搜索日志分析实战：Query 分类与搜索满意度指标设计

搜索日志分析实战Query 分类与搜索满意度指标设计一、搜索日志数据金矿怎么挖每个有搜索功能的产品后台都沉淀着海量的搜索日志。用户每天在搜索框里敲下的每一个词本质上都是一条用户意图的显式表达——他想要什么他觉得这个产品能提供什么甚至他对产品的期望是什么。搜索日志分析的价值点至少有三个发现需求缺口搜了但没有结果的词就是产品该补的内容优化排序策略哪个结果被高频点击哪个被快速跳过直接影响排序调权衡量产品质量搜索满意度本身就是产品体验的核心指标为什么搜索日志是用户意图的显式表达而数据分析里大部分数据不是用户浏览商品、点击推荐、下单支付——这些行为数据都是隐含意图implicit signal你需要推断。但搜索日志不同用户在搜索框里敲下的每一个字都是他主动告诉你的——我想要这个。一个搜索无线降噪耳机 500以下的用户比一个浏览了10个耳机商品页的用户更准确地表达了他的需求。搜索日志的价值门槛不在技术而在于你把它当运维日志扔那了还是当成需求池来分析了。一个零结果词不是一句搜索又掉了的维保事项而是一个有明确用户需求但我们没满足的产品线索。本文整理了我做搜索日志分析的一套完整方法论从 Query 分类到满意度指标设计再到工程落地的细节。搜索日志分析全景流程二、Query 清洗与意图分类2.1 清洗流程真实世界的搜索日志有多脏各种特殊字符、拼音打错、emoji、火星文甚至用户直接粘贴一篇文章到搜索框里。清洗是第一步import re import pandas as pd from collections import Counter def clean_search_query(query): 清洗搜索查询词去除噪音字符和统一格式 参数: query: 原始查询字符串 返回: 清洗后的字符串 if not query or not isinstance(query, str): return # Step 1: 去除头尾空白 query query.strip() # Step 2: 截断过长的查询可能是误操作或粘贴内容 if len(query) 100: query query[:100] # Step 3: 去除 URL、邮箱等非查询内容 query re.sub(rhttps?://\S, , query) # 移除 URL query re.sub(r\S\S, , query) # 移除邮箱地址 # Step 4: 统一空白字符 query re.sub(r\s, , query) # Step 5: 去除纯特殊字符查询 if re.match(r^[^\w\u4e00-\u9fff]$, query): return # Step 6: 去除首尾的非中英文标点 query query.strip(。、…—·,.!?;:\()[]{}) return query.strip() def batch_query_analysis(df, query_columnsearch_query): 批量分析搜索日志统计基础指标 参数: df: 包含搜索日志的 DataFrame query_column: 查询词所在列名 返回: 分析结果字典和清洗后的 DataFrame # 清洗所有查询词 df[cleaned_query] df[query_column].apply(clean_search_query) # 标记无效查询 df[is_invalid] df[cleaned_query] invalid_rate df[is_invalid].mean() # 统计查询长度分布 df[query_length] df[cleaned_query].str.len() # Top 20 高频查询 top_queries df[~df[is_invalid]][cleaned_query].value_counts().head(20) summary { total_searches: len(df), invalid_searches: df[is_invalid].sum(), invalid_rate: round(invalid_rate * 100, 2), avg_query_length: round(df[query_length].mean(), 1), unique_queries: df[cleaned_query].nunique(), top_queries: top_queries.to_dict() } print(f总搜索次数: {summary[total_searches]:,}) print(f有效搜索: {summary[total_searches] - summary[invalid_searches]:,}) print(f无效率: {summary[invalid_rate]}%) print(f平均查询长度: {summary[avg_query_length]} 字符) return summary, df2.2 Query 意图分类分类是 Query 分析的核心。