标签： 搜索

搜索推广营销目前仍然是主要的网站推广手段之一，但是，同样的搜索平台，不同广告主或的是不同的效益反馈。不可否认，无论是谷歌，百度，还是搜狗，360，搜索平台不可或缺的都有较好的效益，问题是你怎么去使用他而已！

老阳在百度体系邮有着超过十年与广告主进行深度沟通、运营实施的经验，接下来我以个人经验给予大家一个有关“标准判定你的搜索竞价推广账户是否合格”的标准。

首先：一个竞价推广账户是否合格，最直接的判断标准是转化，如果你的竞价账户带来的客户有效咨询转化成本低于您单笔贸易的平均毛利的2%-3%，那么这个账户就完全是可以带来盈利的，可以算是合格。

但是，这个标准在不同的行业及利润的情况下是无法使用的。而且我们也很难去计算这个数据，很多企业也没有能力去测量或计算ROI，因此，我们简单按照账户内数据来制定标准。

我们简单按照5个标准来验证：

解释如下：1、覆盖广度： 指账户关键词的覆盖，当前的搜索引擎环境，有实力的大客户广告主可以通过大额投入获得通用词的优质流量，而绝大多数中小企业只能通过长尾词获得精准流量，无论大客户还是中小企业，都可以全面覆盖有效用户。根据产品分类，合格的账户应该满足3000词/单产品的合理布局。

事实上，国内的搜索引擎，主要就医疗、金融、教育、游戏四大行业应用及其精通，而这些行业的成熟账户，都没有低于1万词的。

2、成本控制：

企业主经常反馈的是 我一天花多少钱，这个实际上并不是竞价推广的成本，竞价广告的成本是什么？ ACP（单次点击价格）才是真实的流量成本。

土豪客户经常要求排名必须第一，事实上这个是非常浪费钱的一种方式，客户都是货比三家，又不只是点开你们一家的广告，你为何要排名靠前多花钱？因此没必要多花钱装个逼的，而且，现在的广告公信力非常低，不一定因为你排名靠前就买你家的产品！

因此，在流量有效的情况下，无限压缩平均点击价格是SEM操作的王道！当然，每个行业的ACP都有差异，你只要低于同行就合格了。

3、损耗控制：

搜索引擎都是支持模糊检索，因此大量的无效检索带来了资金损耗，理论上，损耗应该控制在3%-5%以内！

具体详情，请至检索词报告查阅。控制方式可以在下发留言讨论。

4、创意展现： 搜索营销广告创意也可以打败排名！看看网页游戏的广告搜索结果？对比您的账户广告展现结果？一目了然！

5、行动优化：

这个是一项综合评估，您的网站URL定位、网站制作行动力都对此产生影响，具体到不同的情况差异较大，对此，欢迎留言交流~

搜索营销还有什么您认为的标准？

中国互联网公司准备再次测试美国投资者的胃口。这次涉及是西方不太熟悉的一个名字：搜狗。

7月31日，纳斯达克上市的中国互联网公司搜狐宣布，其搜索业务的子公司搜狗将向美国证券交易委员会提交保密注册申请。搜狗39岁的首席执行官王小川后来用内部电子邮件确认了消息，并补充说公司已经在搜索行业取得了初步成功，并将加强人工智能（AI）工作。

搜狗于2004年推出，运行三大核心产品——智能手机软件键盘和台式机输入软件，以及浏览器和搜索引擎。产品类别构成了王小川所说的“三级火箭”，它们都是将用户引导到副产品的子火箭。多年来，搜狗稳步增长，但其输入产品除了去年11月份在中国市场份额中获得71.2%除外，从未占过市场主导地位。尽管如此，搜狗的上市计划仍然值得关注，因其为了让公司接近中国两大互联网巨头“BAT”：百度和腾讯。

百度的最佳替代品

自从谷歌在2010年关闭其中文搜索引擎以来，中国的互联网用户被百度和少数几个小企业所占据。中国互联网安全公司奇虎 360也提供搜索服务，一度抢占百度的市场占有率，并在美国上市。然而，2015年，奇虎从纽约证券交易所退市，希望能够在国内得到更高估值。如果搜狗成功实现IPO，它将成为唯一一家类似百度在美国上市的中国互联网公司，且专注于搜索和向AI发展。

百度和搜狗都在很大程度上依赖搜索收入。截至2016年，搜狗收入达6.6亿美元，其中90%来自搜索相关服务。百度在2016年仍然比搜狗高出10.16亿美元，但超过91%也来自网络营销，也就是基于拍卖的付费搜索业务：基于百度搜索用户获得的关键词进行广告优先竞价和推广。

在2012年到2015年，百度收入中在线营销贡献了95%以上，只有在百度被命令减少竞价搜索与公关失败后，才下降了一些。

尽管此前百度深陷负面困境，但仍然在中国搜索中继续遥遥领先。 根据都柏林的网络流量跟踪器StatCounter的数据，显示百度占据市场份额的77.43%，其中包括在手机、平板电脑和PC上的搜索。搜狗排名第三，达3.73%。然而，中国国际电视公司（CITVC）与康泰集团之间的中国市场研究合资企业CTR的另一份报告将搜狗排在第二位，在所有连接终端中占有32.8%的市场份额。数字的差异与研究公司的不同跟踪机制：StatCounter通过向每个页面视图发送一个用户名字符串来跟踪使用的浏览器类型。 CTR根据WEB、WAP和APP号码聚合和权重确定渗透率。

王小川在内部电子邮件中表示，搜狗市场在移动搜索方面表现较好，该地区连续26个季度超过了竞争对手的用户增长和收入增长。第三方研究公司艾媒咨询最近的一份报告显示，2017年上半年，百度在移动搜索市场份额为41.2%，搜狗则为20.9%。

所有这一切都指向搜狗成为中国百度的下一个最佳搜索引擎替代品。但只关注搜索已经不足以吸引美国投资者了。像谷歌一样，百度和搜狗都押注人工智能。事实上，两者现在都称自己是“AI公司”。

百度工程师兼董事长兼首席执行官李彦宏表示：“AI是一个巨大的机会，将互联网和传统产业革命化。 特别是通过我们独特的技术，数据和人才相结合，百度在中国的AI浪潮中处于领先地位，” 百度最近几个月提高了在AI上的赌注，从举办第一届全球AI开发者大会到收购北京小型AI公司。

拥有技术背景的王小川今年早些时候也发表了类似的声明：“2016年，搜狗通过产品差异化和AI技术创新加强了竞争优势。”搜狗还一直与清华大学合作AI垂直应用纳入语音识别、语言处理、映射和机器翻译等领域。 王小川称语言为“皇冠上的宝石”，相信以语言为中心的发展路线图将使搜狗成为AI的领导者和创新者。

