识别高考虑电子商务搜索查询

在电子商务领域，高考虑（high consideration）搜索任务通常需要仔细且详尽的决策，涉及客户的大量调研投入。我们考虑的是识别高考虑（HC）查询的任务。识别此类查询可使电子商务网站能够通过定制化的 QA 小组件等针对性体验来更好地满足用户需求，帮助用户做出购买决策。我们通过提出一种基于参与度的查询排序（Engagement-based Query Ranking, EQR）方法来探索此任务，关注查询排序以指示查询相关购物知识内容在产品搜索期间的潜在参与度。与以往预测趋势的研究不同，EQR 优先考虑与客户行为、财务和目录信息相关的查询级别特征，而非流行度信号。我们介绍了一种精确且可扩展的 EQR 方法，并呈现实验结果，证明其有效性。离线实验显示排序性能强劲。人类评估显示，我们的方法识别的 HC 查询准确率为 96%。该模型已在商业部署中，并在客户参与度方面超越了人类挑选的查询。