我们定义了几种主要的搜索意图类别示例特征精确搜索iPhone 15 Pro Max 256G包含品牌、型号等精确词模糊搜索好用的蓝牙耳机包含推荐好用便宜等修饰词功能搜索怎么退货修改密码以疑问词或动词开头导航搜索我的订单设置指向特定页面零结果搜索搜了但没有任何结果返回需求缺口信号import jieba def classify_query_intent(query): 基于规则 关键词的搜索意图分类 参数: query: 清洗后的查询词 返回: 意图分类标签 # 导航类搜索指向产品功能的短词 nav_keywords [我的订单, 购物车, 设置, 个人中心, 收藏, 优惠券, 收货地址, 余额, 会员] if query in nav_keywords or query.replace(我, ) in nav_keywords: return 导航搜索 # 功能类搜索以疑问词或动词开头 question_patterns [怎么, 如何, 为什么, 什么是, 怎样, 哪里, 为什么, 怎么办] if any(query.startswith(p) for p in question_patterns): return 功能搜索 # 精确搜索包含明显品牌/型号/规格词的较长查询 # 实际项目中这里会接入一个品牌/类目词库做匹配 if len(query) 6 and (any(kw in query for kw in [版, 型, 款, 代, 色, G, GB])): return 精确搜索 # 模糊搜索包含推荐/评价类修饰词 fuzzy_keywords [推荐, 好用, 好用的, 性价比, 便宜, 热卖, 排行, 必买, 值得, 哪个] if any(kw in query for kw in fuzzy_keywords): return 模糊搜索 # 默认归入模糊搜索 return 模糊搜索 # 批量分类 # df[intent_type] df[cleaned_query].apply(classify_query_intent) # intent_distribution df[intent_type].value_counts() # print(intent_distribution)三、搜索满意度指标设计3.1 满意度从哪来搜索满意度不是单一指标而是多信号融合的结果搜索满意度 f(点击行为, 停留时长, 转化行为, 回搜行为, 零结果)每个信号都有不同的权重和解读信号积极信号消极信号权重首条点击率点了第一个结果跳过前三都不点30%搜索后停留时长在结果页停留 30s秒关结果页20%搜索转化率加购/下单/收藏搜索后无任何操作25%回搜率一次搜索就满足5分钟内重新搜索15%零结果率有结果返回搜索无结果-10% (罚分)3.2 SQL 实现满意度计算-- 搜索满意度综合评分计算 -- 每行为一次搜索会话输出 0-100 分的满意度评分 WITH search_session AS ( SELECT s.user_id, s.session_id, s.search_query, s.search_time, -- 点击第一个搜索结果判定 MAX(CASE WHEN c.result_rank 1 THEN 1 ELSE 0 END) AS clicked_top1, -- 是否有任何点击 MAX(CASE WHEN c.click_id IS NOT NULL THEN 1 ELSE 0 END) AS has_click, -- 搜索后页面停留时间秒 COALESCE(MAX(c.stay_duration), 0) AS max_stay_seconds, -- 是否在搜索结果页后有转化行为 MAX(CASE WHEN o.order_id IS NOT NULL THEN 1 ELSE 0 END) AS has_conversion, -- 是否5分钟内有回搜 CASE WHEN COUNT(DISTINCT s2.session_id) 1 THEN 1 ELSE 0 END AS has_research, -- 是否有搜索结果 MAX(CASE WHEN s.result_count 0 THEN 0 ELSE 1 END) AS has_result FROM search_log s LEFT JOIN search_click_log c ON s.session_id c.session_id AND c.click_time BETWEEN s.search_time AND DATE_ADD(s.search_time, INTERVAL 5 MINUTE) LEFT JOIN order_log o ON s.user_id o.user_id AND o.create_time BETWEEN