技术解读 | 智能开放搜索CTR预估模型

简介：本文介绍开放搜索CTR预估模型在个性化排序中的应用与实践

如何评价搜索排序效果？

搜索是用户触达信息最简单直接的方式，是APP、网页必备的功能。如何评价并提升搜索效果一直是搜索领域的常见问题。

一方面，可以基于用户体验判断搜索效果，比如是否搜索到目标内容、在多长时间后返回搜索结果等。另一方面，也可以通过体系化的搜索统计指标来评价效果。常见的搜索统计指标包含CTR、CVR、搜索引导GMV等。

以CTR（Click-Through-Rate）即点击率为例，表示点击数/曝光数，在搜索、推荐、广告领域应用广泛，用以衡量搜索、推荐等返回结果的点击情况。更高的点击率通常意味着更准确的搜索效果，因此，搜索领域从业者常常将CTR作为搜索效果核心评价标准，也是企业长期重兵投入的持续优化目标。

近些年来，得益于深度学习（Deep Learning）带来的巨大红利，用于CTR预估的深度模型百花盛开。CTR预估模型是针对每个用户的每个搜索词，预测搜索文档潜在点击的模型。运用CTR预估模型，能够优化搜索结果的排序，提升搜索效果和业务转化。

开放搜索中的CTR预估模型

智能开放搜索（OpenSearch）基于机器学习和个性化预估算法技术，借助在电商、内容社区、教育等多个领域的能力积累，为客户提供的一站式智能搜索开发平台，并且不断迭代优化，将最新业界和阿里创新技术不断融合到该平台框架中。

1.简单易用：开放搜索最新公测发布CTR预估模型，在上传用户曝光、点击等行为数据后，即可自动化训练专属CTR预估模型。模型训练完成后，可以通过cava脚本灵活调试排序规则，最大化发挥模型效果，优化最终的搜索结果排序。

2.开放搜索的CTR预估模型支持定制，快速适配一套Make For You的模型。

3.从行业颗粒度切入：不同行业会适配一套基础的行业模板，并支持定制，体系化行业级别特征建设。

适用场景

适用于电商商品搜索，内容社区资讯搜索、多媒体视频搜索等业务场景；
对点击率、转化率（付费、点赞、收藏等）、或播放时长等指标、搜索效果有更高要求的客户，均可以使用CTR预估模型；
如果想实现个性化的搜索效果，但团队中又没有精通搜索算法的同学调试排序表达式，也可以尝试在开放搜索中接入CTR预估模型。

使用方法

通过服务端数据采集，上传点击、曝光等用户行为数据
在开放搜索控制台创建CTR预估模型，并点击开启训练
创建业务排序cava插件，引用训练完成的CTR预估模型，并在排序中使用该cava插件，查看排序效果

更多使用详情请参考产品文档：CTR预估模型 - 智能开放搜索 OpenSearch - 阿里云

如需进一步技术指导，也可工单联系技术支持。

案例实践

社区内容搜索

某技术社区作为中文IT内容社区，通过开放搜索，为旗下产品的用户提供高质量的内容服务。同时搜索能力的优化也能带来付费资源转化效果的提升，增加整体业务收入。

接入CTR预估模型后效果：

对比基于开源自建的服务，CTR提升80%+
后续算法专家通过深度定制模型不断帮客户调优，每曝光用户带来点击次数提升15%+，Item-CTR提升10%+，效果还在持续提升中

电商搜索

国内某电商平台，主打保健品、家居用品、化妆品等自营产品，通过开放搜索，在APP和小程序上提供内容资讯和商品购买等便捷服务。

接入CTR预估模型后效果：

电商业务搜索CTR相对提升40%+，qv-GMV 相对提升50%+
内容业务首页CTR绝对值10%+，无结果率相对下降20%+

原文链接

本文为阿里云原创内容，未经允许不得转载。