浅谈搜索业务常见数据指标

搭建指标体系的方法论有很多，本期我们会结合GSM、OSM方法的理念来梳理指标，再结合搜索核心关注的分析维度，搭建出搜索指标体系。针对不同的使用对象，可以抽取设计出不同的数据产品以满足需求。

01 GSM（Goals，Signals，Metrics）方法

GSM是Google提出的一种自上而下度量用户行为的方法，通常用于衡量产品优劣程度：

•     G目标：明确设计的目标是什么？用户目标是什么？
•     S信号：当达到对应用户目标时，用户会做出哪些行为？
•     M指标：根据用户反馈的信号设计对应指标。

e.g.在电商场景下，从用户视角看，用户进入首页后发起搜索：

•     用户的目标G就是快速找到自己满意的商品并完成下单；
•     那么用户会发出一系列的信号S，即用户的行为轨迹流程：
•     打开电商APP，点击搜索框，输入query
•     用户浏览系统返回的结果，发现感兴趣的商品点击详情页浏览（也可能没有满意的商品再次发起搜索）
•     在浏览一系列商品后，找到合适的商品，加入购物车/下单完成支付
•     完成消费，离开APP

    我们就针对这些S来设计在整体目标G之下，拆解到每个S可以衡量其目标的指标M。

以下给大家实际拆解一下每个环节的指标

1. 打开电商APP，点击搜索框，输入query

在这个环节，我们希望有更多的用户可以发起搜索请求，指标设计需能够最直观反应搜索功能使用情况。

一般衡量指标有：

•     搜索量PV
•     搜索用户量UV
•     人均搜索量PV/UV
•     搜索渗透率（UV/大盘DAU)

也是我们常说的流量类指标，适用于日常的大盘监控

2. 用户浏览系统返回的结果，发现感兴趣的商品点击详情页浏览

在这个环节，用户搜索query后，肯定希望有结果返回，且返回的结果是自己想要的，并且能够快速找到自己感兴趣的内容，指标设计需反应出搜索后用户的消费情况与查找效率。

一般衡量指标有：

•     搜索点击量PV
•     搜索点击量UV
•     人均搜索点击量
•     搜索结果点击率CTR（点击量PV/曝光PV）
•     有点比（有点击的query/所有query）
•     首次点击位置
•     搜索到首次点击时长
•     换query率
•     搜索无结果率
•     搜索少结果率

3. 在浏览一系列商品后，找到合适的商品，加入购物车/下单完成支付

在这个环节，用户希望能够快速完成交易，和其他场景下的下单支付并无多大区别，指标设计核心关注搜索场景带来的GMV贡献。

一般衡量指标有：

•     搜索GMV及占比
•     搜索ARPU（搜索GMV/搜索UV）
•     下单转化率
•     支付转化率

4. 完成消费，离开APP

在这个环节，用户离开APP有两种情况，一种是搜索后没有满意的结果直接跳出，另一种是完成服务后离开，离开后是否还会回来取决于APP的定位及粘性。

一般衡量指标有：

•     搜索跳出率（搜索后没有任何点击操作就退出了）
•     N日留存率

通过以上过程，我们梳理了用户视角下的行为流程对应的指标。

当然这个方法还有另外一个视角，就是从系统/公司/平台的角度看，这里的信号S对应的行为流程就完全不一样了。

对于系统而言，我们的目标肯定是希望更高效率地解决用户的问题。

当用户发起搜索，系统会经历一系列处理过程：

•     query预处理（拼音转文字、纠错、同义词转换等）
•     意图识别（搜索迪奥999，识别发现用户搜索的是美妆类目）
•     召回
•     排序

最终我们针对以上过程设计指标，用以反映我们的算法与策略的性能与优劣。这块策略类指标在本期不展开，后面有机会再给大家分享。

02 OSM（Object，Strategy，Measure）方法

了解了GSM梳理指标的方法，这里再给大家介绍一种OSM方法，实际工作过程中，也是会综合采用不同方法梳理不同维度的指标，让我们的指标体系更加完整。

OSM方法也是从目标出发梳理指标，与GSM不同的是，GSM更多是从业务流程的链路出发梳理指标，OSM则可以帮助我们从运营/策略的角度梳理不同链路的指标。

OSM是一套业务分析框架：

•     O业务目标：确定当前业务/产品/项目的核心目标是什么
•     S业务策略：为了达成上述目标财务的业务策略是什么
•     M业务度量：针对业务策略S，为了衡量策略的有效性而设计的数据指标

e.g.在目标上，和推荐场景不同，搜索的用户是带有明确的需求的，用户自然希望能够最快获得自己想要的结果。那么我们的目标O希望能够提升用户搜索的效率，从用户搜索行为的前中后，我们分布设计了不同的策略S：

•     搜索前：搜索推荐（在首页搜索框内有搜索推荐词，可以点击搜索直接发起搜索）
•     搜索中：搜索sug缩短用户输入的时间、搜索历史让用户快速发起搜索、搜索发现给用户搜索建议
•     搜索后：通过算法提高结果与query的匹配度，同时当结果类型较多的时候，设置锚点tab让用户可以快速定位到自己想要的内容页

指标M设计应体现出策略对于实现目标的有效性。

此次策略中设计指标有：

不同策略的PV/UV（有没有人用）：

•     sug点击量PV、sug点击UV
•     搜索历史点击量PV、搜索历史点击量UV
•     搜索发现点击量PV、搜索发现点击量UV
•     锚点tab点击量PV、锚点tab点击量UV

策略有效性（有没有用）：

•     首次点击位置
•     首位点击次数
•     搜索时长
•     搜索到首点时长
•     搜索点击率CTR
•     有点比

此方法也同样适用于设计监控一次运营活动、一次产品迭代效果的指标体系。通过设定清晰的目标，制定达成目标的策略，梳理对应策略的衡量指标来搭建指标体系。

03 搜索关注分析维度

通过以上指标的梳理，我们已经可以基本了解当前搜索业务的情况了。但是光看指标总量是不够的，总量是一个最终统计值，没有实际行动指导意义，需要和维度相结合，当发现问题时可以快速定位问题制定解决方案，同时也有一些维度是搜索核心关注的。

常见搜索的分析维度有：

• 用户类：

    新老用户：这是所有场景都非常关注的维度
    用户活跃度：高活跃用户、中活跃用户、低活跃用户（一般通过规则界定，需结合自己公司的实际情况来定）
    登录状态：游客/注册用户/登录用户
    性别、年龄段、地区等用户基础属性
    其他用户维度……

• 物品类：

    搜索query：看用户对平台哪些内容更感兴趣，很重要的维度，做搜索优化时需要对query进行分析
    搜索品类：美食/美妆/3C/家电等
    其他物品维度……

• 时间维度：也是很重要的维度，看增长趋势

    日/周/月
    周末/节假日/寒暑假

• 搜索类型：

    搜索方式：主动搜索、搜索历史、推荐搜索、相似搜索、sug搜索

具体需要哪些维度可以结合公司的业务来定。