文章封面示意图:一条搜索结果的标题、摘要、落地页与页脚四个检查位置
阅读口径

本文讨论相关搜索词的一般生成逻辑,不涉及任何具体搜索引擎的实现细节,也不提供任何地址。

八个词从查询日志里来

相关搜索的基本素材是查询日志:大量用户在搜某个词之后,又搜了什么。系统统计两个词在同一会话里出现的频率,把高频的搭配挑出来,再去重、过滤、排序,最后取前几个显示。所以那八个词反映的不是“有多少人在搜”,而是“搜过这个词的人,接下来常搜什么”。这两个说法差别很大:前者是绝对热度,后者是相对搭配。

共现、点击与去重

具体处理有三步。第一步是共现统计,看两个词是否经常一起出现;第二步是点击反馈,看用户是否真的点了含这个词的结果;第三步是过滤,把违规词、无意义词、重复词剔掉,再按某种权重排序。三步都不涉及内容核实,也就是说,一个词能出现在这里,只说明它常被一起输入,不说明它指向的页面可靠。

为什么总是“今日”“最新”“入口”

“今日”“最新”“入口”这类词高频出现,原因是它们是最常见的同义扩展。用户搜一个站名,往往想知道“今天还能不能打开”“最新的是哪个”“从哪里进”,这些意图会被固化成固定的后缀词。于是推荐位里总是这几个词,看起来像“大家都在找新入口”,实际上只是“这类查询天然带时间与路径两个维度”。它是语言习惯的镜像,不是某种集体判断。

可执行检查单

  1. 01把推荐词抄下来,按正式名、俗称、时间变体、路径变体分类。
  2. 02用其中两三个词分别重搜,比较结果的差异而不是数量。
  3. 03观察推荐词里有没有“关于”“条款”这类词,缺什么也是信息。

一个常见问题

推荐词排在第一个,是不是说明它最热?

不一定。排序可能参考共现频率、点击率、去重后的权重,也可能掺入地域与个性化因素。它能说明这个词与你的查询关系紧密,说明不了它的绝对搜索量。要判断热度,需要的是公开的统计口径,而推荐位从来不提供口径。

把它当同义词表用

比较有用的用法,是把它当成同义词表。它告诉你这个领域里还有哪些说法:正式名、俗称、缩写、带时间词的变体、带路径词的变体。拿这些词去补充你的搜索,能查到单用一个词查不到的材料;也可以反过来用——如果你搜一个词,推荐位里全是“下载”“免费”“入口”,而没有任何“关于”“说明”“条款”,这本身就是一条关于结果生态的信息。别把它当热度证明,当词典用就好。