01 水果店的故事

有天，你看到旁边女神在吃一种白色草莓，看起来很好吃的样子。

你也想尝尝，于是到一家水果店。水果种类很多，你也懒得找，就直接问老板：

“老板老板！你家有没有草莓？都拿出来吧！”

“有的有的！我给你拿！”

老板很热情，不一会儿拿出来好几种，你定睛一看，只见标签上写着：

图1 老板给拿了三种草莓+两种其他水果

都不是你要找的那种草莓。你冲老板摆摆手：“我先自己看看吧！”

你逛了一圈，发现店里还有些老板没拿的品种。而且，你居然找到了女神吃的那种白色草莓！

图2 老板没拿出来的水果品种，其中刚好有你寻找的白色草莓，688元/kg

你咬着牙买了两颗，心满意足地离去。隐约听到老板娘在数落老板：“自家有啥水果都记不住，偏偏记不住的还是利润高的品种，净给顾客推荐一些不赚钱的，我们拿啥交房租嘛！”

02 搜索中的“召回率”和“准确率”

水果店里发生的故事，就是一次典型的搜索场景。

水果店里的所有品种可以分为四类：

图3 水果店的水果分类

• A和B，是老板给拿出来的水果；
• C和D，是老板没拿的水果。
• A和C，是与草莓相关的品种；
• B和D，是与草莓不相关的品种。

这里，我们认识/复习下搜索设计的两个指标：

• 召回率=检索到的相关结果/所有相关的结果=A/（A+C）
• 准确率=检索到的相关结果/所有检索到的结果=A/（A+B）

图4 召回率与准确率计算示意

水果店老板的搜索召回率为75%，准确率为60%。确实不太高，也难怪老板娘要发飙了。

03 招聘搜索的困境

目前，招聘的搜索也面临着与水果店老板相同的困境。

搜索时，大量的信息处在C区域，即相关但未被检索到。

对于B端雇主来说，付费招人的效果不佳；对于C端求职者来说，可找到的工作机会变少；对于平台来说，撮合BC的成功率低，收入降低。

这是一个三方都不乐意看到的局面。

如何改善这种局面呢？

我们需要做两件事情：

1. 让信息尽可能从C区域到A区域（提升召回率）。
2. 防止D区域的信息进到B区域（保持准确率）。

需要注意的是，虽然从定义和公式上看，召回率和准确率不相关。但检索策略并不完美，提升召回率、希望更多的结果被检索到时，往往会放宽检索策略，从而出现一些并不相关的结果，从而使准确率受到影响。所以提升召回率的同时要兼顾准确率。

为了缓解困境，我们发起了招聘搜索列表页改版的项目，核心目标是提升招聘信息的连接效率与连接占比。指标为人均投递量、投递人数占比。

04 搜索设计模式

我们梳理了召回率和准确率提升可用的设计模式，按照搜索不同阶段进行归类，形成了搜索设计模式矩阵。

图5 搜索设计模式矩阵

横轴表示搜索的各个阶段，纵轴表示召回率和准确率。矩阵部分是不同的设计模式，越往上代表对召回率的提升作用越明显，越往下代表对准确率的提升作用越明显。

我们可以根据需要，选取适合的设计模式来解决问题。

这里以招聘搜索列表页改版项目为例，对部分设计模式进行说明。

05 设计模式——跨库/跨类搜索

跨库指的是同时搜索多个数据库或是数据集，跨类搜索指的是跨越类别或分类进行搜索。这种模式非常重要，因为用户往往不知道该从哪儿开始搜索。只要内容散布于多处/属于多个类别，这种模式都值得考虑。

58是做分类网站起家的，目前仍延续着PC时代的分类体系，类别划分过多、过细，无形中增加了查找成本。已经无法满足B、C和平台三方的需求。

图6 58招聘对于餐饮职业类别的划分

同时，58涵盖多个业务，这种多业务属性使得其在搜索各个环节都需要选择分类（包括一/二/三级类），造成搜索结果集不断减少。

图7 目前在搜索时，最多需要选择四次分类

我们在《拆解 | 搜索体验的设计套路》一文中指出，分类搜索有三种方式：搜索框、搜索辅助区、搜索结果页分类选择。其中搜索结果页的分类搜索，可以将结果分门别类呈现，减少用户在搜索过程中的决策压力，也能够在不牺牲体验的基础上，展现尽可能多的结果和类别。

图8 分类搜索的常见形式，来源于《拆解 | 搜索体验的设计套路》

我们在保证平台一致性的基础上，对招聘搜索结果页的分类搜索样式做了改进。

图9 搜索结果页分类搜索样式优化

①扩大搜索类别

Old默认对搜索词进行类别匹配，展示关键词对应的二级类别下的结果。如搜索“设计师”，默认展示“美术/设计/创意”类别下的结果，如果想看“美容/美发”类别下的设计师，则需切换类别。

