真实面经题目 · 原创解析
你认为该搜索体验问题的根本原因是什么?
该搜索体验问题的根本原因,是系统仍把搜索当作“内容相关性排序”而不是“用户任务完成”。当用户带着开放式、场景化、个性化的需求进入搜索时,传统链路只能返回相关视频,无法理解隐含约束、整合碎片信息、给出可执行结论,也无法用满意度和生态反馈持续优化。
真实面经题目 · 原创解析
该搜索体验问题的根本原因,是系统仍把搜索当作“内容相关性排序”而不是“用户任务完成”。当用户带着开放式、场景化、个性化的需求进入搜索时,传统链路只能返回相关视频,无法理解隐含约束、整合碎片信息、给出可执行结论,也无法用满意度和生态反馈持续优化。
我会把根因分成三层。第一是需求理解层,用户很多搜索并不是要某条视频,而是要完成生活决策、消费选择或学习规划,但系统只按关键词和内容相关性召回。第二是内容组织层,短视频内容有大量真实经验,却以单条视频形式分散存在,搜索没有把视频、评论、POI、商品、达人和用户偏好组织成结构化答案。第三是评价目标层,过去更容易优化点击、播放和相关性,但这些指标不等于任务完成和用户满意。结果就是用户看到很多看似相关的视频,却仍然要自己筛选、比较和行动。要解决根因,需要从意图识别、证据检索、AI 生成、交互改写和满意度评测整体重构。
很多搜索 Query 很短,但背后任务很复杂。“去哪玩”“买哪个”“怎么练”“适合我吗”都包含预算、时间、风险、偏好和行动目标。传统搜索把短 Query 当关键词匹配问题,低估了用户真正想要的是建议、比较和决策支持。
短视频生态的内容优势是体验细节丰富,但它的天然形态是碎片化的。一个完整答案可能散落在多条视频、评论、地点信息和用户反馈里。如果搜索只返回列表,就没有把生态中的分散价值转化为用户可直接使用的知识和方案。
列表适合明确目标检索,但不适合开放式决策。用户需要的是清单、路线、对比、步骤、风险提示和个性化推荐。结果形态不变,AI 只是加在列表上的摘要,体验提升会很有限,因为用户仍要承担主要判断成本。
如果系统主要追求点击率、播放时长和相关性,就会倾向于让用户继续消费内容,而不是尽快完成任务。AI 搜索需要新的目标函数,把满意退出、复搜下降、收藏、导航、交易、负反馈和后反馈纳入评价,否则优化方向会偏离用户价值。
用户看完答案后的追问、采纳、踩雷、到店和购买反馈,如果没有回到模型、排序和内容供给,系统就无法持续学习。根因不是单点模块不够强,而是从需求、内容、结果、指标到反馈的闭环还没有围绕任务完成重新组织。
相关性高只说明结果与关键词有关,不代表能帮助用户决策。用户可能需要比较、筛选、路线、风险提醒和个性化判断,而相关视频列表仍把这些工作留给了用户。
模型能力是重要变量,但不是唯一根因。即使模型很强,如果没有可靠检索、结构化事实、内容证据、评价指标和反馈闭环,也只能生成表面流畅的答案,无法稳定解决搜索体验。
两者要一起设计,但可以从高价值场景做小闭环。先定义目标场景和结果形态,再补齐检索、生成、评测和反馈。只改算法不改结果形态,用户可能感知不到任务完成能力提升。
可以做用户任务测试:让用户用旧搜索和新方案完成同一任务,比较完成时间、复搜次数、收藏导航行为、主观满意和后续采纳。如果新方案显著降低决策成本,就证明根因确实在任务完成链路。