一、什么是需求满足

1.1 什么是需求满足

    　　用户来搜索“章鱼 保罗”，就文本相关性而言，搜索引擎只要返回和“章鱼 保罗”内容相关的结果就可以了，这样用户是否满意呢？

     　　用户甲：听说章鱼帝挂了，来看看最新结果，怎么全是8月份的，往后翻页中…

     　　用户乙：今天同事们在讨论章鱼哥挂了，章鱼哥是啥？我又out了，来搜索一下章鱼帝生平事迹是啥，怎么全是最新的结果，没有章鱼哥的介绍啊，变换个query看看

     　　用户丙：我是铁杆球迷，看完章鱼哥，再看看足球相关的吧，鲁尼，杰拉德是否又进球了，怎么连个相关推荐都没有，还得我亲自输入。

     　　用户丁：找个章鱼哥的头像用一下吧，一定很拉风，怎么全是结果没有方图呢，这么扁的图怎么用啊

     　　用户戊：换个章鱼哥的壁纸，也许下次买彩票能发大财，咦，怎么全是小尺寸的图…

     　　(以上信息通过分析2010-10-27用户session得出。)

     　　笼统的说，用户向搜索引擎表达他的需求，搜索引擎理解用户需求，提供各不同的需求下的资源，这整个过程可统称为需求满足。简单说，就是除了基础文字相关性之外的rank工作，都属于需求满足的范畴，也就是说，提供给用户的检索结果，不仅仅要求在字面上是和用户输入的文字相关的，还要满足用户的各种不同需求。

     需求满足在rank体系中所处的位置：

1.2 为什么需要需求满足

    　　用户通过query表达了自己的需求，而对于大部分query来说，尤其是具有隐含需求的query，仅仅字面匹配的查询结果未必能够满足其需求。目前我们的排序系统是主要是基于文本相关性这个维度的，权值体现了query中的term与obj的相关程度，在这个体系下，相关的结果未必能够满足用户需求。

     　　例如前面提到的“章鱼 保罗”的例子，显然，这些需求在文本相关性这个维度下很难解决，尤其涉及到突发时效性需求，泛需求等。

1.3 需求满足包含哪些工作

    　　从上面的例子中，可以看出，需求满足需要解决时效性需求问题，多需求问题，相关推荐，size需求，素材类需求，浏览引导等问题。除了基础文本相关性以外的rank策略以及为了这些所做的query分析工作可认为属于需求满足的工作，另外还包括前端结果展现与用户引导浏览的工作。

     　　Image需求满足，按照不同的维度，可以划分为如下几个方面：

     　　　　a.需求识别

     　　　　b.资源建设

     　　　　c.需求调权

     　　　　d.结果组织与推荐

     　　　　e.用户引导交互

二、需求满足如何做

    　　需求满足要解决的核心问题：

     　　　　需求识别

     　　　　资源建设

     　　　　需求调权

2.1 需求的识别

2.1.1 需求的类型

    　　识别query有哪些需求，以及需求的强弱，是最基础的工作。首先要有需求的体系，能完备的描述各种需求，其次是如何识别这些需求，把每个query的需求对应到这个体系中去。

     　　基于统计的需求识别

     　　通过对大量的数据统计分析，可以识别出query有哪些方面的共性。可供分析的数据很多，比如用户行为数据，点击反馈，检索结果等。

     　　比如：搜索“章鱼 保罗 壁纸”，通过统计用户点击图片的长宽数据，发现用户点击的图片，大部分是长宽比较大的图片，而“章鱼 保罗 头像”则恰恰相反。

     　　又比如通过分析大量用户的检索数据，发现相当部分的用户在检索“章鱼 保罗”之后，又检索了足球相关的关键词，那么可以识别“章鱼 保罗”和足球有着很高的关联度，在给用户推荐相关搜索时，可以插入足球相关的推荐。

