Retail Product Search: A Practical Approach at Target
Target 零售商品搜索的实用混合检索方案
🧭 电商搜索 · 混合检索与结果融合
Target Corporation
Target 混合词法-向量检索，加权交错融合，线上 CTR/转化提升并零结果减半
📌 工作参考价值
- 电商搜索/推荐候选生成不要用向量完全替代词法或协同信号：保留双通道，向量通道承接自然语言和长尾查询，词法/ID 通道保证精准意图与品牌/SKU 命中；同时把 zero-result 作为上线必须观测指标。
- 多路融合优先实验 weighted interleaving：相比简单分数归一化或串行合并，它能更稳地控制各通道曝光与排序多样性，本案例线上 CTR、订单转化和每访客需求均获得提升。
- 将精度控制作为最终结果集独立环节：对向量召回噪声做词法命中、规则或分类器过滤，再交给精排，尤其适合电商 SKU/品牌/规格等硬约束场景。
- 生产部署把 embedding 计算、ANN 索引、缓存和融合放关键路径优化，并对向量通道做降级与超时控制，保证低延迟；可复用到实时搜索和推荐召回。
动机
电商搜索既要相关又要可购买，用户意图覆盖从精确匹配到开放发现，还需平衡相关性、营收、利润与低延迟。纯关键词方法难以处理自然语言或语义查询；纯向量搜索又会丢失关键意图信号或低精度结果。
方法关键点
Target 上线混合检索：词法检索与向量检索双通道召回；针对数据清洗与 embedding 训练单独设计；在最终结果集做 precision control；比较多种融合策略后采用 weighted interleaving；并对生产链路做性能优化以维持低延迟。
关键结果
离线评估指标提升；线上 A/B 相比纯词法搜索：CTR +0.97%，订单转化率 +0.98%，Demand per Visitor +1.10%，零结果搜索约减少一半。系统已全量部署，每日服务数百万用户。