首页 > 代码库 > 史上最全的搜索下拉提示用户交互研究——读《An Eye-tracking Study of User Interactions with Query Auto Completion》
史上最全的搜索下拉提示用户交互研究——读《An Eye-tracking Study of User Interactions with Query Auto Completion》
搜索下拉提示（Query Auto Completion，简称QAC）现在几乎是每个搜索引擎必备的基本功能，作用是在用户在搜索框输入查询词的过程中，给用户展示一系列搜索查询query供用户选择，可以方便用户输入、缩短用户搜索时间、提高用户搜索体验。在这方面的研究已经有很多，如基于上下文、基于时间序列等预测query的热度、个性化排序等，但关于用户如何与搜索下拉提示（下文简称QAC）交互的研究目前还是一个空白。
微软的Katja Hofmann前几天(11.3-11.7)刚刚填补了这一空白，她在CIKM 2014会议上发表了一篇paper——An Eye-tracking Study of User Interactions with Query Auto Completion，研究了用户与QAC的交互过程。通过眼睛定位技术，记录和分析了用户与QAC的交互，得出一系列有趣的结论。本文在阅读论文的基础上，简明扼要的提炼了论文的结论，总结了一点自己的启发。
有用的思路和结论：
1. 将用户的QAC交互过程分为：query examination、query formulation、task completion3个过程。query examination为用户查看QAC的过程，该过程中用户注意到有QAC的提示，并将注意力集中到QAC的结果。query formulation是用户使用QAC的过程，根据QAC提供的结果选择的过程。task completion是用户选择了QAC的结果后在搜索结果页面的行为，记录用户的搜索任务完成情况。
2. 针对每个过程设计了一系列跟QAC相关的统计指标，以反映QAC的质量，具体指标如下：
TFF记录用户敲键盘到将注意力转移到QAC下拉列表的时间间隔，这个时间跟QAC下拉结果的排序没有关系。
CFT记录用户注意力集中在QAC下拉列表上所累计停留的时间，这个时间跟QAC下拉结果的排序有关，排序结果质量越好，越跟用户搜索意图相关的query越靠前，用户停留的时间越短。
UQ表示用户提交的单一query数，描述的是一个用query构造的情况，如果QAC质量不好，用户很难构造一个比较恰当的query，则在没法构造query的情况下就会放弃继续搜索。（笔者见解：也有可能是质量好，一次query搜索就找到需要的结果）
UR表示用户打开一个搜索结果页面就完成搜索的数量，描述搜索结果质量，打开越少，说明搜索结果质量越高，越早完成搜索任务。TFC和TCT与其类似，只是从其他角度统计。
3. QAC有很强的position bias，排名越靠前的query被关注和点击的概率越大，如下两图：
右图横轴表示query在QAC的排序位置，左边纵轴表示用户的注意力停留时间，右边纵轴表示点击的概率，每个位置分别都有两个不同的实验，对比QAC有排序和随机序的情况。
从图可以看出，不管QAC结果是否有排序，top几个位置的query获得的注意力是最高的，被点击的概率也明显高于其他位置的query，这说明top几的query被关注到的概率最大，与query的是否排过序无关，只要在top的位置，肯定会被关注到，有很强的position bias，也侧面说明QAC的排序最终决定了哪个query被作为查询query。
但也可以观察到，排序过的结果被点击的概率比随机排序的大一些，因为排序会把更符合用户搜索意图的query排到前面。
4. 尽管无论QAC的结果排序与否，排序位置靠前的query获得的注意力都一样大，但搜索结果质量是不同的，通过实验记录的UQ、UR、TFC、TCT数据表明，高质量query的搜索结果比较好，可以让用户更快找到需要的内容，结束搜索任务。因此需要把更符合用户意图的query排到更靠前的位置，增加这类query的曝光有助于带来更好的搜索结果质量（电商类的有助于提高成交转化率）
5. 总结了用户使用QAC的3种pattern：a. 依赖QAC搜索的用户，边输边看QAC的结果；b. 偶尔使用QAC的用户；c. 从不使用QAC的用户，这类用户一般在输入的过程中注意力是集中在键盘，不看屏幕，属于电脑使用不熟练的用户，比例较小。
6. 总结了用户使用QAC的2个目的：a. 拼写提示或拼写纠错；b. query补全
7. 实验证明MRR这种评价QAC质量的指标的合理性，该指标基于这样的假设，排序越靠后的结果被用户注意到的可能性越小，结果就是排序越靠后的结果被点击的可能性越小，从3的实验结果可以得到验证。
启发：
1. QAC的排序很重要，直接影响搜索结果的质量，对于电商类搜索，会影响最终的转化率，因此可以在排序中引入搜索结果页质量相关的特征，如ctr、成交情况、NDCG等。
2. 用户使用QAC的一个功能是拼写提示，因此可以加入拼写纠错的提示功能，不仅仅是简单的prefix匹配。
参考：
An Eye-tracking Study of User Interactions with Query Auto Completion
转载请注明出处，本文转自：http://blog.csdn.net/huagong_adu/article/details/40951409
史上最全的搜索下拉提示用户交互研究——读《An Eye-tracking Study of User Interactions with Query Auto Completion》
声明：以上内容来自用户投稿及互联网公开渠道收集整理发布，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任，若内容有误或涉及侵权可进行投诉： 投诉/举报 工作人员会在5个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。