更极致的搜索推荐——“去哪儿酒店”搜索体验【2013年9月版】

标签：   去哪儿   推荐   搜索

   预订酒店的用户主要分两种，有明确目标的用户和没有明确目标的用户。本文分别从两种用户的角度分析去哪儿网为用户提供的酒店搜索服务。

搜索入口

• 有明确目标的用户

   有明确目标的用户知道自己要去哪里，他们往往希望在目的地附近找到自己心仪的酒店。这些用户可以直接使用最基础的地点和入住时间查询功能来搜索酒店。而且在用户输入地点时，去哪儿还会为用户列出地点周围的标志性区域，让用户可以便捷的查询酒店。

• 无明确目标的用户

   对于没有目标的用户，他们通常是来游玩，而且可能对入住城市不熟悉。他们可能仅仅确定的入住城市，而其他都未确定。所以这些用户不知道具体住在哪里最合适，面对搜索框他们可能不知道怎么去查询。去哪儿为这些用户提供了价格，档次，热点地区等个性化的酒店查询功能，帮助无目标用户查询满意的酒店，避免了这些用户在进入网站时不知道该怎么查询的问题。对比其他酒店预订网站，可以看到只有去哪儿网在搜索入口为用户提供了个性化查询功能。

   用户在使用城市文本框右侧的按钮切换城市时，热点项会跟着列出对应的城市的热门地区。但是，如果城市名是直接输入的，热点项就不会跟着改变，如下图所示：

   

   这时选择的地区是上海，但是热点项显示的却是北京的热点地区。如果用户对这些地域不熟悉，将会误认为现在显示的是上海的热点地区，这可能会误导用户使用户定错酒店。

   这里应该无论是在列表中选择的城市还是直接输入的城市，热点项都应该与之对应。如果城市没有录入热点地区，应该与列出的首尔这些外国城市的处理方式一样，隐藏这一项。

搜索结果列表

   去哪儿采用分批显示的方式，将先找到的酒店先向用户展示出来，这种方式将搜索的等待时间降到了最低。

   

• 有明确目的的用户

   如上图显示，去哪儿为有明确目的的用户提供了一个很有用的筛选选项：通过距离筛选。这个功能很实用，目标明确的用户经常希望知道酒店离自己期望的目的地有多远，而且这个功能在其他网站上还没有见到过。

   搜索结果列表里的酒店信息相当简单，只给出了酒店名称，距离查询地点的距离，价格和用户评分。用户可以方便的查看酒店和搜索地点的明确距离，如图中显示的0.1公里。但是用户对这种明确的长度数字常常没有清楚的概念，如果改成花费的时间，比如：步行需要10分钟会更好。

   我留意到这个酒店信息模板与携程网的外国酒店推荐模板十分的相似，携程的酒店推荐如下图所示：

   

   可以看到两个酒店信息显示的差异只有：1. 携程加入了酒店图片，2. 携程将去哪儿的酒店距离变成了酒店简介。

   携程这个信息显示方式用在热门酒店推荐上我觉得没有任何问题。因为用户在浏览推荐酒店时是没有很强的目的性的，更多的是持一种随意看看的态度，而这里为用户提供了足够的用来随意看看的信息。而去哪儿则显示的是搜索的结果，对于有目的的用户来说，现在显示的信息是远远不够的，用户同时希望从这里了解到酒店提供的设施信息，比如：wifi，停车场之类的。目前，用户如果想了解这些信息，则需进去到酒店详情页面，这使用户对酒店筛选变得很吃力。

• 无明确目的的用户

   对于无明确目的的用户，可能通过个性化搜索功能进到了搜索结果页面，但是可能还是在被酒店的价格和位置等因素折磨着。去哪儿虽然在搜索结果页面提供了丰富的筛选功能，但是仍然不能帮助无明确目的的用户解决被折磨的问题。

   那么怎么才能解决这些用户的问题呢？我觉得应该为这些用户提供酒店推荐服务。我们可以通过用户的搜索行为对用户的偏好做一个猜测，进而通过猜测结果向用户提供相应的酒店推荐。比如，用户从个性搜索的中关村入口进入，并且选择的有车库的过滤条件。我们可以搜集以往用户的数据，向这个用户提供“去中关村的用户大多住这里”的推荐服务。

   同时，用户熟悉的酒店终究是少数，用户常常需要在一些自己未听过的酒店中筛选。根据长尾理论，去哪儿应该根据用户在查询时的特征提供推荐服务，来帮助用户找到适合自己的高性价比酒店。