New扩大搜索类别，直接展示全部招聘类别。这样就扩大了搜索结果集，但会影响结果的精确性和选择效率，需要用其他方式进行弥补。

②保持类别切换入口

这里与58大搜、其他业务线保持一致，避免造成体验差异。

③整合分类

Old除了在②的位置进行二级类别切换，还需在③处进行三级类别切换，入口分散。New将三级类别切换入口整合进②，降低用户的理解负担与操作成本。

④⑤类别推荐

①中提到，扩大类别搜索后，容易影响结果的精确性和选择效率。这里通过在④顶部快速筛选标签和⑤feed细粒度筛选标签中，加入类别推荐，使用户直接点击触达所需类别，而无需在分类中查找。值得一提的是，这些类别需要依赖于推荐技术。

06 设计模式——预置搜索集

机器直接匹配的搜索结果可能会存在瑕疵，有时需要人工干预，以达到更好的召回率和准确率。我们可以预先匹配一些关键词-结果集，将其置于推荐、分类入口，以提高点击率，并通过不断地收集反馈，来完善结果。

如搜索关键词“配送员”，是一个跨越多个职业类别的关键词，在“物流/仓储”“餐饮”“超市/百货/零售”“人事/行政/后勤”均有结果。我们将这几个类别的结果打包，建立一个虚拟类目结果集，并且扩大搜索关键词，在搜索“快递员”“送餐员”“同城送”“外卖”“骑手”等词时也呈现相关结果。

预置搜索集的关键词可以放在搜索入口、搜索中间页、搜索结果页等多处，也需结合推荐技术使用。

图10 本次在搜索中间页预置了搜索集入口

07 设计模式——匹配标示

匹配标示是指在相关结果上匹配标示出与关键词相关的信息。可以提高搜索结果的可解释性，提升用户对于搜索准确性的感知，也便于用户快速锁定和判断相关信息。

我们依据语义分析技术和意图识别分析技术，对列表页职位卡片进行了样式和信息优化，做到了搜索结果的个性化。

C端在输入搜索词时，对他的搜索意图进行分析识别，同时分析抓取职位信息中可匹配的关键词，拼接形成标题、标签与推荐理由，做到千人千面，提高准确性。

如用户在搜索“普工”时，分析到他的求职类别为“综合维修工”，对于吃住、补贴和双休等福利较为关注，于是对结果集中的职位信息进行分析，调取关键词“普工”“包吃住”“周末双休”进行标题拼接，同时提取“加班补贴”作为标签、“工作环境整洁干净”“团队氛围融洽”作为推荐理由。

图11 匹配标示便于用户快速锁定和判断相关信息，提高准确性

08 设计模式——标签收集

以上的很多设计模式，都与推荐技术分不开。将推荐标签用于搜索召回，能够提升搜索召回的精准度。推荐的越准确，就越可以淡化和跨越类别的限制。这就需要我们建立完善的用户标签体系。

我们做了以下几方面的尝试：

1. 在用户首次进入招聘页面时，引导用户进行职位类别的选择。
2. 引导用户填写求职意向。
3. 引导用户定制精确的职位类别。
4. 在搜索结果列表页，通过细粒度标签引导用户进行选择。

其实，用户在App上的每一步操作，都可以为丰富用户标签提供帮助，这就是智能推荐的研究领域了。

图12 用户标签体系的完善，对于搜索结果的准确性至关重要

09 搜索设计模式的其他应用

除此之外，本次搜索列表页改版还应用了多种设计模式，例如自动建议、收藏/订阅、结果分页、排序优化、搜索结果反馈等等，篇幅限制不再赘述。

图13 本次改版用到的收藏/订阅设计模式

可以看一下最终的设计方案：

图14 招聘搜索列表页改版方案

10 设计复盘

这次搜索列表页改版，核心目标是提升招聘信息的连接效率与连接占比。

我们对业务目标进行了拆解，把目标定为在保持准确率的前提下，提升召回率。

提升召回率主要的策略是跨库/跨类搜索，打破了类别的限制，对搜索结果页的类目展示及选择形式进行了优化。

同时，建立了虚拟类目，预置了搜索集，并在搜索中间页添加了入口，引导用户去点击优化过的搜索关键词，并通过不断的反馈提升搜索集的质量。

此外，为了保持准确率，对搜索列表卡片进行的样式优化和匹配标示，通过智能拼接标题、标签和推荐语，帮助用户用户快速锁定和判断相关信息。在招聘多个页面中进行用户标签收集、对于搜索结果进行反馈收集与订阅引导，以保证推荐和匹配的准确性。

方案产出后，为探明各种设计模式因子的影响，我们将样式变化、标题拼接、打破类别限制作为单一变量，进行了六个方案的灰度测试。

各方案都维持了搜索准确率。总体VPPV、人均投递量、投递人数占比保持不变。在召回率上，每种因子都有所提升，影响力由大到小为：打破类别限制、标题拼接、样式变化。虽然一期仅上线了一部分设计点，但最优方案数据指标提升已达100%。

11 结语

搜索设计模式矩阵是我们在日常项目中总结出的一套模型，可有针对性地提高召回率和准确率，每种设计模式对应的设计策略与形式也有所差异，具体可根据场景进行丰富和扩展。篇幅有限，能力有限，难免有遗漏，欢迎各位同仁切磋指点。