腾讯的盟友

从多方面来看，搜狗还不如百度那么强大，但搜狗有一个强大的盟友——腾讯，其2016年的2130.3亿美元收入是百度的两倍还多。 2013年，腾讯收购了搜狗公司40%的股权，并将其与搜索服务搜搜合并。后来，腾讯通过搜狗为微信独家提供官方账号内容。此后，搜狗的移动搜索增长大部分来自腾讯，主要由腾讯的QQ手机浏览器驱动。

腾讯持有搜狗上的股权已上升至45.37%，超过搜狐成为第一大股东。然而，搜狐依然是搜狗的实际控股股东，因为其所有38.35%的股份均为有表决权的A类普通股，而腾讯持有超过一半的是无投票权的B类普通股。

这也可以解释搜狗为什么选择在美国上市，因为有两类股份结构的公司被禁止在香港和中国大陆上市。根据《金融时报》的报道，亿万富豪科技公司创始人在不放弃控制权的情况下出售股份，双重投票股票已经被纽约上市的三分之二以上的中国企业（包括百度和京东）采纳。搜狗上市对其控制结构影响如何仍然未知。

虽然微信在4月份成立了专门的搜索应用部门，但搜狗可能仍然是唯一的第三方搜索引擎，可以访问微信增加的公共帐户内容。目前，微信搜索仅从应用程序中提取内容，但是其活跃用户每月访问量达9.38亿个，将成为百度的即时威胁，搜狗也很有可能将功能扩展到开放网页。据2017年第一季度，腾讯公司向搜狗移动搜索业务贡献了40%，尽管数字下降。腾讯是否会减少对搜狗的支持，以及搜狗是否能够证明其下一代智能技术确实更优越，还有待观察。

搜狗还没有公布拟提供和出售的美国存托股（ADS）的数量或美元数额。早在1月份，彭博社报道说，搜狗计划出售约10%的股票，上市价值约为50亿美元。搜狗公司的发言人拒绝透露细节。

来源:前瞻网

微信事业群内部架构调整 成立搜索应用部

4月25日消息，微信事业群内部进行了组织架构调整，微信事业群下成立搜索应用部。负责微信的搜索业务、阅读推荐业务、AI技术研究及落地、微信数据平台建设和数据能力的应用。周颢担任微信事业群搜索应用部负责人，直接向张小龙汇报。

在微信的内部邮件中，这样解释搜索应用部：“负责微信搜索业务、阅读推荐业务、AI技术研究及落地，微信数据平台建设及数据能力的应用。”其中，最引人注目就是微信搜索了。腾讯对此向媒体回复说，因业务发展需要，微信事业群内部架构作了一些调整，包括在原有的组织人员基础上成立“搜索应用部”。实际上，微信内部一直有搜索业务来支持平台的发展，也希望通过架构调整将内部的团队作更好的整合，给用户带来更好的搜索体验。

手握近9亿用户的微信，终于要释放自己在移动端的搜索能力了。行业地震要来了么？恐怕是的。

CNNIC数据显示，截至2016年12月，我国搜索引擎用户约6.02亿，其中手机搜索用户约5.75亿。对于远高于搜索用户的微信来说，微信搜索框的价值将会被逐渐释放。

微信搜索出手，很多人反应，腾讯早该出手了！

同时，让我们预感到：百度、搜狗、今日头条要哭晕了……

百度表示：挑战很大

首先，百度在移动、电商、社交上失势后，原来的搜索核心优势让其如坐针毡！

鸡年伊始，李彦宏做了一次题为《迎接新时代》内部讲话在百度热传。作为掌舵者，李彦宏清楚地知道，是时候下决心做一些改变了。他在讲话中集中提到了内容分发、连接服务、金融创新和人工智能等四大业务发展方向，充分阐述了百度的危机感和使命感，并表明了自己将带领百度进行深刻自我变革的决心和方向。

关于搜索，李彦宏直接说：百度从本质上来讲，最核心的东西还是在做内容的分发。

我们该分发什么？早期的时候，互联网内容是以文字为主要形态。随着带宽环境越来越好，人们的创造力越来越丰富，开始有了图片。到今天，其实不仅仅是图，有一个新的图片相关的形式叫做图集也非常受欢迎，很适合在互联网上传播的内容形式。

整个世界一直是在变化，从PC互联网到移动互联网，移动互联网起来很多超级app，内容越来越多被封装在微信、微博这些里头。怎么利用百度的平台让内容回来、让我们的用户能够方便获取，完成我们让人们最便捷平等地获取信息找到所求的使命？这是在新的时代里我们需要认真思考认真准备并且为之奋斗的东西。

过去这一年我还有一点感受特别深，是社交媒体和自媒体这种环境下，很多时候人们更多的是在讲感情，更多地想传播他们愿意相信的东西，事实是什么已经不重要了。这对我们一个以搜索引擎为核心的公司来说，挑战也是蛮大的。在这种环境下，我们怎么来应对，也是一个很大的挑战。当然，挑战也意味着机遇。我也希望大家更加主动地去思考这个问题，找到新的属于我们的机会。

……

某种意义上讲，我们未来的搜索从索引关键词的引擎，可能会逐步过渡到索引知识的引擎，它从表面文字的表达和query的匹配，这是上一个时代的事情。下一个时代的事情是用户真实的需求和我们已经积累的知识之间的一种匹配。

搜狗：将很尴尬

2014年6月9日，搜狗与微信达成合作。在搜狗“微信搜索”下，用户可搜索微信生态内的1000万个公众号内容，而且是独家开放，合作期三年。

在搜狗拿下微信搜索之后，王小川宣布搜狗已是中国使用率排第二的搜索引擎，这一点倒没什么好怀疑的。因为搜狗有了自己独有的索引内容，稀缺资源，使用人数上升那是一定的。未来如果搜狗能把QQ空间和腾讯微博等内容也独家拿过来，这款搜索引擎的使用人数一定会更多。腾讯的社交网络是个略为封闭的体系，需要有搜索工具将内部资源彼此打通，只是要保证这款搜索对腾讯而言是绝对安全的，纳入其中的资源是别人偷不走的。

未来微信搜索的方向一定是会纳入通用搜索而不再单独分类，以便让用户拥有更好的使用体验。现在之所以不那么做，还是谨慎心态使然，微信要保证自身内容的独有性，一步一步来更为稳妥，免得出问题。

