写在前面
终于要开始写揭秘淘宝搜索的文章了，2013年1月自媒体”鬼脚七”刚开始的时候，我说如果微信”鬼脚七”粉丝数达到10万，我就开始写《揭秘淘宝搜索》，在这个账号中连载，没想到很快就到了。当时我还在负责淘宝搜索的产品，现在我不再负责淘宝搜索业务，正好可以专心写淘宝搜索的文章。
之所以写想写这个系列的文章，有几个原因：
1 淘宝搜索对于一个卖家来说，太重要了。目前又没有系统性的介绍，我之前答应过要写，这次刚好有机会。可以供卖家参考。
2 我负责了4年多的淘宝搜索技术和产品，如今不再负责搜索业务了，也希望能写一些文章，做为总结。也算对自己交代。
3 目前对于购物搜索方面的文章太少，我写出来，可以让其他做购物搜索的同仁们有所借鉴。
搜索这十多年，就像一幕电影。我现在只不过把剧本零星的整理出来形成系列的文章。
我假定的读者对象是搜索相关产品和技术人员、所有淘宝和天猫上的卖家，以及其他对购物搜索感兴趣的朋友。因此文章不能太技术，但又不能太没有技术，这是很有挑战的地方。所以大家不要期望太高，照顾一下其他读者。
虽然是计划写揭秘淘宝搜索系列，但我希望我的文章包括淘宝搜索、一淘搜索、天猫搜索、以及阿里巴巴B2B的搜索，也不会有真的内部秘密要公开，能公开的就不是秘密。
那几个搜索引擎
B2B、B2C、C2C这些名词想必都很熟悉，还有现在比较新潮的O2O, C2B。所谓的模式，都是做出来以后总结出来的。先知先觉设定某个模式，然后去搞，十有八九不会成功。此文章系列不谈这些，着重谈搜索技术，不同的搜索引擎，搜索的原理基本一致，只是在产品策略，排序因素上有各自的特性。
如果讲这几搜索引擎技术的完整性，一淘搜索最完整。具体技术以后再讲，先说说一淘搜索。
中国最大的全网购物搜索是一淘搜索（淘宝搜索不是全网购物搜索），但明显一淘搜索还不属于购物的主要入口，相比淘宝本身还很小，看似一个很好的应用，却一直没有得到市场的认可。原因是多方面的，我这里列几个：
当市场一家或几家独大的时候，站内的购物搜索已经能解决用户90%的需求，全网购物搜索引擎的需求不大；
购买商品不同于浏览网页，需要输入账号，很少有人愿意到一个地方搜索，然后到另外一个地方重新输入账号、浏览、购买，然后再回来进行搜索的；
各个电商网站的数据非常不一样，如果搜索产品想做到非常好用，技术难度不是一般的高。
淘宝搜索是最有挑战性的。我从2000年开始做搜索技术，先后做网站的站内搜索、企业知识搜索、网页搜索，最后做淘宝搜索。这十几年中，遇到最具挑战性的就是淘宝搜索。虽然数据量不是最大的，但其技术的复杂性，一点都不低于网页搜索，更具有挑战的是，其产品策略太难制定，在考虑用户体验的同时，还需要考虑几百万卖家的利益。而且道高一尺魔高一丈，无论多好的策略，很快就可能被市场破坏。
天猫搜索和淘宝搜索都是同一套技术体系，因为他们要解决的问题都是一样的。天猫的数据量小，商家数只有淘宝商家数的百分之几，商品量也很小，天猫搜索的产品策略和淘宝搜索有明显的不一样。天猫搜索不担心马太效应（马太效应是指大者越来越大，小者很难成长），天猫可以通过制度要求让卖家配合很多规则，例如商标、图片、正品要求、发票等。当然，天猫搜索还会倡导品质，而不是便宜。
淘宝搜索和天猫搜索都有两个类型的应用，一个是直接关键词搜索，一个是类目浏览（也就是list）。前者好理解，后者是指当用户通过某个类目名称进入到商品列表页的时候，出现的搜索结果。这两者都是调用的同一个后台，只不过排序因子有些不一样。
阿里巴巴B2B的搜索，也就是1688的搜索，我自己还不太了解，等过些天我去拜访一下相关的负责人，再向大家做介绍。
淘宝搜索VS. 网页搜索
