交互与用户体验 / 系统课时

确定站内搜索的检索字段

确定站内搜索的检索字段

帮助中心明明有“退款多久到账”文章,用户搜“退钱几天到”却找不到,通常是检索字段或词语映射没有覆盖查询。本课以售后知识库为例,确定标题、摘要、正文、标签和结构化字段的检索职责,并用固定查询集验收搜索范围。

学习目标

  • 根据用户查询意图决定哪些内容应当被检索、哪些应当过滤。
  • 为五类字段设定可执行的检索范围和初始权重。
  • 建立同义词映射规则,并验证漏召回与误召回问题。

从用户问题反推检索范围

先从近 30 天的脱敏搜索日志、客服工单和帮助文档中整理至少 20 条真实查询。不要只拿文档标题当测试词,因为用户通常使用口语描述任务,而不会准确复述编辑制定的标题。

查询意图 用户输入 应命中的内容
找操作步骤 怎么申请退货 退货申请流程
找政策规则 退款几天到账 退款到账时间
找功能入口 去哪看退款进度 查看退款进度

这三类查询都可以检索公开帮助文章,但检索范围不能无限扩大。如果用户输入具体订单号并希望查看个人退款状态,应引导到登录后的订单查询入口,不能把私人订单数据加入公开知识库全文索引。

每条查询都应记录原始用词、查询意图和期望命中的内容 ID。这样才能区分“文章没有被索引”和“用户使用了不同表达”这两种问题。

明确五类字段的检索职责

以下权重是帮助中心上线前的初始设计值,表示不同字段命中时的相对优先级,并非所有搜索引擎通用的配置参数。实际排序还需要考虑词项匹配程度、短语完整性和内容质量。

字段 是否检索 初始权重与处理方式
标题 title 是 5;优先匹配完整任务名称,如“退款多久到账”
摘要 summary 是 3;覆盖问题描述、适用条件和处理结果
标签 tags 是 4;使用受控词,如“退款”“到账时效”
正文 body 是 1;只取文章主内容,排除导航、页脚和重复模板
结构化字段 按字段决定 topic 可按权重 2 参与召回;platform、content_type 用于筛选,status 用于发布状态控制

例如检索“退款多久到账”时,文章 A 同时命中标题、摘要和标签,按简化加分法得到 5+3+4=12;文章 B 仅命中标签和正文,得到 4+1=5。这个算例用于核对字段优先级,不等同于 BM25 等实际排序算法。

建立索引时,只纳入已发布且当前用户有权查看的内容。停用文章不得继续出现在结果中。一个内容通过栏目、标签等多个入口被引用时,应按 content_id 去重,避免搜索列表出现重复卡片。

给同义词映射设置明确边界

同义词表用于补足用户语言和编辑语言之间的差异,但不能把同一业务流程中的所有词合并。尤其需要区分申请退款、退款进度、退款到账和退款失败,它们对应不同的用户任务。

用户用词 检索扩展词 处理原因
退钱 退款 常见口语与正式业务术语对应
钱几天到 退款多久到账 仅在退款意图明确时进行短语扩展
退款进度 查看退款进度 补全功能入口名称
退货 不扩展为“退款” 退货申请与资金退回是不同任务
退款失败 不改写为“退款到账” 异常处理不能被正常到账说明替代

维护两份记录:一份是规范词与允许的别名,另一份是明确禁止合并的易混词。对“退钱”这样的词,可以同时保留原始词和扩展后的“退款”参与检索,而不是覆盖用户输入。

同义词规则还应记录适用业务范围。例如“退费”在部分场景可作为“退款”的别名,但不能未经确认就跨课程、会员、商品等业务全部合并。

串起一次实际检索

以用户输入“退钱多久到账”为例,检索链路应当按以下顺序执行:

  1. 清理首尾空格并保留原查询,根据词表将“退钱”扩展为“退款”。
  2. 在已发布、当前用户可访问的内容范围内检索标题、摘要、标签、正文及允许参与检索的 topic。
  3. 根据匹配质量与字段权重排序,优先展示“退款多久到账”,把“查看退款进度”作为相关结果,而不是当作同一篇文章。
  4. 显示与实际命中内容一致的标题和摘要;没有结果时提供“退款”“退货”等建议词,不能自动跳转到无关文章。

用户查询经过同义词扩展、字段检索与筛选后形成搜索结果的关系

这张数据流图对应三项可检查的配置:检索哪些字段、查询怎样扩展、哪些内容有资格进入结果集。检索字段负责召回,筛选字段限制结果范围,同义词规则补足表达差异,三者不能相互替代。

用固定查询验收字段选择

从原始搜索日志中抽取 20 条应有答案的查询,覆盖操作步骤、政策规则、功能入口和口语表达。每条提前标注目标文章 ID,冻结测试集后再调整字段和权重,避免边测试边修改判断标准。

测试查询 期望的首位结果 重点检查
退钱多久到账 退款多久到账 同义词能否召回
退款到哪一步了 查看退款进度 入口与规则是否区分
退货要付运费吗 退货运费规则 正文与摘要能否补全标题
退款失败怎么办 退款失败处理 是否误推正常到账说明

初期验收可以设定以下项目目标:

  • 20 条正向查询中,至少 18 条在前 3 位找到目标文章,即 Top 3 命中率不低于 90%。
  • 正向查询的零结果数不超过 1 条,即零结果率不超过 5%。
  • 额外准备 5 条易混词负向用例,例如“退货”不得被当作“退款”的同义词,要求错误扩展次数为 0。
  • 未发布内容和越权内容出现在结果中的次数必须为 0。

如果指标未达标,先检查文章是否进入索引,再检查字段覆盖、同义词映射和筛选条件,最后调整排序权重。不要仅靠提高正文权重掩盖字段缺失,因为这样可能让大量只包含零散关键词的文章排到前面。

最终应形成一份可供产品、内容和开发团队共同验收的交付物:五类字段的检索配置清单、受控词与同义词表、带目标 ID 的测试查询集,以及每次调整后的命中率和误召回记录。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

确定站内搜索的检索字段

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通