本文主要介绍了搜索引擎中的搜索联想词(SUG)的相关概念、重要性和评价指标，旨在帮助读者理解如何有效地设计和优化SUG以提升用户体验和转化效果。
在搜索产品中，有一个场景特别容易被忽视，但它是保障用户的搜索体验、以及引导用户转化非常重要的一个环节，就是搜索联想词。
京东搜索联想词搜索
联想词，我们一般称之为SUG（以下同），SUGGESTION的缩写，从字面的意思就能看出这个场景的定位就是“为用户的搜索提供引导和建议”。
所以对于SUG来说，它核心的目标在于给到用户搜索建议，以便快速找到目标商品，提升搜索使用效率。
举一个典型的例子：比如一个感冒的用户想要找“999感冒灵颗粒”，用户至少需要敲打15次键盘才能输入完整、准确的词。
但是如果搜索有SUG，且联想的足够准确的话，那么最多敲打3次键盘，也就是输入“999”即可找到目标关键词，效率提升了至少4~5倍。如下图：
因此，在搜索产品中，一个好的SUG很关键。前几天读者群有个朋友问“如何衡量一个SUG效果”，今天专门写一篇文章来讲讲。
一、关于SUG
在讲具体如何衡量一个SUG效果之前，大家要先了解SUG是怎么做的，然后才好去看怎么衡量它做的效果。
SUG和搜索的流程非常类似。搜索的大概流程：
用户输入关键词关键词分析，明确搜索意图根据意图召回满足条件的搜索结果对这些结果进行排序展示给用户
SUG的流程类似：
用户输入关键词根据用户当前输入关键词召回符合条件的其他关键词对这些联想词进行排序展示给用户
所以从这个角度来讲的话，很多用于衡量搜索效果的指标，其实可以变通的复用到SUG。
基本上对策略产品效果衡量的话，大致包括算法维度和业务维度的评估。
二、算法维度
从算法维度来看，核心指标基本上就是召回和准确。具体来讲，SUG在算法维度这块的指标包括联想词数量，联想词准确率，联想词多样性。
1. 联想词数量
联想词数量是指当用户输入关键词之后，能够联想出来其他关键词的数量，这个一般用于对SUG联想词召回模型的离线评估，衡量联想词召回能力。
一般来说，模型能够生成的联想词越多越好，相当于提供了更多的候选集。但是也不绝对。
从产品、用户端来说，在设计SUG展示策略的时候，基本会限制露出联想词的个数（10~15）个，因此，产品端对于这个指标通常可以不用关注，基本都可以满足需求。
2. 联想词准确率
很明显，联想词除了要保证足够的召回数量，更重要的是准确。只有准确才能命中用户真正想要搜索的关键词，他们才会去使用。
联想词准确率是指基于用户搜索的关键词，衡量联想出其他关键词是否准确的一个指标。
这里的准确需要定义一个标准，通常跟平台业务挂钩。比如电商平台，用户输入“牛”，联想出“牛奶”是准确的，但是在诸如短视频、文章社区等内容平台，则可能联想出“牛年大吉”是准确的。
3. 联想词多样性
联想词多样性是指用户输入关键词之后，能够联想出来其他关键词的类型。
比如输入牛奶，可能联想出来蒙牛牛奶，牛奶永辉、低脂牛奶，牛奶100ml，袋装牛奶，牛奶黄桃味，这些其实都是联想词的类型，或者是联想词组成策略。
蒙牛牛奶：品牌+关键词
低脂牛奶：属性（口味、规格等等）+关键词
牛奶永辉：门店+关键词
所以丰富的联想词类型能够命中用户多个需求，也是提升用户输入效率的关键。
以上三个指标的好坏通常与联想词生成和排序相关的模型有关，因此我把他归为算法指标，一般需要在上线之前进行离线的评估。
三、业务维度
从业务，或者是产品维度来讲，衡量一个SUG做的好坏通常可以从以下几个维度来衡量：使用、效率和转化。
1. 使用
SUG使用率：SUG点击次数/搜索次数
SUG点击率：SUG点击次数/SUG曝光次数
SUG无结果率：SUG引导无结果次数/SUG曝光次数
2. 效率
SUG平均点击位置：SUG位置*各位置点击次数 /SUG点击次数
SUGTopN使用率：SUG TopN点击量/SUG曝光次数
3. 转化
SUG引导CTR：由SUG引导进入搜索结果页点击次数/SUG点击次数
SUG引导UCVR：由SUG引导进入搜索结果页的下单人数/SUG点击人数
SUG引导ARPU值：由SUG引导进入搜索结果页的GMV/SUG点击人数
以上指标一般通过埋点来采集相关数据，并且进行对应指标的计算。
题图来自Unsplash，基于 CC0 协议。
