身為 MarketMuse 的機器學習研究工程師，我每天都沉浸在電腦程式碼和數字中。但在這篇文章中，讓我們把這些都放在一邊，來研究令人興奮的使用者意圖分類領域。
大規模分類使用者意圖的能力對於各地的行銷人員來說具有巨大的潛力。在這篇文章中，我簡要介紹了使用者意圖是什麼、分類可以帶來的好處、一些人如何解決這個問題以及 MarketMuse 正在採取的策略。
什麼是用戶意圖
我們使用人類語言來表達我們的意圖。在正常談話過程中，這很少會成為問題。然而，在搜尋查詢的情況下，搜尋者通常使用盡可能少的單字，意圖可能難以辨別。
我們已經就搜尋意圖主題撰寫了大 伊拉克電報數據 量文章，因此我將跳過預備部分並直接進入問題的核心。每個搜尋短語的背後都有一個意圖。內容滿足該意圖的能力是其在搜尋結果中的位置的主要因素。如果沒有充分錶達意圖，一篇寫得好的、主題豐富的文章在搜尋中的表現將會很差。
正是出於這個原因，我們希望對使用者意圖進行大規模分類。
使用者意圖分類的好處
對使用者意圖進行分類將對 MarketMuse平台產生重大影響。使用 MarketMuse 的人可以透過多種方式受益。
例如，我們維護一個歷史 SERP 服務，其中儲存了 6000 萬個主題的特徵。將使用者意圖添加到組合中使我們能夠觀察功能和意圖變化之間的相關性。我們可以分析 SERP 中保持其地位的最佳表現頁面，並了解它們如何適應不斷變化的意圖。
我們還維護一個包含超過 5000 萬個主題的知識圖譜服務，為我們的 MarketMuse 內容簡介提供支持，提供主題推薦。意圖分類將有助於完善這些建議。同樣的原則也適用於我們的問題引擎。
這些改進具有涓滴效應。由於我們的內容簡報驅動 MarketMuse NLG 技術（我們的自然語言生成 (NLG) 引擎），因此對簡報的任何改進都將反映在 NLG 輸出中。
使用者意圖研究現狀
關於與搜尋相關的用戶意圖的研究並不多。大多數 新創公司必備的自動化 研究都圍繞著客戶的一般使用者意圖。例如，您正在為網站開發聊天機器人，並希望對使用者意圖進行分類，以便您可以回答或引導訪客存取適當的資源。
慢慢地，人們對嘗試大規模分類搜尋的使用者意圖產生了興趣。您可能知道的幾個流行範例來自Content Harmony的 Kane Jamison 和RankSense的 Hamlet Batista 。
就 Content Harmony 而言，他們採用啟發式方法對搜尋意 廣告數據 圖進行分類。透過查看特定查詢的 SERP 功能，他們可以確定其類型。例如，如果他們看到購物清單，那麼它一定是事務性查詢，或者如果他們看到新聞項，那麼它一定是資訊性查詢。
正如他們在部落格文章中承認的那樣，這種方法有很多缺點。它是不穩定的。谷歌對其搜尋功能格式所做的任何更改都可能導致意圖錯誤分類。同樣，查詢意圖隨季節變化，例如黑色星期五或聖誕節。根據 Content Harmony 的說法，透過他們的方法，您需要密切關注各個季節排名的變化，以檢測使用者意圖的變化。
哈姆雷特·巴蒂斯塔在他的《搜尋引擎雜誌》文章中討論的方法與我們的策略類似。因此，我將討論如何以可擴展的方式對搜尋意圖進行分類。