对于搜狗来说，差异化内容搜索一直是战略方向之一，最早推出的微信搜索以及后续上线的知乎搜索、明医搜索、海外搜索等都是这个战略的一部分。

这一点观点搜狗CEO王小川在2014年、2015年的财报会议上曾多次提到，微信搜索对搜狗来说是提升内容品质和差异化深度。

不过，在合作期未满三年之际，微信可能要从搜狗手中收回“微信搜索”了。

在宣布成立微信搜索应用部的早些时候，搜狗关闭了其微信搜索里的订阅公众号、关键词以及收藏文章功能，而大约是同一阶段，微信在搜索框内上线了新闻搜索和微信指数。

尽管腾讯是搜狗股东，但腾讯将是一个开放性，允许内部竞争。如果搜信搜索一旦独立，将直接对搜狗造成冲击。

在微信刚刚被爆料要成立搜索应用部之际，搜狗就发出2017年Q1财报显示：营收方面，第一季度搜狗收入达到人民币11.2亿元，较上年同期增长16%，其中移动搜索收入占比72%。不过，如果摘取几乎同步发布的搜狐2017年Q1财报，以美元计算的话，搜狗的营收则变成了1.62亿美元，同比增长10%，环比下降5%。

流量方面，整体搜索流量同比增长26%，移动端搜索流量增长50%，搜狗援引CTR数据认为，在PC、WAP、App三端总覆盖人数，以及移动端月度活跃用户数，搜狗都处于行业第二位置。

不过，当失去微信搜索的搜狗，会如何呢？

微信头条，即将杀出

微信搜索，特别提出要在充分运用微信数据能力的基础上，打造微信搜索服务及精准阅读推荐服务，由基础产品部下搜索产品中心整体平移而来。

这意味着，微信将正式向今日头条发起挑战！

如果说算法，今日头条早期的内容，头条号借了微信公众号的东风，依靠推荐引擎算法在此轮互联网独角兽中胜出，微信公众号则是一个社交算法，其流量早就吞没了三大门户的流量总和。接下来，微信如要打造一个属于社将网络的微信头条，今日头条可要小心了！

微信搜索应用部包括四个产品中心：

搜索产品中心，在充分运用微信数据能力的基础上，打造微信搜索服务及精准阅读推荐服务，由基础产品部下搜索产品中心整体平移而来。

广告用户技术中心，为微信广告业务建设完备的用户体验评价系统及对比试验系统，负责小程序及搜索、搜索生态的建设工作，由基础产品部下广告用户技术中心整体平移而来。

模式识别中心，负责语音识别、图像处理、对话机器人及自然语言处理等方向的技术研究及落地等工作，由技术架构下模式识别中心整体平移而来。

数据中心，负责微信数据平台的建设，为各相关业务提供用户画像及数据分析、数据挖掘能力的支持，由技术架构部下数据中心整体平移而来。

数据显示，截止至2016年12月，微信及WeChat合并月活跃用户数达到了8.89亿，作为移动端最大入口，将搜索业务上升到战略高度之后，未来微信或开放更多搜索功能。

近来，微信在搜索方面进行了一些调整。目前，在微信的搜索页面，可搜索到小程序、公众号、朋友圈以及相关文章，小程序被排在了第一顺位，此前不支持模糊搜索的小程序也已开放相应功能，而搜索业务的进一步推进也将为小程序带来更多线上流量。

我愿意以我全部的科技换取跟苏格拉底待一个下午

每天一杯咖啡吸收宇宙能量！

重构思维方式，

AI+时代，读互联网思想（wanging0123)

联系方式：投稿及内容合作｜271684300@qq.com

本文改编自阿里巴巴搜索基础架构团队高级总监Xiaowei Jiang在Flink Forward 2016大会上的演讲，点击“阅读原文”查看英文链接：Blink: How Alibaba Uses Apache Flink?。经原网站授权，由InfoQ中文站社区编辑王庆翻译并分享。

Apache Flink?就是一种这样的技术，阿里巴巴正在使用基于Flink的系统Blink来为搜索基础架构的关键模块提供支持，最终为用户提供相关和准确的搜索结果。在这篇文章中，我将介绍Flink在阿里巴巴搜索中的应用，并介绍我们选择在搜索基础架构团队中使用Flink的原因。

我还将讨论如何改进Flink以满足我们对Blink的独特需求，以及我们如何与data Artisans和Flink社区合作，将这些更改贡献给Flink社区。一旦成功地将我们的修改合并到开源项目中，我们会将现有系统从Blink转移到Apache Flink。

Part 1： Flink在阿里巴巴搜索中的应用

文档创建

为用户提供世界级搜索引擎的第一步是创建可供搜索的文档。在阿里巴巴的应用场景中，文档是由数百万个商品列表和相关的商品数据组成。

因为商品数据存储在许多不同的地方，所以搜索文档创建也是一个很大的挑战，搜索基础架构团队将商品相关的所有信息汇总在一起并创建完整的搜索文档。一般来说，整个过程分为3个阶段：

1. 将不同来源（例如MySQL，分布式文件系统）的所有商品数据同步到一个HBase集群中。

2. 使用业务逻辑将来自不同表的数据连接在一起，以创建最终的可搜索文档。这是一个HBase表，我们称之为’Result’表。

3. 将此HBase表导出为文件作为更新集合。

这3个阶段实际上是在经典的“lambda架构”中的2个不同的pipeline上运行：全量构建pipeline和增量构建pipeline。

• 在全量构建pipeline中，我们需要处理所有数据源，这通常是一个批处理作业。

• 在增量构建pipeline中，我们需要处理在批处理作业完成后发生的更新。例如，卖家可能修改商品价格或商品描述以及库存量的变化。这些信息需要尽可能快的反馈在搜索结果中。增量构建pipeline通常是一个流式作业。

搜索算法实时A/B测试

我们的工程师会定期测试不同的搜索算法，并且需要尽可能快地评估出效果。现在这种评估每天运行一次，因为想实时分析效果，所以我们使用Blink构建了一个实时A/B测试框架。

在线日志（展示，点击，交易）由解析器和过滤器收集和处理，然后使用业务逻辑连接在一起。接下来聚合数据，将聚合结果推送到Druid，在Druid内部，我们可以编写查询语句并对数据执行复杂的OLAP分析，并查看不同算法的效果。

在线机器学习

在这部分中Flink有两个应用场景。首先，我们来讨论它在商品特征实时更新中的应用。阿里巴巴搜索排序中使用的一些商品特征包括商品CTR，商品库存和商品点击总数。这些数据随时间而变化，如果可以使用最新的数据，我们就能为用户提供更相关的搜索结果排序。Flink pipeline为我们提供在线特征更新，并大大提高了转化率。

