“一招鲜，吃遍天”，从被疯狂吐槽的电商搜索Bug说起

公众号里，我已经写过很多关于电商技术方面的文章，以及普及电商基本知识的文章（比如：SKU，SPU，QPS，GMV等）。除此之外，我还讨论过电商系统的业务复杂度，比如前面举例的打折优惠折扣等。整个业务逻辑复杂到一个脑图，电脑满屏还展示不完！

今天，我在之前内容的基础上，再给大家介绍一下，我们电商搜索功能的一个大“Bug”。

在早前的一个版本中，我们针对 APP 端，上线了一个搜索功能。采用的是 Lucene，现在已经更新为 Elasticsearch。上线这个功能后，一开始搜索的人还比较少，后来随着用户多了以后，发现投诉量上升了。

比如，我搜索“小目标”这个品牌的啤酒，会出现所有带有小目标的商品。王健林的小目标，小目标纪念币，小目标海报，小目标鱼竿，小目标。。。总之，小目标啤酒排在很后面。

这样就造成了，用户想要找东西，干急找不到。搜索体验不佳，投诉率直线攀升！

如果是传承的搜索引擎还好，可我们是电商公司。这样搞几次之后，就留不住用户了。

另外商户知道这个“bug”之后，会充分利用。比如，大家都知道 Java 很火，所以，搜索的商品都带上 Java 的名字。这样做之后，你只要搜 Java 都能搜索到我。不管，我这个产品，商品是否与 Java 相关！
所以，我们针对这个现象需要整治。

但是，前前后后，查了很多资料，也招了一些专业人才，迭代了好久才最终优化掉。

哎，直到今天我才发现极客时间中的《程序员的数学基础课》这个专栏，有专门的介绍过，如何解决这类问题。我才恍然大悟，相见恨晚啊。原来这就是一个简单的数学题！

作者提出了一个查询的分类器（构造朴素贝叶斯分类器），并通过两个数学公式解决了这个问题。简单、粗暴、高效！

另外一个简单的公式就是，最简单的就是线性加和。

具体的实现和教程内容建议大家购买这门课程后学习。通过我的海报上的二维码购买，加我微信号：xttblog，返现 24。

这套课程包含：二进制转化、计算机的除法取模和取余、哈希函数、计算平方根、归并排序、MapReduce、不重复排列、全排列、世界杯的赛程安排、距离的查询推荐、状态转移方程编程实现、树的深度优先搜索、广度优先搜索、人际关系的六度理论、双向广度优先搜索、计算机看地图、时间和空间复杂度、数组、链表、队列、栈、SQL的各种连接查询、概率和统计、随机数、贝叶斯法则、区分特定类型的新闻、计算机自动处理分类、语音识别、信息熵、PageRank、决策树、卡方、欠拟合和过拟合、线性代数、向量空间模型、文本检索、文本聚类、矩阵、协同过滤推荐、线性回归、高斯消元求解线性方程组、最小二乘法进行直线拟合、协方差矩阵来降维、挖掘潜在的语义关系、缓存系统的哈希表和队列实现、打造简单的搜索引擎、电商平台的搜索结果更相关、推荐系统的相似度的协同过滤、推荐系统的分析用户和物品的矩阵、综合应用个性化用户画像、反码和补码、位操作的应用实例、程序员的数学书等内容。

可以说实战性最强的课程之一了。现在已有 2 万多人购买了，评价都非常的不错。

如果你想进入 BAT，包括滴滴，美团，头条等公司。学了这个专栏，基本上相当于一只脚已经踏进他们的门槛了！

注意，这次的优惠活动只有一周时间！需要上车的抓紧了！

： » “一招鲜，吃遍天”，从被疯狂吐槽的电商搜索Bug说起