Для платформ электронной коммерции мощный поисковый механизм является одним из краеугольных камней пользовательского опыта и успеха продаж. Однако по мере роста каталога товаров и повышения ожиданий пользователей стандартные алгоритмы поиска часто оказываются недостаточными. В этой статье мы узнаем, как точно настроить релевантность результатов поиска вашей электронной коммерции с помощью мирового поискового движка с открытым исходным кодом Elasticsearch и как предоставлять вашим пользователям более точные и удовлетворительные результаты с помощью пользовательских методов оценки.

Базовая релевантность и алгоритм BM25 в Elasticsearch

Elasticsearch по умолчанию ранжирует результаты поиска с использованием алгоритма BM25 (Okapi BM25). Этот алгоритм вычисляет оценку (_score), учитывая такие факторы, как частота термина в документе (TF - Term Frequency) и его редкость во всем индексе (IDF - Inverse Document Frequency). Однако в электронной коммерции одной только текстовой релевантности может быть недостаточно. Например, при поиске "телефона" вы можете захотеть приоритизировать самые продаваемые или новейшие телефоны.

Усиление полей (Boosting Fields)

Мы можем использовать усиление, чтобы указать, что определенные поля (например, product_name или brand) важнее, чем более общие поля, такие как product_description. Это простой, но эффективный метод настройки релевантности.

GET /products/_search
{
  "query": {
    "multi_match": {
      "query": "samsung phone",
      "fields": [
        "product_name^3", 
        "brand^2", 
        "product_description"
      ]
    }
  }
}

В приведенном выше примере поле product_name усиливается в 3 раза, а поле brand - в 2 раза, увеличивая их вклад в оценку по умолчанию.

Пользовательская оценка: запрос function_score

Для более сложной логики релевантности в игру вступает запрос function_score. Этот запрос позволяет изменять оценку документа, применяя пользовательскую функцию для каждого документа. Некоторые распространенные функции, которые можно использовать в function_score, включают:

• boost_factor: Добавляет постоянный множитель к текущей оценке.
• field_value_factor: Оценивает на основе значения числового поля.
• random_score: Добавляет случайную оценку (для A/B-тестирования или целей обнаружения).
• decay_functions: Уменьшает оценку на основе близости числового поля к определенному значению или актуальности поля даты (например, gauss, exp, linear).
• script_score: Позволяет написать полностью пользовательскую логику оценки с помощью языка сценариев Painless. Это самый гибкий вариант.

Пример 1: Оценка по популярности и статусу запасов (field_value_factor)

В электронной коммерции приоритезация популярных продуктов или продуктов с большим запасом является обычным запросом. Мы можем легко сделать это с помощью field_value_factor:

GET /products/_search
{
  "query": {
    "function_score": {
      "query": {
        "multi_match": {
          "query": "smart watch",
          "fields": ["product_name", "brand", "features"]
        }
      },
      "functions": [
        {
          "field_value_factor": {
            "field": "sales_count",
            "modifier": "log1p", 
            "factor": 1.2
          }
        },
        {
          "field_value_factor": {
            "field": "stock_quantity",
            "modifier": "sqrt",
            "factor": 0.5
          }
        }
      ],
      "score_mode": "multiply", 
      "boost_mode": "multiply"
    }
  }
}

Этот запрос включает как количество продаж (логарифмически увеличивая его с помощью log1p), так и количество запасов (извлекая квадратный корень с помощью sqrt) в оценку для поиска "умных часов". score_mode и boost_mode определяют, как объединяются оценки из нескольких функций или основного запроса.

Пример 2: Приоритизация новых продуктов (decay_functions)

Чтобы сделать недавно добавленные продукты более заметными, мы можем использовать decay_functions. Пример ниже дает более высокую оценку новым продуктам на основе поля added_date:

GET /products/_search
{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "product_name": "laptop"
        }
      },
      "functions": [
        {
          "gauss": {
            "added_date": {
              "origin": "now",
              "scale": "30d",
              "offset": "7d",
              "decay": 0.5
            }
          }
        }
      ],
      "boost_mode": "multiply"
    }
  }
}

• origin: "now": Центральная точка - текущее время.
• scale: "30d": Снижение оценки начинается в течение 30 дней.
• offset: "7d": В течение первых 7 дней оценка полная; снижение не начинается.
• decay: 0.5: Уменьшает оценку до половины исходной оценки, когда она удалена на значение scale.

Пример 3: Оценка сценария для сложной логики (Painless)

Когда вы хотите объединить несколько полей или пользовательскую бизнес-логику, в игру вступает script_score. Например, вы можете захотеть приоритизировать продукты с меткой "скидка", популярные продукты в определенной категории и продукты, близкие к определенной цене, все одновременно.

GET /products/_search
{
  "query": {
    "function_score": {
      "query": {
        "bool": {
          "must": { "match": { "product_name": "headphones" } },
          "should": [
            { "term": { "category.keyword": "gaming_accessories" } },
            { "term": { "tags.keyword": "discounted" } }
          ]
        }
      },
      "functions": [
        {
          "script_score": {
            "script": {
              "source": """
                double custom_score = _score;
                // Приоритизация продуктов со скидкой
                if (doc['tags.keyword'].contains('discounted')) {
                  custom_score *= 1.5;
                }
                // Увеличение продуктов в категории игровых аксессуаров с дополнительным бонусом
                if (doc['category.keyword'].contains('gaming_accessories')) {
                  custom_score *= 1.3;
                }
                // Небольшой бонус для продуктов с большим количеством запасов
                if (doc['stock_quantity'].size() > 0 && doc['stock_quantity'].value > 100) {
                  custom_score *= 1.1;
                }
                return custom_score;
              """
            }
          }
        }
      ],
      "boost_mode": "multiply"
    }
  }
}

Этот сценарий динамически увеличивает оценку в зависимости от того, является ли продукт "со скидкой", принадлежит ли он к категории "игровые аксессуары" и каково количество его запасов, в дополнение к базовой оценке BM25. Сценарии Painless очень мощны и позволяют реализовать практически любую бизнес-логику.

Лучшие практики и рекомендации

• Итеративный подход: Оптимизация релевантности - это непрерывный процесс. Внедряйте изменения небольшими шагами, тестируйте и оценивайте результаты, используя отзывы пользователей или аналитику поиска.
• Производительность: Особенно при использовании script_score, обращайте внимание на сложность сценариев. Очень сложные сценарии могут негативно повлиять на производительность поиска. По возможности предпочитайте более простые типы function_score.
• Мониторинг поведения пользователей: Отслеживайте, какие запросы приводят к каким продуктам, какие продукты пользователи нажимают, и коэффициенты конверсии для дальнейшего уточнения ваших стратегий оптимизации.
• Использование кеширования: Кеширование результатов для часто выполняемых поисковых запросов может повысить производительность.

Заключение

Для сайтов электронной коммерции возможность быстрого поиска нужного продукта имеет решающее значение. Благодаря мощным механизмам оценки Elasticsearch и запросу function_score вы можете выйти за рамки простого текстового соответствия, чтобы предоставлять динамичные и интеллектуальные результаты поиска, адаптированные к вашей бизнес-логике. Внедряя эти методы, вы обогатите опыт поиска ваших пользователей и увеличите свои продажи.