其次，每年的特定日子（如光棍节），有些商品折扣力度很大，有时甚至高达50％。因此，用户行为也会发生很大的变化。交易量巨大，通常比我们在平时看到的高出很多倍。以前训练的模型在这个场景作用有限，因此我们使用日志和Flink流式作业构建了在线机器学习模型，这个模型会将实时用户行为数据反馈到系统中。结果在这些不常见但非常重要的营销节日的转换率有了很大的提升。

Part 2： 选择一个框架来解决问题

选择Flink应用到搜索基础架构中，我们在四个方面做过评估。 Flink在四个方面都满足我们的要求。

• 敏捷：我们期望能够为整个（2个pipeline）搜索基础架构流程维护一套代码，因此需要一个高级的API来满足我们的业务逻辑。

• 一致性：卖方或商品数据库发生的变化必须反馈在最终搜索结果中，因此搜索基础架构团队需要至少处理一次（at-least-once）的语义（对于公司中的一些其他Flink用例，要求正好一次（exactly-once）语义）。

• 低延迟： 当商品库存量发生变化时，必须尽快在搜索结果中得到体现。例如我们不想给售罄的商品给出很高的搜索排名。

• 成本：阿里巴巴需要处理大量数据，以我们的集群规模，效率提高可以显著的降低成本。因此我们需要一个高性能、高吞吐量的框架。

一般来说，有两种方法来将批处理和流式处理统一起来。一种方法是将批处理作为基本出发点，在批处理框架上支持流式处理。这可能不符合真正意义上低延迟，因为用微批量处理（micro-batching）模拟流式处理需要一些固定的开销。因此，当试图减少延迟时，开销的比例也会相应增加。在我们的规模上，为每个微批量处理器调度1000个任务，需要重新建立连接并重新加载状态。因此在某种程度上，微批处理方法代价太高将变得没有意义。

Flink从另一个角度来解决这个问题，即将流式处理作为基本出发点，在流式处理框架上支持批量处理，将批处理作为流式处理的一种特殊情况。使用这种方法，不会丢掉我们在批处理模式（批处理模式下流是有限的）下做出的优化，你仍然可以做一些批量处理上的优化。

Part 3： Blink是什么?

Blink是Flink的一个分支版本，我们做了一定的改进以满足阿里巴巴的一些特定需求。因此，Blink在几个不同的集群上运行，每个集群有大约1000台机器，大规模集群的性能对我们来说非常重要。

Blink的改进主要包括两个方面：

• Table API更完整，因此我们可以使用相同的SQL进行批处理和流式处理。

• 更强大的YARN模式，但仍然100％兼容Flink的API和更广泛的生态系统。

Table API

我们首先添加了对用户自定义函数UDF的支持，方便在Flink中实现独特的业务逻辑。我们还添加了一个流对流的join的功能，由于Flink对于状态比较好的支持，所以实现起来比较容易。我们添加了几个聚合函数以及滑动窗口的支持，最有趣的一个是distinct_count。

（编辑注：FLIP-11涵盖了与上述功能相关的一系列Table API和SQL改进，对该主题感兴趣的可以阅读）

接下来，我们将介绍运行时改进，可以分为四个不同的类别。

Yarn上的Blink

当我们开始项目时，Flink支持2种集群模式：standalone模式和YARN上的Flink。在YARN模式中，作业不能动态请求和释放资源，而是需要预先分配所有需要的资源。不同的作业可能共享相同的JVM进程，这有利于资源利用和资源隔离。

Blink中每个作业都有自己的JobMaster，以根据作业需要请求和释放资源。并且不同的作业不能在同一个Java进程中运行，这将在作业和任务之间得到最佳隔离。阿里巴巴团队目前正在与Flink社区合作，将这项工作贡献给开放源代码，改进工作在FLIP-6（除了YARN之外还扩展到其他集群管理器）中得到了体现。

Operator缩放

在生产环境中，我们的客户端可能需要改变Operator的并行性，但同时他们不想失去当前状态。当我们开始使用Blink时，Flink不支持在保持状态的同时改变Operator的并行性。Blink引入了“bucket”的概念作为状态管理的基本单位。有比任务更多的bucket，并且每个任务将被分配多个bucket。当并行性改变时，我们将重新分配任务的bucket。 使用这种方法，可以改变Operator的并行性并维持状态。

（编者注：Flink社区同时在Flink 1.2版本中解决了的这个问题 – 该功能在最新版本的主分支中可用。Flink的“key groups”概念在很大程度上等同于上面提到的“bucket”，但是实现时使用的数据结构略有不同。更多信息，请在Jira查看FLIR-3755）

增量Checkpoint

在Flink中，Checkpoint操作分为两个阶段：在本地获取状态快照，然后将状态快照保存到HDFS（或另一个存储系统），并且每个快照的整个状态存储在HDFS中。我们的状态数据太大了，这种方法是不可行的，所以Blink只存储修改的状态在HDFS中，这能够大大提高Checkpoint的效率。这种修改使我们能够在生产环境中使用很大的状态数据。

异步I/O

我们的job在生产环境中很大瓶颈在访问外部存储器上，如HBase。为了解决这个问题，我们引入了异步I/O，我们将致力于为社区做出贡献，并在FLIP-12中有详细描述。

（编辑笔记：data Artisans认为FLIP-12足够强大，可以在不久的将来在某个时间拥有自己的独立写入。所以我们只是简单地介绍一下这里的想法，如果你想了解更多，可以查看FLIP writeup）

Part 4： 阿里巴巴的Flink未来计划是什么?

我们将继续优化我们的流式job，特别是更好地处理临时倾斜（temporary skew）和慢节点（slow machines），同时不会对反压机制（backpressure）和故障快速恢复造成影响。正如在Flink Forward大会上大家讨论的，我们认为Flink作为批处理框架以及流式处理框架有着巨大潜力。我们正在努力利用Flink的批处理能力，希望在几个月内在生产环境中使用Flink批处理模式。

会议的另一个热门话题是流式SQL，我们将继续在Flink中添加更多的SQL支持和Table API的支持。阿里巴巴的业务持续增长，这意味着我们的job会越来越大，确保我们可以扩展到更大的集群变得越来越重要。

非常重要的是，我们期待与社区继续合作，以便将我们的工作贡献回开源社区，以便所有Flink用户都能从我们加入Blink的工作中受益。我们期待着在2017年Flink Forward大会上向您介绍我们的进展情况。