我们平时用网页搜索引擎更多，为了让大家更清楚了解淘宝搜索的特点，我这里把网页搜索和淘宝搜索的特点做个对比。
一、搜索流量的价值
淘宝上每个卖家店铺流量来源主要分成三部分：推广流量（付费广告或免费活动）；老客户（直接登录、收藏等）；搜索流量。由于推广活动的持续性问题，搜索流量基本上决定了一个店铺新客户来源。如果一个店铺新客户来源不够的话，在市场上会日益衰落。
目前的网页搜索引擎公司，盈利的主要来源还在搜索广告。但对于网页搜索引擎来说，不是所有的流量都有价值，例如：在百度上搜索“李湘”，估计就没有什么广告，大多是明星新闻八卦什么的。一般的网页搜索流量中，大约20%～30%的搜索词是有商业价值的（适合出广告）。淘宝搜索不一样的是，基本上99%的流量都是有商业价值的。搜索“李湘”，会出来减肥茶，搜索“林志玲”，会出来充气娃娃；在韩寒和方舟子闹得很厉害时，搜索“韩寒 VS 方舟子”也有很多个性T-shirt结果。某种程度上可以说，如果淘宝搜索流量有10亿，其价值估计相当于网页搜索流量40亿的商业价值。
在淘宝搜索上，如果要卖广告，是最好融合的。因为淘宝搜索的结果本身就是商品，广告也是商品，二者没有区别。
二、搜索的社会影响
这个和淘宝本身的社会影响相关联。现在淘宝卖家数达到800万，活跃卖家数应该在200万左右。我们假设平均每个活跃卖家背后有5个人，那么直接在淘宝上就业的人就有1000万人，如果加上其他兼职卖家、快递公司、第三方服务公司等，估计能到2000万人。每天有上亿的用户上淘宝去买东西。淘宝任何一个规则的变化，对整个社会都会有不小的影响。
2012年淘宝、天猫双十一，整个交易额达到191亿，考验的不只是淘宝、淘宝卖家、淘宝买家，还有物流快递公司、银行支付系统等。试想有一天淘宝忽然停业一天，全国有多少人都得在家打麻将了。同理，搜索的任何一个变化，都会影响淘宝卖家，通过卖家会影响到买家、第三方物流……
不知道有多少人还记得2010年7月份搜索规则的变化，已经由一个公司内部的技术变革，演变成一个社会事件。这个在本文后面会有专题介绍。
三、搜索的实时性
如果有人自己建了个网站，网页搜索引擎要是一两个星期没有收录这个网站，站长也不会太着急。但在淘宝上不一样，必须是实时或者接近实时的。卖家发布一个商品，希望几分钟后就能搜索到。因为商品是实体，卖一件少一件，价格也会有变化，卖家还会经常搞活动，如果信息更新不及时，就会误导买家，造成纠纷。这些对搜索的实时性要求非常高。
在淘宝上，每天会有上亿的商品信息发生变化，包括上架、下架、销量、价格、属性、描述的变化等。这些商品绝大部分都会在几分钟之内反应到搜索结果中去，如果要做到实时的呢？ 这对技术带来的挑战是巨大的。淘宝最开始更新的周期是半个小时到40分钟，到2012年已经缩短到三四分钟之内了。当然，晚上系统做更新的时候，数据更新会稍微慢一些。
四、搜索的查全率
查全率是个专业术语。所谓查全率，就是搜索鞋子，找到的鞋子数量占总体鞋子数量的百分比。类似的术语还有相关性，相关性就是指搜索结果和搜索词是否相关。例如：搜索“做自己”，出来《做自己》这本书就算相关，出来《做自己的口才专家》就属于不相关。搜索手机，出来手机链也属于不相关。
网页搜索是会做一些消重和过滤的。我们在网页搜索时，最不希望看见的就是一摸一样的重复结果。在淘宝搜索中，我们也不希望看见太多的重复结果，但同时又希望有不同的商家可以对比，有不同的地域可以选择。对于卖家来说，如果自己店铺的宝贝因为跟其他店铺重复而不出现的话，一定会询问为什么，淘宝的客服电话很快就会打爆了。
淘宝搜索，一方面要考虑买家的体验，一方面又要考虑卖家的利益，这就需要采用很多不同的技术解决。
