站内搜索词表维护：让搜索结果更准

星图导航配图

站内搜索是个很不起眼的功能，用的人也不多，但用的人往往是找具体内容的人，转化价值比自己随便逛的高得多。搜不到东西，用户当场就走。搜索结果不准，基本都是词表没维护好。词表不是写完就不管的东西，得跟着用户的实际搜法持续改。

搜索不准通常是三件事

第一，词没被正确切分。中文搜索最怕切错，用户搜“图片压缩工具”，切成了“图片”“压缩”“工具”三个词去匹配，结果出来一堆只提到工具的文章。处理方式是在搜索前先做一次同义词替换，把常见组合词当成整体。

第二，搜了但没有。库里有内容，因为标题和正文用了不同的说法，匹配不上。用户搜“备案”，你的文章标题写“ICP 资质办理”，就搜不到。这类问题占搜索结果差的比例最高，靠同义词表解决。

第三，结果排序差。明明有最匹配的内容，排在了第五页。这不是词表问题，是权重问题，得单独调。

别拍脑袋想用户会搜什么。搜索框旁边加一个记录，把每次搜索的关键词、时间、结果数量记下来。跑一个月，你会看到真实的搜索分布。

重点看三类记录。第一类是有搜索但零结果的词，这些是明确的内容缺口或者词表缺口，优先级最高。第二类是搜索次数多但点击率低的词，说明结果不匹配，用户看了一眼就走了。第三类是一次都没搜过的词，说明你的内容没有引导用户去搜。

零结果的词怎么处理？分两种。如果这个词确实有价值，说明你缺这个主题的内容，记进选题库，后面补文章。如果这个词是用户表述不同，加进同义词表就行。判断方法很简单：搜这个词的人多不多，多就是有价值。

同义词表就是一组组的词，每组内的词在搜索时视为等价。做法是维护一个文本文件，一行一组，词之间用竖线或者逗号分隔。

建设的顺序是：先覆盖行业基础词，再覆盖你站内常用的表述，最后补充从搜索日志里挖到的真实说法。别一次建两百组，先用二十组把高频的覆盖掉，跑一周看效果再扩。

同义词表要能热更新。改完不用重启服务，下次搜索就生效。做法是把词表存数据库或者缓存里，加一个后台页面能编辑，改完清一下缓存。写死在代码里的词表，改一次要发一次版，没人愿意改。

停用词是搜索时要忽略的词，比如“的”“怎么”“如何”“教程”“下载”。这些词出现频率极高但没有区分度，留着会拖累匹配精度。建一个三十到五十个词的停用词表，搜索前先剔掉。

注意别把有用的词误列进去。“工具”“方法”这类词看着像停用词，但在某些搜索里是关键信息，列进去反而降低效果。判断标准：去掉这个词之后，搜索结果有没有明显变化，没变化才进停用表。

错别字靠两种方式处理。一是拼音匹配，用户打错字但拼音对，也能命中；二是常见错字映射，把“图床”和“图窗”、“备案”和“备安”这类写进同义词组。第二种成本低但覆盖有限，第一种效果好但要求搜索支持拼音索引，看你的程序支持哪种。

排序的目标是让最匹配的排第一。不用做复杂的算法，三个权重够用：标题命中权重最高，摘要命中次之，正文命中最低。再叠加两个信号：内容更新时间近的加权，浏览量高的加权。

具体实现上加一个打分函数，每个结果算出总分再排序。分数不用太精细，能拉开差距就行。调完之后用十几个典型搜索词验证，看第一条结果是不是用户真正想要的。不对就继续调权重，别追求一次到位。

还有个细节：完全匹配要给额外加分。用户搜“图片压缩”，标题正好是“图片压缩怎么做”，这种应该排第一，而不是被一篇只提了一次的长文压下去。

三个细节能明显提升搜索使用率。一是搜索框里放提示文字，写“搜工具、搜教程、搜关键词”，比“请输入关键词”具体。二是未输入时给推荐，点进搜索框就显示当前热门的五个词，减少思考成本。三是无结果时别只说“没有找到”，给两个替代方案：换个说法试试、看看大家都在搜什么。

还有个容易忽略的：结果摘要要能看出匹配在哪。用户搜“备案”，摘要里高亮显示“备案”两个字，一眼就知道是不是他要的。不标出来，用户得一个个点进去确认，多数人点两个就烦了。

一个月做一次，一次半小时。三件事：拉搜索日志看零结果和高频低点击的词，更新同义词表，清一遍停用词。动完立刻验证，拿十个词搜一下看结果对不对。

记录也简单，建个表写清楚每次改了什么、为什么改。半年后回看，哪些改动有效一目了然。词表这东西，改得越久越准，前提是每次都留痕。

站内搜索的价值不在技术复杂度，在词表是否贴合用户的真实说法。多花半小时看日志，比换一套搜索程序有用。