作者：于宜杉

对一组数据的洞察

这个题目与交互体验相关。作为致力于搜索引擎优化和互联网产品开发的我们，去实时发现各种网络行为背后的逻辑关联，是责任是义务，当然也是乐趣。

昨天 199IT互联网数据中心发布了RichRelevance调查美国消费者如何在线搜索和查找产品的最新的数据，总结一下有几个重点：

1、搜索对网购仍然非常重要，但零售商很难提供卓越的跨渠道和设备搜索体验。

2、86%的受访者在零售商网站（包括移动网站）购物时，表示搜索栏很重要。80%的消费者网购时总是或经常使用搜索。如果搜索体验不好，大多数受访者（72%）可能会离开零售网站，而且不会再访问。

3、购物者对诸如个性化、图像搜索和语音搜索等创新感兴趣，但这些还远没有成为主流。70%的美国人没用过语音助手查找产品信息或购买产品。年轻购物者比其他几代人更有可能使用语音搜索（43% vs总体平均水平：30%）。

4、人们更喜欢使用苹果 Siri（20%）和谷歌助手（17%）购物，亚马逊语音助手排在第三位（11%）。年轻消费者认为谷歌和苹果最终有机会获得语音购物领袖地位（18%和15%）。

5、不相关的产品结果（28%）是困扰消费者产品搜索的最大因素，其次是无法找到正在搜索的产品（24%），这两者其实可以划为一类：搜索结果不匹配（52% ）；

以及搜索功能无法识别使用的词语（18%）。

28%的消费者希望看到基于此前购物行为的个性化搜索结果，

52%的受访者希望他们拍下商品时展示类似或互补的产品。

从上述我们能看出什么？

首先，  ( 文字 ) 搜索目前仍属于用户当仁不让的交互习惯， 占比86%；

但是，搜索结果的不精准匹配是当前搜索技术的一个硬伤，抱怨者占比52%；

于是，在搜索之外， 正在衍生新的交互行为方式， 比如：机器人助手、语音搜索等，这里面潜在的痛点还是因为搜索结果单一，更深层问题在于数据挖掘不够深， 搜索只是索引和排序呈现，胜在数据量，但在数据的分析深度上有软肋，而这正是新一代交互技术的发力点所在。

SO，精准匹配的方式有哪些？

说精准匹配之前，必须要研究交互行为的演进规律。从信息获取这个角度看，浏览、点击是最基本的交互行为，后来有了搜索，但随着用户在网络上的行为参与越来越深入，信息获取的前因后果也变得越来越多维，常规的平面检索式搜索就会越来越吃力，所以这时就会出现高维度和立体化的交互方式，比如自动化和人工智能。

网络交互方式已经在整体迭代中，迭代的起源在于当前或者惯有模式的转化瓶颈，在搜索的场景里， 这个瓶颈就是搜索结果与信息需求的不精准匹配，更有透彻的说法是搜索引擎或将被新的网络引擎代替，对此我们可以充满期待。（ 这里说的搜索局限于百度或谷歌的入口级搜索， 而是泛指各种界面的搜索框，或者是泛界面搜索）

那么如何提升信息的精准匹配呢？目前看主要有两种方式：

1、自动化

2、人工智能

（BTW，已经听到不少人把自动化与人工智能混为一谈了）

先说人工智能，上面提到的语音助手当然属于这一类别，功能上看，它属于智能搜索，但从交互体验上看， 它又超越了常规的搜索，“系统干预”的意味更明显，具象一点形容就是：语音助手附体于聊天机器人之上，做着精准搜索，但它比常规的搜索框距离用户近了好多，它之所以敢站的更近， 其底气在于数据，在于对海量数据的分析和前后归因，它认为可以帮用户匹配到更精准的信息（事实上的精准还有差距， 但方向没毛病）。

真正的人工智能都是非格式化数据处理，是对问题或指令的随机精准响应，显然要达到这个效果还需要对数据和算法依赖一段时间，这是一个work of time, 是一个养的过程。那么短期看， 自动化反而比人工智能更可控、更精准，因为它是预先设定的标准答案， 绝对不会出现“ 你爱我吗？ ” “我要去遛狗”的对话，自动化交互的设定都是基于严格的场景限制，一般是通过“触发” 这个动作实现后续一系列的交互，其逻辑路径是，只有A， 才有B，尽管也是系统干预， 但系统承载的任务项没那么高， 它不需要随机响应， 而是固定响应，一切都是系统写死的， 只等用户端触发响应即可， 所以很多用户交互场景下， 自动化的精准效应非常显著。举一个最简单的例子， 比如你在一个EDM系统里发邮件，一旦达到一定邮件数量， 系统就推送一个奖励给你。这都是程序事先写好的， 都是格式化数据。这里并不需要一个机器人去随机判断推送与否。

“触发”的英文是trigger，在营销自动化领域是一个经典动作，分主动和被动触发两种方式，从已有数据看， 主动触发的比率并不低， 在一个页面的点击人群中，近35% 的人会去主动点击触发按钮，因为他走到这里， 其实已经自带疑问或者探寻的主观欲望。

触发行为有很多种，比如推送、引导等等，都是精准匹配度很高的一些触发行为，比如引导，引导是用户沿着一个流（程）到达当前、然后触发下一步的自然发生，所以前后关联度非常高，在一些任务流或者绩效流里面， 引导尤其是用户定向的引导已经是一个必备步骤。

但是，从长期看，自动化只能是AI的一个过渡和和缓冲，尽管触发点的设置也必须通过数据分析获得，但它远没有AI那么大数据处理量，然而各种触发数据尤其是触发后的交互行为数据却是AI成长最好的养料，其数据贡献的重要程度甚至一点都不低于自动化行为本身（但很多人貌似没有意识到这一点）。

现在，我们再回到信息获取和交互体验这个初衷，很明显你已经看到了一个演进的漏斗，从搜索、到自动化到AI，是一个结果匹配从多到精、到近乎一对一的过程。

搜索与人工智能

刚刚提到了自动化是一个过渡款，那么搜索呢是一个基本款，而AI将是一个标配款，但搜索与AI的关联或者说纠缠其实比这要复杂的多。

就谷歌来说，正在成为其主打业务的AI恰恰脱胎于其庞大的搜索业务根基，搜索引擎（爬虫）累积了海量的数据，可以说搜索引擎是AI算法最天然的培养基，反过来AI对于搜索引擎业务的推动也是最为直接，比如前面提到的智能化搜索、语音助手等等。

其实说智能搜索有点多余，搜索业务早就与AI水乳交融了。就搜索引擎优化SEO来讲，蜘蛛对于网站的权重判断、对于内容语义的分析早就开始了智能化之旅，真正的白帽SEO都知道，你面对的早就不再是一个只会机械判断关键词叠加的程序，而是一个会模仿人类思维与行为去进行网站体验的程序，然后它会根据自己体验的感受给出网站的权重。