搜索 和 推薦，都是探索未知的方式崎淳。
如果說搜索是明確意圖旺入，“知道我不知道”；
那么推薦就是泛意圖凯力，“不知道我不知道”。
搜索和推薦就像是一把尺的兩端礼华，只有明確度的差異咐鹤，而沒有嚴(yán)格的不同。從服務(wù)理解的角度來看圣絮，搜索和推薦是能夠互通的祈惶。
我們可以將推薦理解為：并發(fā)檢索了( 一個(gè)query集合、不同query下有權(quán)重差異性) 的搜索扮匠，從而實(shí)現(xiàn)推薦和搜索的認(rèn)知統(tǒng)一捧请。
比如，對(duì)于一個(gè)對(duì)網(wǎng)球感興趣的用戶棒搜，可以同時(shí)通過搜索和推薦來滿足自己的信息獲取欲：
他可以搜索“納達(dá)爾”疹蛉，從而得到一個(gè)圍繞球星“納達(dá)爾”的搜索結(jié)果集合；
他也可以瀏覽網(wǎng)球相關(guān)的頻道力麸，系統(tǒng)基于他過去的行為可款，抽離出{“納達(dá)爾”、“法網(wǎng)”克蚂、“諾瓦克”}等一系列的Query闺鲸，并輔以權(quán)重{“納達(dá)爾”：0.9、“法網(wǎng)”：0.5埃叭、“諾瓦克”：0.3}摸恍，從而得到一個(gè)綜合的推薦結(jié)果集，其中和納達(dá)爾相關(guān)的信息多些赤屋，和法網(wǎng)立镶、諾瓦克相關(guān)的信息稍微少一些壁袄。
又如，這個(gè)用戶搜索了“網(wǎng)球”谜慌。
在這個(gè)泛化的query下然想，用戶的搜索結(jié)果列表，是否應(yīng)該和他的網(wǎng)球頻道的推薦列表保持一致呢欣范？
在用戶沒有提供額外意圖信息的情況下变泄，這個(gè)結(jié)果是顯而易見的。
從提供服務(wù)的角度來看恼琼，我們也試圖泛化或收斂用戶的意圖：
在搜索中妨蛹，我們會(huì)通過相關(guān)Query，來不斷拓展用戶的意圖晴竞，從一個(gè)點(diǎn)遠(yuǎn)航到更廣闊的天地蛙卤。我們可以觀察百度搜索引擎的做法，在百度中檢索“網(wǎng)球”噩死，頁面底部會(huì)出現(xiàn)如“網(wǎng)球打法”颤难、“網(wǎng)球培訓(xùn)班”的相關(guān)query推薦，頁面右側(cè)也會(huì)出現(xiàn)其他體育賽事的推薦已维。
而在推薦中行嗤，我們也在通過一次次的觸探，來收斂用戶的偏好垛耳，從廣闊的天地中找到用戶的舒適區(qū)栅屏。并在推薦中，提供了篩選堂鲜、正負(fù)反饋等方式栈雳，來引導(dǎo)用戶更多的主動(dòng)表達(dá)，對(duì)自己的意圖進(jìn)行收斂缔莲。
進(jìn)一步哥纫，在今天的搜索中， 早已經(jīng)不是千人一面痴奏，所有人搜索同一個(gè)Query得到同一個(gè)結(jié)果了磺箕。而是會(huì)結(jié)合用戶的過往行為，去找尋可以應(yīng)用在搜索結(jié)果集的重排序依據(jù)抛虫。例如松靡，在淘寶搜索連衣裙的例子，會(huì)結(jié)合用戶的過往消費(fèi)水平 和 消費(fèi)習(xí)慣建椰，進(jìn)行搜索結(jié)果的重排序雕欺。這種過往行為的利用，甚至可能是跨品類的。比如屠列，用戶過往在鞋上的消費(fèi)較高啦逆，那么可以預(yù)估他對(duì)于服飾類能夠承受的價(jià)格也相對(duì)較高；如果他過往偏好于某一風(fēng)格或品牌笛洛，那么當(dāng)進(jìn)行“連衣裙”這個(gè)品類的檢索時(shí)夏志，就可以優(yōu)先展示對(duì)應(yīng)的風(fēng)格或品牌。
回到上文提到的“網(wǎng)球”的例子苛让，如果用戶過往有查看網(wǎng)球賽事的行為沟蔑、有查看球星“納達(dá)爾”的行為，那么當(dāng)用戶重復(fù)搜索的時(shí)候狱杰，查看網(wǎng)球賽事瘦材、查看球星“納達(dá)爾”的行為就都應(yīng)該成為這次搜索動(dòng)作可以依賴的前置信息，從而提升用戶的搜索體感仿畸。
積累用戶更多的信息食棕，正確的理解和歸因信息，有效的泛化利用信息错沽，就成為了有效迭代推薦和搜索的前置條件簿晓。
當(dāng)然，用戶永遠(yuǎn)是懶的千埃，用戶永遠(yuǎn)有好奇心憔儿。這就使得搜索一定會(huì)是少數(shù)人使用的高門檻操作，對(duì)于更多的人來說镰禾，推薦 和 泛化品類詞的搜索才是更好的解決方案。
