濾器“歡樂時光”和“戶外座位”的概率值為正，說明它們與查詢相關，而過濾器“適合早午餐”和“適合孩子”被認為是不相關的。

為了測試該模型的有效性，他們使用了如下兩個指標：

• 過濾器使用率：由于Yelp搜索過濾器可以幫助用戶更快地發現相關內容，所以他們希望該模型可以提高過濾器使用率；
• 搜索質量：他們希望該模型推薦的過濾器有助于提供相關度更高的內容，提升搜索體驗。

測試發現，過濾器使用率較之前提高了20%，像“現在開放”、“快樂時光”這樣的過濾器使用次數明顯增加，而其他過濾器的使用次數稍微減少。在搜 索質量方面，他們通過連續的觀察發現，在測試人群中，搜索會話CRT（Click Through Rate，點進率）穩步上升。點擊數非常容易度量，但也是一個很容易產生迷惑性的指標，因為用戶點擊搜索結果，并不能讓被點擊的結果相關。因此，他們還輔 以其他指標，比如用戶找到相關結果所用的時間。按照Ray的說法，重新設計的搜索過濾器界面得到了一致好評，效果超出預期。