产品角度看用户query搜索需求

搜索引擎发展史（来自百度百科）：
第一代：分类目录时代
具体表现为导航网站，如雅虎、搜狐等，通过对问题的不断细分化，直到满足用户需求，但是随着网站越来越多，网络信息越来越多，该种方式不能够很好的曝光优质信息，不利于挖掘长尾流量，
第二代：文本检索时代
用户输入想要查询的信息，搜索引擎返回相关程度高的信息和网页。基于关键词的搜素方式，相对于第一代发生了质的变化，缺点在于返回的信息过多，需要用户筛选自己想要的答案，很像大学中的图书馆检索系统，比如你想学习音乐，后台就会返回给系统中所有和音乐相关的书，其他的筛选交给用户。导致用户搜索成本过高。
第三代：整合分析时代
解决信息过载和用户大多时候没有明确目标的问题，以更快更准满足用户需求

用户需要的不是最好的答案，而是最适合的
虽然近几年语音、图像识别技术高速发展，但是用户在搜索引擎上的主要行为仍然是query搜索，不同于其他的产品，query搜索时，用户往往已经明确了自己的需求或者有一个模糊的概念，换句话说，用户再为自己的需求找一个适合的答案。
搜索引擎在这个过程中需要做什么？
分析用户想要寻找的信息（需求）到底是什么–为用户推荐最适合的答案
用户需求类型
1、用户query的基本需求
比如“看电影”，表达出的是用户“想看”、“电影”
2、用户query传达出的需求
想看自己感兴趣的电影
3、用户潜在需求
电影分类、导演、演员、清晰度等等
4、用户扩展需求
如果是去电影院看，用户有使用地图、打车等潜在需求
如果是在线上，用户有选择平台、演员等潜在需求
观看电影过程中，用户有购买电影周边（书籍、衣服）等需求
不同用户在用query表达不同需求时往往会有不同的表现，有的query非常容易表述准确，比如“五月天有哪几个团员”，有的query则表达模糊或者语义模糊，导致这种结果的主要是用户没有组织好自己的关键词或者用户对于自己的需求只有一个模糊的方向。
如何挖掘用户需求（数据）
1.query角度：一个query背后多个用户需求的统计分布状况，在总体需求的叠加下，最主要的需求是什么，说的简单一点，就是大众效应。
2.用户角度：用户在搜索某个具体query时的需求判断，时搜索引擎最基本的搜素单元，个体需求更有针对性，更单纯一些。
3.某个领域中的用户需求
逻辑类似第一代搜索引擎，即针对符合该类型需求的query归类分析，得出需求的构成与特征，比如电影中的国家、电影类型等
判断用户需求
针对表述准确的query，只需返回最准确的结果。
针对表述不清的query，借助用户行为数据
如何借助用户行为数据
1.点击统计
点击统计平台统计query的不同检索结果点击量，例如搜索“五月天”的用户都点击了什么。
衡量维度：
搜索引擎的算法目的应该是结果越靠前受到关注越多，如果一个结果位置靠后，但是点击率比前部分高或者一致，可能后边这个结果效果更好，或者存在长尾效应。
如果用户搜索某个关键词比较多，但是总的结果点击率都比较低，就要考虑是不是整个结果的返回都不符合用户需求
小心诱导用户点击的情况，比如色情内容，这个需求并不是这个query的需求
2.session查询
用户搜索记录，查询目标query单个用户的网页搜索记录，比如前后搜索行为，点击结果，过程变换、时间间隔等，主要是精准确定用户意图。
这种方式多适合长尾query的需求判断
用户表现出的用户行为
1.知道自己知道，对自己的需求非常清楚，即使第一次query输入有偏差，但是重复性查询会比较容易
2.知道自己不知道，对想要的答案也并不是很明确，搜索引擎要做的是给用户最适合的答案