阿里搜索事业部资深技术专家、数据基础设施团队负责人王峰（莫问）会在QCon北京站给大家讲《Blink–阿里新一代实时计算引擎》，即刻报名，尽享7折特惠。

大数据杂谈

ID：BigdataTina2016

▲长按二维码识别关注

专注大数据和机器学习，

分享前沿技术，交流深度思考。

欢迎投稿，欢迎加入社区！

《 》

很多朋友在本平台想查找图集、规范资料时，都是通过留言或者发送消息的方式来查找，比如下图所示：

每天后台会有很多类似的这种在消息栏里留言的情况，大多数人是很难在第一时间获得自己需要的资料的，因为这个是需要平台管理员回复的，否则基本是不会有消息。小编平时忙于工作，对于这些信息很难做到一一回复。那么如何快速的在平台上查找到平台已经发布过的历史消息和通过关键词找到需要的资料呢？今天小编告诉大家一个非常有效、快速的办法，希望朋友们一定要记住，并且会用。

步骤如下：

第二步：首先进入公众号界面，如下图显示：

第三步，点击右上角头像图标，如下图圈内表示位置：

点击完毕出现如下界面：

然后按照下图所示向下滑动界面：

出现如下界面，注意有一个搜索框：

然后输入想要搜索的内容，比如搜索“交底”

然后点击搜索二字（根据根据手机型号不同自己选择），出现如下界面，需要的关于交底的历史文章都可以看到：

当然此时搜索到的信息是没有按照一定的规律排序的，如果需要按照顺序排序，可以点击界面右上角“按发布时间排序”，则会出现如下界面：

此时你就可以通过翻页查找自己需要的内容了，当然这里的搜索有的可以采用精确搜索，有的需要用模糊查询，建议输入关键字即可。

以下是小编试着输入的关键词，平台自动搜索出来的文章截图，大家可以自己试着输入想要查找的资料关键词。

在本公众号搜索历史文章的方法您掌握了吗？如果没有现在赶紧试一试哦，快快查找您所需要的学习资料吧！

平时我们看到的搜索结果排序到底是按什么规则去排的呢？影响它的排序的因素有哪些？作为一个网站优化站长，了解这些因素很重要。

1、网站和搜索关键词的相关性

网站的主题和关键词首先要匹配，只有保证网站的主题和内容一致，在搜索相关关键词的时候才会匹配出来，才会有排名，而且用户的点击转化也会高，排序也会高。

2、内容和搜索关键词的相关性

去年，百度不断出台新的算法，为的就是保证搜索引擎中的内容生态，让更多的原创作者、原创内容以及和搜索关键词高度匹配的内容更容易获得排名。所以只有你的内容足够方法、和搜索关键词匹配度更高，满足用户搜索需求的内容才会有更好的展现和点击。

3、网站的权威

所谓的网站权威，一般说的是网站的权重，根据网站的规模。历史的表现。以及网站的关系网等多个角度出发，对网站进行的一个综合评价。作为站长是无法一时间控制好权重大小的，只有做好网站内容建设，提高用户体验，搜索引擎才会给予更高的权重评价。

4、黄反系数和网站被黑

如果一个网站出现黄赌毒的信息，或是网站被黑，变成危险网站，对于网站的展现有影响，排序自然不会高，甚至被惩罚，没收排名。

5、网站排序也有时效性

不要以为只有新闻才会有时效性，当你网站有类似于新闻的热点内容审核，并且越快被发现热点，且网站内容能被搜索引擎发现，那么网站的排名会更高，获得的流量也越多。

6、页面的体验

页面的体验主要是针对PC网站和移动端网站的页面体验，还有网站的访问加载速度等等。尤其是百度那边推出的闪电算法就是针对移动端网站打开速度的，打开加载速度越快，在同类型同条件下，更容易获取靠前排名。

知道了这些影响网站排名的因素，就应该要有针对性地进行优化工作，提高网站的质量度，提高网站的体验，这样网站才会在搜索引擎数据排序中更靠前，网站的排名才会更高。

在我们使用Excel表格的时候经常会用到，很多人会使用，但是用得不“精”，那么，今天我们就来介绍一下如何将sumif函数用得“精”。通配符中，运用得最多的是“*”和“？”。本次excel使用教程教大家可以使用通配符来表达一些模糊的条件，以及数组在公式中的表达方式。

第一、Sumif的常规用法，通常我们使用sumif的主要步骤是这样的——在一个含有某条件相同的特定范围内，查找某一个数据，再将与这个数据对应的值进行相加。

第二、sumif函数的另外一种用法，通过通配符更好的使用sumif函数——首先，当有些数据的名称有较大的出入时，我们操作起来就显得十分困难，这时，我们可以通过使用通配符来表达条件，实现一个类似“模糊查询”的功能。

这是针对只有一个模糊条件的实现，如果模糊条件有多个，将通配符用好就能更加方便，当然用sumifs也可以实现，但我们只用sum和sumifs也可以解决。

第三、如何运用通配符表达模糊条件——“*”表示多个字符，“？”表示单个字符，以下是几种情况下条件的表达，理解后会对你们使用sumif函数更加有帮助。

第四、关于使用函数的小知识

当我们用公式书写数组时，要用｛｝（中括号）括起来，因为其在运算时会变为内存数组。在公式写完时，需要用三键结束，才能得到正确结果，否则可能会出错。

另外，在输入公式的单元格中，将公式选中，再进行回车确定也能得到公式的结果。

不知道还有没有小伙伴记得之前星球君给大家安利的一款动态视频桌面——火萤视频桌面，它能够把短视频设置成你的电脑背景，让你的电脑富含动感，不再沉闷。

而最近，这个高效的应用团队又有新作品了！不夸张地说，火萤团队的这个新作，或许会改变你使用电脑的习惯。

与众不同的搜索体验

火萤酱是一款出色的桌面搜索软件。使用方法十分简单，双击 Ctrl键 呼出搜索框，输入内容即可搜索，再次双击 Ctrl键 则可以关闭桌面搜索框。

可别小看了它的搜索功能，火萤酱整合了本地搜索和网络搜索，只需要一个 Tab键 即可轻松切换这两张搜索模式。火萤酱的搜索功能相当出色，本地文件搜索速度丝毫不逊色于 Everything ，几乎可以做到秒搜索，远甩 Windows 自带搜索几条街。

而网络搜索则会默认提供几个常用的搜索选项，类似于淘宝、百度等搜索引擎。如果你的浏览器中有该书签，火萤酱也会在搜索框下提示，方便搜索。

此外，火萤酱网络搜索还提供快捷搜索短语。比方说你需要在知乎中搜索“ 笔尖星球 ”，你只需在火萤酱的搜索框中输入“ zh 笔尖星球 ”，回车即可打开网页。同样，如果想要百度则可以输入“ bd 笔尖星球 ”。