总结

   总体来说，去哪儿基本上完全可以满足有目的性的用户的酒店预订需求。从主页搜索到最终的酒店预订过程中都不会出现让用户感到迟疑的地方。而且，酒店的搜索过滤功能十分的完善。

   但是，去哪儿仍然没有很好的解决无目的性用户的酒店预订需求。虽然，去哪儿提供了一些个性化搜索功能可以为这些用户起到一定的指引作用。不过，在整个预订过程中，用户仍然是在纠结和迷茫中进行。我认为向这些用户提供酒店推荐服务可以缓解用户的纠结的心情，更好的指引用户进行酒店预订，比如前面提到的“去中关村的用户大多住这里”的推荐服务。甚至可以将推荐服务延伸到搜索入口，在个性化搜索里添加目的入口，比如：游玩，散心，缓解压力等等这些。这样的话推荐范围可以扩大到全城，如果可以结合以往的用户搜索预定数据，分析出相应的用户特征，便可对用户做精准的推荐。

您可能还对下面的文章感兴趣：

1. 基于Solr的空间搜索(3) [2013-08-15 13:40:09]
2. 基于Solr的空间搜索（2） [2013-08-15 13:39:11]
3. 基于Solr的空间搜索(1) [2013-08-15 13:38:28]
4. 淘宝搜索中Query下拉推荐技术 [2013-08-12 13:35:08]
5. Learning to rank在淘宝的应用 [2013-08-12 13:32:35]
6. 从概念的角度审视一淘商品搜索的Online系统架构 [2013-08-08 23:30:13]
7. 基于用户行为分析的搜索引擎自动性能评价 [2013-05-29 22:35:23]
8. 垂直搜索新问题 [2012-09-20 13:48:29]
9. 索引页链接补全机制的一种方法 [2012-08-17 13:20:11]
10. 让搜索跨越语言的鸿沟——谈跨语言信息检索技术 [2012-06-19 23:56:24]
11. 怎样用好Google进行搜索 [2012-04-15 16:05:01]
12. 百度搜索URL参数解析 [2012-02-05 15:33:49]
13. 百度解构第一季 - 理解用户搜索行为 [2012-01-03 23:35:01]
14. 搜索背后的奥秘――浅谈语义主题计算 [2011-11-23 23:47:15]
15. 简析搜索引擎中网络爬虫的搜索策略 [2011-07-30 21:23:53]
16. 淘宝搜索：定向抓取网页技术漫谈 [2011-07-09 22:45:26]
17. 附近地点搜索初探 [2011-06-20 13:46:22]
18. 浅析视频搜索中的清晰度识别过程 [2011-06-01 23:59:26]
19. 如何预测用户query意图 [2011-01-10 23:19:10]
20. 从狄仁杰的测字占卜到一淘网的Query分析之大结局 [2011-01-05 22:26:37]
21. Query Forwarding in Geographically Distributed Search Engines [2010-12-28 20:46:49]
22. 百度这个公司 [2010-11-22 21:17:57]
23. 几种常见的基于Lucene的开源搜索解决方案对比 [2010-11-21 19:52:27]
24. 信息时代的双峰 [2010-10-31 20:16:18]
25. 挑战邮箱搜索（续一） [2010-09-28 09:20:54]
26. 挑战邮箱搜索 [2010-09-25 09:42:51]
27. 用搜索的倒排轻松搞定“好友的文章”类相关推荐功能 [2010-09-06 08:46:04]
28. 排头兵PHP中文分词,纯PHP版实现 [2010-08-05 09:52:57]
29. 从细节看知识搜索 [2010-07-21 23:38:41]
30. 用sphinx轻松搞定方便管理的多节点过亿级数据搜索 [2010-07-14 09:53:06]
31. 用Sphinx快速搭建站内搜索功能 [2010-06-23 12:59:33]
32. Xapian搜索体系结构 [2010-06-02 11:48:45]
33. 搜索引擎停用词 [2010-04-06 13:51:08]
34. 搜索引擎爬虫蜘蛛的USERAGENT收集 [2010-01-15 14:47:25]
35. 搜索结果显示：栅格视图还是列表视图？ [2009-12-18 15:41:07]
36. 向搜索引擎举报作弊网站地址 [2009-11-20 21:03:31]
37. 音乐搜索的极致 [2009-11-16 23:21:51]
38. 关于音乐搜索 [2009-11-04 13:31:24]
39. 整合搜索，阿拉丁，云计算，以及框计算 [2009-11-04 09:23:54]
40. 互联网网站的反爬虫策略浅析 [2009-10-31 00:53:36]