s.search_time AND DATE_ADD(s.search_time, INTERVAL 30 MINUTE) -- 检测回搜同一个用户5分钟内的搜索次数 LEFT JOIN search_log s2 ON s.user_id s2.user_id AND s2.search_time BETWEEN s.search_time AND DATE_ADD(s.search_time, INTERVAL 5 MINUTE) AND s2.session_id ! s.session_id GROUP BY s.user_id, s.session_id, s.search_query, s.search_time ) SELECT session_id, search_query, -- 综合满意度评分0-100分 ROUND( -- Top1 点击30分点中了就满分 clicked_top1 * 30 -- 停留时长20分按比例给分60秒满分 LEAST(max_stay_seconds / 60.0, 1.0) * 20 -- 转化25分有转化就给满分 has_conversion * 25 -- 无回搜15分一次满足给满分回搜不给分 (1 - has_research) * 15 -- 零结果罚分有结果得10分无结果扣10分 CASE WHEN has_result 1 THEN 10 ELSE -10 END , 2) AS satisfaction_score, -- 满意度等级 CASE WHEN ROUND( clicked_top1 * 30 LEAST(max_stay_seconds / 60.0, 1.0) * 20 has_conversion * 25 (1 - has_research) * 15 CASE WHEN has_result 1 THEN 10 ELSE -10 END , 2) 80 THEN 满意 WHEN ROUND( clicked_top1 * 30 LEAST(max_stay_seconds / 60.0, 1.0) * 20 has_conversion * 25 (1 - has_research) * 15 CASE WHEN has_result 1 THEN 10 ELSE -10 END , 2) 50 THEN 一般 ELSE 不满意 END AS satisfaction_level FROM search_session;四、从分析到行动分析结果的落地要做到可执行零结果的词按搜索量排序给出内容补全计划低点击率的词给出排序策略调整建议回搜率高的词做相关推荐优化。为什么搜索满意度用多信号融合而不是单一指标如果你只用首条点击率衡量满意度当搜索算法把热门但不相关的商品排到第一位时点击率反而会上升——因为用户看到第一个结果点进去才发现不相关。如果你只用转化率那就漏掉了大量搜到了想要的、确认了信息、但没下单的满意用户比如搜索退货政策成功找到退换货页面的用户他们不会下单但非常满意。多信号融合的核心理念是一个信号可能被误导五个信号同时被误导的概率极低。回搜率是一个特别重要的负向信号——用户在 5 分钟内换了词重新搜索几乎等于在说刚才那次搜索我没找到想要的。五、总结 踩坑提醒查询词截断 100 字符可能丢失长尾需求query[:100]的截断假设是超过 100 个字符就是粘贴内容但电商场景下存在商品全名搜索比如索尼 WH-1000XM5 无线降噪耳机 头戴式 蓝牙 高解析度音频 2024 旗舰款 银色长度可能 40-80 个字符但不违规。截断应该用正则检测是否包含 URL和是否包含句子结构多空格多标点而不是一刀切的长度阈值。满意度评分权重有主观性上线前要做权重稳定性分析你设了首条点击 30% 停留时长 20% 转化 25% 回搜 15% 零结果 10%但如果转化的信号在 90% 的搜索 session 里都是 0用户搜了产品信息但不一定会下单这个 25% 的权重就相当于白设了——评分主要由其他 4 个信号撑起。建议用真实数据跑一遍各信号的覆盖率和方差然后根据实际贡献度调整权重分配。回搜率检测的 5 分钟窗口在不同产品上需要不同设置电商产品用户 5 分钟窗口合理比价行为但内容型产品新闻/视频搜索用户可能在 30 秒内连搜 3 次不同关键词——这不是不满意而是在探索不同的资讯主题。建议先统计用户连续搜索的时间间隔分布P50/P75/P90基于 P75 来设置回搜窗口。搜索日志分析是一个典型的数据驱动产品优化场景Query 清洗是地基各种异常 case 要多积累正则表达式要反复打磨意图分类决定分析深度规则 词库的方式在中小规模场景中足够好用满意度是综合指标不要只看点击率多信号融合才接近真实用户体验分析结果 可执行的行动项零结果词按搜索量排序 → 内容补全计划这个闭环一定要走通搜索日志是产品的需求探测器每一个零结果词都在告诉你用户想要这个你快补上你们的搜索功能有做日志分析吗零结果率大概在多少评论区交流一下~