迅速打开应用，告别杂乱桌面

除了做到本地/网络双搜索外，火萤酱还支持快捷打开本地软件。例如在搜索款中输入 TIM ，回车即可打开 TIM 。同时它甚至还支持支持缩写（例如 PS ）、甚至是俗称（例如吃鸡）打开应用，可以说是相当人性化了。

或许有了火萤酱，你桌面杂乱的应用快捷方式也可以轻松整理掉了。

众多小程序，不再找百度

火萤酱还内置了众多小程序，不过被误会，这个“小程序”并不是指微信小程序，而是表示类似于计算器的小工具。

打开小程序的方式也十分简单，只需要在火萤酱的搜索框中输入 “ XCX ”即可打开。火萤酱提供了快递查询、记事本……在内的十余个小程序，基本可以满足大部分使用场景，同时火萤酱表示小程序的数量还在不断更新中，不得不说开发者已经十分用心了。

百变皮肤，任你挑选

火萤酱搜索款默认提供灰白色的简约皮肤，偏向于“性冷淡风”。不过审美这事各有不同，好在火萤酱提供了多款皮肤更换，满足不同人群的需要。

打开火萤酱设置中心（搜索框回车即可打开），在皮肤中心选择自己喜欢的皮肤，点击立即下载，下载完成后更换皮肤即可。如没有遇到喜欢的，还可以自己去DIY皮肤。

需要注意的是，部分皮肤需要“火币”购买，不过首次注册会赠送一定数量的火币，同时分享皮肤也能获得火币，一般无需充值。

写在后面

作为一款桌面搜索软件，火萤酱不仅搜索功能十分优秀，而且在快捷打开软件、小程序上，火萤酱也充满自己的特色。

或许刚开始使用火萤酱时会有一定难度，不过当你熟悉如何使用它之后，你可能就再也回不去了。

近日，2018易观A10大数据应用峰会在北京如期召开，本次峰会以“数造未来 精益成长”为主题。来自国内外的大数据实践者、资本掌舵人、企业家、技术大咖、运营专家、应用开发者以及知名媒体人齐聚一堂，共同讨论和分享在数据驱动下的企业精益成长之道。

苏宁云商IT总部搜索算法团队负责人孙鹏飞

在10月27日下午举行的数据挖掘专场论坛上，苏宁云商IT总部搜索算法团队负责人孙鹏飞做了题为《苏宁易购大数据在搜索中的应用》的演讲。演讲主要分享了搜索数据挖掘应用场景的具体体现。以下为其演讲实录：

今天分享的主要内容是大数据技术在搜索当中的应用，我们首先来整体看下搜索为哪些产品提供服务？我们这里有苏宁易购、苏宁推客、PP视频、苏宁小店、苏宁金融等，大家可以看到我们的数据已经覆盖到了线上和线下。

我们支撑这么多产品线，是因为采用了三层的体系架构。最左边这部分是我们数据生成模块，中间是数据加工模块，最右边是数据应用。我们可以看到，在数据生成模块，主要由以下几部分组成：Spider爬取的一些数据、商品数据、视频等结构化数据，以及用户行为数据，最后一块是我们的图片库，图片库包括商品的图片信息，还有异构图片信息，我们都会根据不同的用户场景建立不同的管道，为我们不同的业务提供服务。在数据加工层面，针对不同的业务场景去建立不同的业务模型，为我们数据应用提供相应的支持和服务。在数据应用层里面都会把这些包装好，对外提供相应的服务。

搜索数据挖掘应用场景

下面我来介绍一下今天主要分享内容，即数据挖掘应用场景。主要包括架构方面的一些优化、个性化搜索排序，还有Query分析、智能导购、知识图谱等等。

首先我们先来看下架构方面的优化。我们知道搜索引擎都是对检索的商品数据建立倒排，提供检索服务，根据用户query去召回一些商品。但这只能解决80%的问题，20%的热词，召回商品数量非常多，直接影响召回速度，以至于我们后面的级联排序无法正常实现。所以我们这里做了一个小小的尝试，建立一个加权的倒排索引，使我们整体性能得到了提升。我们加权的依据是根据商品的浏览、购买等一些行为数据，预先建模，并通过这个模型算出相应的商品质量分，通过商品质量分干预这些商品在倒排表中出现的位置，做数据截断，加速我们的检索性能。

优化前后对比分析，可以看到整体的响应时间缩短了近乎一倍，性能得到大幅提升。但是有人会问，我们这样做会不会影响召回商品的质量？其实恰恰相反，因为我们是通过模型计算相应的商品质量分，保证在召回的过程当中，把高质量商品召回过来；同时基于截断的数据进行排序提高了排序结果的精准度，进而提升整体服务质量，使得用户体验变得更好。

下面来介绍下搜索的大脑——Query分析系统。它主要是理解和分析用户背后的意图，包括如下几个模块：类目预测、智能纠错、成分识别、知识扩展、品类关系识别，以及品牌关系识别。

在这里我们结合知识图谱，以及关系模型去计算、分析Query的成分，最终识别出相应的品类、品牌及属性，理解用户背后的意图，为精准召回提供服务。

搜索个性化排序。谈到个性化，自然而然会想到千人千面。在电商领域，建立用户画像和商品画像；对于用户画像，基于用户的行为对用户打标签，提取用户的偏好及兴趣标签。在建画像的过程当中，也遇到了一些问题。例如，如何去评价画像的准确度？此外，不同品类下它的购买力偏好是不一致的。比如说，一个用户在手机品类下，他可能比较喜欢iPhone，iPhone在手机里应该属于一个高端品牌，所以他的购买力是一个高端用户；但是他换到家电，换到冰箱洗衣机的时候，他可能是一个中低端的用户，所以这个里面不同品类购买力是不一样。

我们看一下是怎么构建我们的用户画像？以及怎么把用户画像和我们的应用结合起来？我们在做的过程中发现用户画像需要和Query系统结合起来，为引擎去提供服务。在这里有几个好处：Query可以实时分析一个用户的意图，可以根据这个意图对标签进行一个裁减。同时，还可以根据意图，对标签进行加权，这样可以更好地为整个引擎去提供服务，并且可以制定一些排序策略。

下面看看是怎样设计整体架构？首先整体架构是一个三层体系，online、offline、near-line。在offline阶段，利用用户行为数据、商品数据及外部异构数据，建立复杂的模型，获得用户的长期行为偏好；在near-line阶段，对用户行为数据进行相应的实时分析，建立一个准实时的模型，计算用户的短期偏好；在online阶段，结合offline和near-line的模型数据以及query分析和反作弊系统，建精排模型实现个性化排序。