    　　 专名&需求词

     　　判断query中包含专名或者需求词等关键词，是最直接的方式。比如“章鱼 保罗 头像”，用户在query中显示的表达了头像方面的需求，其中就包含了尺寸方面的需求，头像是需要小尺寸的图，如右图所示，这时候出一张大的图片就不符合用户需求了。

     　　 时效性需求

     　　时效性需求的识别，主要是通过用户检索量的突发以及资源数的突发来判断。

     　　检索量的突发，可以通过累积每个query的每天的用户检索频率，用连续多天的用户检索频率，计算当天检索量和历史比较，是否有突发，进而判断是否有时效性需求的强弱。资源数方面的判断，可通过类似的方式挖掘。

     　　比如“章鱼 保罗”，在世界杯期间，该query，以及相关query的检索量，相比世界杯之前，用户检索量有了爆发性的增长，并且持续保持在高检索量的状态，则可认为是有时效性需求的query。

2.2 需求的满足

    　　识别出query有哪些需求，下一步的工作就是提供相应的资源。

2.2.1 资源的挖掘

    　　如何获得满足需求的资源，是需求满足的另一个核心问题。在资源上，通过某一个或者几个特征组合，能够把满足要求的资源和不满足要求的资源区分开，找到用户需求需要的资源，去掉不满足要求的资源，是主要的工作。

     　　内容属性特征

     　　对内容属性维度来说，可以分为底层的物理特征，中层的物体识别和高层的语义特征。

     　　对于底层的物理特征，相对比较简单，包括尺寸，颜色，格式，清晰度饱和度等，中层特征，有人与非人的，色情图片的，整车的识别，手机图片的识别等；对于高层的语义特征，包括场景的识别，图片风格的识别，情感的识别，比如是室内还是室外，是否非主流风格等，都可以作为资源筛选的特征。

    　　 话题属性维度

     　　话题属性维度，是指动物，植物，帅哥，美女，军事，体育等等各种不同的话题，我们希望把图片能按照这样一个分类进行一个划分。

     　　比如，通过这个分类，我们可以知道哪些图片是头像类的，哪些是壁纸的，哪些是足球体育相关的。用户在搜索“章鱼 保罗”时，可以推荐足球相关的资源。

     　　 时效性资源的收录

    　　时效性资源，可以很容易的通过收录时间来判断，和非时效性资源区分开。时效性资源的来源一般包括新闻站点，各大论坛，bbs等社区类网站。

2.2.2 需求调权

    　　明确了query的需求，挖掘了满足需求的资源，那么如何把满足需求的资源rank到前端呢？

     　　对于各种不同的需求维度，都有自己的调权的策略。比如“章鱼 保罗 壁纸”，我们识别出有尺寸方面的需求，那么可以把尺寸比较大的图片，进行加权；又比如时效性的需求，可以直接在前三页插入的时效性库的结果，这是因为时效性需求是一个强需求维度，简单的加权，不能保证结果调整到前三页。

     　　目前这种策略直接叠加的调权方式，优点是简单，直接，缺点也比较多，最大的是不可控，一个维度上的调权，会对最后结果造成多大的影响，他说的话分量有多大，不知道。

三、结语

    　　对于需求满足未来，要向智能化，自动化，多样化的方向持续发展。我们最终的目标是把需求满足这个方向做没了，需求挖掘，资源满足全部自动化，做到“手中无剑 心中有剑”。

By liukaikui

建议继续学习：

1. 不懂技术的人不要对懂技术的人说这很容易实现    (阅读：4433)
2. 关于架构的一句话，还有一个实例    (阅读：3593)
3. 用Unix的设计思想来应对多变的需求    (阅读：3610)
4. 百度PM万维雅：需求把握和正确决策    (阅读：2709)
5. 需求评审与讨论问题的基本方式    (阅读：2984)
6. 如何准确看清用户需求？    (阅读：2572)
7. 用户的地图需求分析    (阅读：2408)
8. 如何媒体正确的看待：产品需求文档和产品需求    (阅读：2259)
9. 姐要的视频广告    (阅读：2259)
10. 分析用户需求：在场景中寻找“痛点”    (阅读：2076)