介绍完架构后，再介绍下算法模型体系。这里采用multi-task learning，从下至上依次是：input layer，representation layer，multi-task layer。下面举例介绍下多任务学习，如任务一是CTR任务，在该任务中训练CTR模型，得到表示层的信息。将表示层信息应用于任务二、任务三。此外，任务二里面可以对任务一里面学到的表示层的信息，进行微调，以满足任务二的需求，共享表示层，加快模型的迭代速度。

刚才谈到了个性化排序，有排序存在，就一定会有一些作弊行为，这里面在介绍下反作弊系统，保障排序的公平、公正。下面来看看我们是怎么做的呢？最底层就是数据分析平台，我们会把日志数据、商品数据，还有店铺的数据收集上来之后，进行分析、提取相应的feature，然后在识别引擎里进行作弊识别，最终提供一个相应的服务。

下面介绍一下，最核心的学习引擎，大家知道反作弊问题是一个样本不均衡，作弊的数据比起正常的数据少了很多。所以我们在建模型之初考虑这一点，采用集成学习思想，构建多个弱分类器组成一个强度分类器，综合地去判定是否属于作弊行为，然后进行相应的输出打分。

这几年，随着深度学习和大数据技术的发展，越来越多人将其结合起来，应用于不同的产品上，特别是在智能导购类，智能助手类的应用。我们团队很早的开始尝试这方面的研发工作，2016年底的时候推出了第一版智能导购的产品。经过了几年改造，产品现在比较完善，不仅能支持智能导购，还可以支持售前、售后客服，甚至还支持其他助手类服务。

整体的架构体系如下，首先最上层是处理用户的输入，包括语音和文本，将这些信息输出到我们的路由层；路由层是两部分组成，一个是分析这些数据背后的意图，另一个是提取相应的属性信息，为不同的机器人引擎提供相应的服务；第三层是机器人引擎层，我们现在已经接入了三大类的一个机器人：第一个机器人，任务型的机器人，比方说问天气、订票、财务机器人；第二个机器人，导购型的机器人，比如我想买手机，买便宜型的手机，这种是任务型的机器人；第三个机器人，闲聊型的机器人。

最下面这一层是我们API的服务，以及由语料库组成的知识库等等。

下面详细介绍一下各个模块。先来介绍一下意图识别，我们将意图识别问题抽象成分类问题，在上线之初，利用SVM进行意图分类，它可以解决85%问答的需求，但是还有15%分析不出来，这是由于语义鸿沟造成的。所以我们考虑用深度学习技术去实现它，这里选用CNN的网络，没有选用其他更复杂的网络？因为我们发现CNN从准确率和效率上可以满足我们上线的需求。虽然可以通过复杂的网络把准确率提高一些，但是它的性能就会极具下降，这样用户体验就变得非常差，所以我们从准确率和效率两方面考虑，选择了CNN。在CNN里面我们做了一个小小的改进，就是在输入层融入了符号化向量特征，下面我会详细介绍一下。比如，右边是华为手机完整的知识图谱，可以看到知识的表示。当我们拿到用户的Query信息，我们会结合知识图谱对其进行向量化，一同拼接作为CNN的输入。这样做的好处是通过增加一些feature，使得整个CNN准确率进一步提升；同时，对性能上的损失不大，在上线要求的范围内。

再来介绍一下槽位提取，或者属性提取。这个阶段主要是把属性抽取这个问题转换成一个序列标注问题。这里面我们尝试了用字进行序列标注，还有用词进行序列标注。但是在对比的过程中发现，以词进行序列标注的效果更好一些。我们通过一些案例去分析后，得出一个结论：因为词的语义信息可能更完整一些，在序列标注的时候，就可以获得更好的标注效果。

下面我来介绍一下客服机器人。在客服问答中经常用的一个技术，就是基于检索式的机器人，因为我们已经构建了庞大的问答知识库，95%的问题可以从库中检索出相应的答案。故这里面采用了Deep Match模型，避免语义鸿沟的问题。

最后介绍一下搜索的知识图谱，这几年我们尝试了很多新技术，也沉淀下来去做了很多方面的尝试；现有平台也给我们提供的一些相应服务和技术支撑上，基于此去构建了整个知识图谱。

可以看到，底层是由分布式的存储、分布式的检索、流式计算，以及人工标注的系统，自动标注的系统构成的。上面是知识获取，知识获取之后，会对这些知识进一步提炼，提炼出所需要的一些实体，比方说构建一些三元组，构建一些边的关系等，形成了我们的知识图谱。

知识图谱构建完了之后，我们需要做另外一方面的尝试，就是知识的推理。我们会预先推理出一些东西，存在库里面，为图谱的应用提供服务。比如说会挖掘一些边关系，还有一些知识的理解，一些实体的理解等等，为我们图谱的应用提供相应的服务。

最后是应用层，我们会对所有的产品提供服务，比如刚才介绍的问答系统，结合知识图谱，提高意图识别的精准度。

之后是商品参数的一个纠错。因为买家在上架的新品过程中，经常会遇到属性维护错误，挂错类目等问题，利用知识图谱，建立相应的模型，帮他纠错，并且还可以主动提示这些商家应该维护哪些信息。

最后一块是Query分析，Query分析过程中大部分的数据支撑都来源于知识图谱，知识图谱的好坏直接影响Query分析结果。

想看更多，请移步Analysys易观（ID：enfodesk）微信公众号。

Reading

微信小程序准备放闸泄洪，率先受益的极有可能是电商。

有知情人士透露，微信正邀约电商相关企业参与一个名为“推广内测”的项目，虽然还处于邀请阶段，但几乎可以明确：微信即将实现“商品搜索”，即用户在“搜一搜”中输入商品关键词，搜索列表会直接呈现所有以小程序为载体的商品结果，而每一个搜索结果都可以直接调转到小程序商品详情页。

谁变了？被重构的微信电商逻辑

还不能完全理解微信用意的读者可以自行脑补淘宝搜索的画面。在此之前，微信搜索从未与商品、购物、电商发生直接关系。

一个微妙的变化源自于今年5月上线的微信“搜一搜”，通过这个入口，用户可以搜索相关的公众号、小程序、朋友圈等，目前已经与扫一扫、摇一摇成为同级功能。而另一个隐藏在小程序中的搜索入口则是能检索到小程序本身。如若能够通过检索连接人与商品，其背后蕴藏的巨大想象空间和流量势能就会瞬间爆发。

此前，腾讯宣布在微信事业群下成立搜索应用部，下设产品包括小程序、阅读推荐、数据应用等，直接向张小龙汇报。该消息不仅表明腾讯对微信搜索的重视，更引发了外界对微信野心的热议：微信要在移动端构建一个新的搜索引擎了。

而这个野心究竟有多大，取决于它究竟能搜索到什么，比如：搜索小程序能让互联网服务实现即用即走，搜索表情包丰富社交内容，搜索朋友圈可以提升用户体验……而搜索商品或许可以改变整个电商生态。

其实，微信搭建购物入口的计划并非无迹可寻，从改善零售体验的“小程序”和低调上线的“搜一搜广告”，都可以看出微信的电商能力和布局：小程序不仅帮微信中的商家现实了跨屏购买，还用“附近的小程序”为线下门店的在线化提供了机会；“搜一搜”的广告功能也为商品推荐提供了有效工具。

目前，在“搜一搜”中输入“口红”和“水果”，结果的第一顺位分别是投放广告的小程序“蘑菇街女装”和“拼多多”。亿邦动力网经过多次测试发现，目前参与搜索广告投放的多为腾讯投资或入股的相关电商企业。

就“微信即将实现商品搜索”的消息，亿邦动力网询问了微信方面对外负责人，目前尚未得到明确回复。

谁怕了？左踢淘宝右打头条

“就像公众号改变了内容生态一样，小程序也会改变商业。”某垂直电商平台创始人认为，微信实现商品搜索所影响到的，首当其冲的就是淘宝京东等电商平台。“每个小程序都可以承载一个店铺和海量商品，这些小程序形成合力，就是一个可以抗衡淘宝京东的蚂蚁雄狮。”

这个思路和淘宝当年屏蔽百度的商品搜索如出一辙。特别是在PC年代，一个完全依赖搜索直达商品的时代，造就了第一电商入口的霸主地位。移动电商发展至今，尽管去中心化的趋势越发明显，但搜索仍旧是不可忽视的力量。而微信也准备脱离“微商沃土”的角色，将更大的电商盘子融入进来。

一位电商资深人士向亿邦动力网指出了微信建立搜索购物入口的几个优势：

（1）电商平台价值洼地日渐稀薄的情况下，嗷嗷待哺的商家正需要微信这样一个新的生态。

（2）微信一直秉承的开放态度，会吸引合作伙伴迅速靠拢。

（3）微信的使用场景符合移动购物习惯，带着9亿用户杀入移动电商，水到渠成。

上述资深人士强调，“以淘宝为代表的超级电商平台是传统的电商模式，而微信即将建立一个全新的流量分配机制，把9亿互联网用户的移动购买能力释放出来。”

另有移动服务商认为，微信此举亦是对今日头条的阻截。“现在双方的布局都是内容+广告+电商。内容分发和用户时间抢占方面，双方旗鼓相当，一旦可以搜索商品，微信就有机会直接在电商方面和头条拉开距离。”

一位接近今日头条的人士介绍，头条的电商业务主要是为电商平台和商家导流，“特卖”对应淘宝天猫，“京东特供”对应京东。其中，有些App版本中的“特卖”为商品资讯，有些版本则是千人千面的商品展示页，均不支持商品搜索；而支持商品搜索的“京东特供”仍在采用传统的商品展示方式。

“阅读习惯只能对人群进行划分，为精准推荐提供的依据恐怕有限。”一位数据分析经理认为，微信电商在商品推荐的算法上具备更大的优势。“相比头条，微信拥有非常全面的场景数据，采集纬度覆盖阅读、社交、社群、消费、地理位置等，这意味着它对用户偏好的判断依据，远多于拥有单一场景的数据平台，未来的运算结果也不会输给淘宝和今日头条任何一家。”

也有电商服务商指出，微信搜索机制的优势不仅在于数据全面，还有对算法的节制和把控。“以小程序搜索算法为例，关键词只占很小的系数，更大的权重是用户行为，比如输入相同关键词，使用频次高的小程序显示在前，这足见微信对用户体验的重视。”他推测，微信的商品搜索也会充分考虑用户行为，让搜索结果更加符合用户的预期，完胜那些反复推荐却无法掀起购买欲望的“千人千面”或个性化推荐。

不过，上述服务商在期待微信商品搜索的同时，也对微信的电商能力表示担忧。“电商毕竟是重运营的业务，只有流量和商品是不够的，物流、客服、售后方面的能力还是问号，况且想建立和淘宝一样精密的商品搜索机制，估计路还很长。”

谁兴奋了？商家的C选项

“微信做商品搜索本质上是要建立基于微信的电商搜索环境。”有电商资深人士指出，“虽然这和淘宝壮大自己的方法类似，但做的却是和淘宝不同的事。”

2008年，淘宝曾以防止竞价排名损害消费者权益和保障淘宝流畅体验为由屏蔽了百度爬虫，即消费者不能通过百度搜索淘宝商品。此举既打击了百度的网购竞价收入，又将消费者牢牢揽入淘宝站内。甚至有人评论，正是屏蔽了百度的商品搜索才让阿里获得了巨额的广告收入。

今天的微信和淘宝，也常年保持着相互屏蔽的状态。微信也像当年的淘宝一样，准备撇开竞争对手，建立自己独立的搜索环境了。与淘宝不同的是，微信的计划里只有搜索展示，并没有淘宝那样的商品聚合页面。这从根本上，是去中心化电商和中心化电商的区别。“去中心化的好处是平台不集权，将展示规则交给市场。这是腰部及以下中小商家的机会，是对小而美的巨大利好。”上述人士补充道。

“电商的模式和格局既定，想在存量市场中改变人货场的竞争模式，需要挖掘新的流量或者改变原有流量的分发模式，微信做商品搜索将以上两点都包括了。”一位传统零售从业者表示，“如果依托于微信小程序电商可以崛起，商家面对二选一的时候，会有C选项。”

“双寡头垄断的背后其实是商家对巨头过度依赖。”该人士指出，手握流量的微信将对现在的垄断产生制衡作用，从形式上为商家提供一个新的选择，从战略上也可以聚合更多类型的电商站队，让电商的竞争格局更加健康。

“小程序和搜一搜要成为微信的功臣了。”有零售资深人士预测，“小程序的数据是结构化的，通过这个产品做搜索是很好的选择。只要微信愿意，完全可以将搜索的颗粒度从门店变为商品，届时，微信生态中线上线下的商品和服务，便都可以直接面向用户了。”

社交+支付+内容+小程序+搜索，微信已经搭建了一个多元的生态，这些布局也都被业界扣上了战略竞争的帽子：“小程序”是在震慑淘宝，“看一看”是在回应今日头条，“搜一搜”是在挑衅百度。而一位接近微信的人士称：“微信的布局并不应该被解读得那么刻意，它只是按部就班地释放自己的能力罢了。”