微软必应的差异化探索:一条不得不选择的路

2023-10-11 11:08

本文主要是介绍微软必应的差异化探索:一条不得不选择的路,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

差异化,是必应一条不得不选择的探索方向。

差异化,是必应一条不得不选择的探索方向。

常规搜索竞争空间日渐逼仄,押注差异化或是必应的必由之路

去年9月,必应在美国展开“Bing It On”推广活动——在去掉品牌识别的情况下,让用户比较哪家的搜索结果更好。据说选择必应的用户超过谷歌;而在另外一些报道中,也有用户说谷歌的搜索结果比必应更好。结论因人而异。

然而无论哪个搜索结果更好,一个更重要的事实是,尽管微软认为更多的人选择认同必应搜索,但必应的份额并不会因此而获得明显提升。这意味着,对常规搜索结果同质型的改进,已难以在搜索市场掀起涟漪。

差异化,于是成为一条不得不选择的探索方向。

社交信号

本周,微软资深副总裁沈向洋时隔几个月再次回国。在介绍近期必应的新改变时,首先就提到了社交信号的引入。实际上大约在去年5月,必应搜索(英文版)就开始在搜索结果页面最右侧开辟出新的一栏,用以展示社交搜索结果。

如果你的Facebook好友信息中,有与你的搜索关键词有匹配的内容,就会被搜索出来。在美国市场,必应在这方面具有一定优势,因为他们和Facebook是合作伙伴,而谷歌和Facebook更经常被定义为某种竞争对手。谷歌只能另起炉灶自己搞。

中国市场同样在进行类似的尝试,各个搜索引擎都已陆续在搜索结果中,嵌入来自社交网络的内容。路线更为激进的是云云搜索,云云已经不单独把社交网络的搜索结果列在一处,而是借助社交信号对搜索结果的排序进行实质性影响。

这种探索充满争议。沈向洋也并不握有确定的答案。

为什么必应的社交搜索放在最右侧,而不是融进常规搜索结果中?“我们试了不同的方式”,沈向洋说融为一体是正路,但是目前的测试结果显示,社交搜索内容引入直接排序中,并不能明显带来搜索结果整体相关性的提升。

哪方面出了问题,数据源还是挖掘方式?沈向洋认为:这是因为社交信号还不够强。在他看来,社交网络中内容流的价值,还需要继续发展才有可能变得更重要。而必应将继续观察社交对搜索影响几何,这种尝试仍将在美国进行而不是在中国。

知识图谱

在必应的三栏式搜索结果中,左边是网页搜索结果,右侧是社交搜索结果,而中间的一栏则被用于放置知识图谱结果。这一功能可以将搜索结果进行知识系统化,通过任何一个关键词都能获得完整的知识体系。去年5月和12月,谷歌和必应分别推出类似产品。

比方搜索“Michael Jordan Berkerley”这个关键词。Michael Jordan在美国通常被理解成NBA球星乔丹,但加上Berkerley实际上想搜的是来自伯克利大学一位同名的教授。知识图谱需要根据这个关键词找到正确的实体对象。这是第一步。

随后,知识图谱还应提供与这位Michael Jordan相关的各种信息,例如与他关系密切或者接近的其他教授名单。而发现这层人与人之间的相互关系,来自用户的参与——在搜索Michael Jordan教授的同时,大家还搜索了哪些人。

搜索依靠与用户的互动进行关系挖掘。这种方式的副作用是,搜索量越高结果越准确,也就是说一家独大的马太效应会越发明显。

而且如何找到正确的实体对象也是挑战,据推算这种实体对象的数量约有3亿,每个对象还有各自不同的内容。另外困难还来自对自然语言的处理,以及某些知识具有并不唯一的多重答案,比方对于印度最长的河这种问题,就有不同的答案。

然而这些问题并不会牵绊必应。除了市场竞争方面的考虑,沈向洋还指出“搜索到最后代表了人类知识的积累,这是非常了不起的事情”。

中国市场怎么办?

上述种种基本都在美国发生,那么中国市场呢?

必应是个重要因素么?据CNZZ数据,必应在中国的份额仅有0.5%。那么必应不重要?根据comScore的数据,全球搜索市场必应虽然被Yandex超过,但仍然排在第五位;美国市场,必应排在谷歌之后,占据16.5%的份额,而且还是雅虎搜索的合作伙伴。

这种现状与微软几年前的决策有关——全力在美国市场搏杀。不只如此,必应还错失谷歌中国政策调整带来的机遇窗口。微软全球资深副总裁、搜索业务负责人沈向洋谈到这一现状时也承认:“我们在中国决心不够大、投入不够多”。

如今这两种不够,并没有任何得到缓解的迹象。必应把一些希望寄托在需要英文搜索的中国用户身上(显然这并不是一个规模庞大的群体);同时也放话有意和国内搜索引擎合作(上次和百度牵手半年无疾而终);借道浏览器?必应暂时还没有想清楚。

这篇关于微软必应的差异化探索:一条不得不选择的路的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/187617

相关文章

Android kotlin中 Channel 和 Flow 的区别和选择使用场景分析

《Androidkotlin中Channel和Flow的区别和选择使用场景分析》Kotlin协程中,Flow是冷数据流,按需触发,适合响应式数据处理;Channel是热数据流,持续发送,支持... 目录一、基本概念界定FlowChannel二、核心特性对比数据生产触发条件生产与消费的关系背压处理机制生命周期

XML重复查询一条Sql语句的解决方法

《XML重复查询一条Sql语句的解决方法》文章分析了XML重复查询与日志失效问题,指出因DTO缺少@Data注解导致日志无法格式化、空指针风险及参数穿透,进而引发性能灾难,解决方案为在Controll... 目录一、核心问题:从SQL重复执行到日志失效二、根因剖析:DTO断裂引发的级联故障三、解决方案:修复

exfat和ntfs哪个好? U盘格式化选择NTFS与exFAT的详细区别对比

《exfat和ntfs哪个好?U盘格式化选择NTFS与exFAT的详细区别对比》exFAT和NTFS是两种常见的文件系统,它们各自具有独特的优势和适用场景,以下是关于exFAT和NTFS的详细对比... 无论你是刚入手了内置 SSD 还是便携式移动硬盘或 U 盘,都需要先将它格式化成电脑或设备能够识别的「文

基于Python实现多语言朗读与单词选择测验

《基于Python实现多语言朗读与单词选择测验》在数字化教育日益普及的今天,开发一款能够支持多语言朗读和单词选择测验的程序,对于语言学习者来说无疑是一个巨大的福音,下面我们就来用Python实现一个这... 目录一、项目概述二、环境准备三、实现朗读功能四、实现单词选择测验五、创建图形用户界面六、运行程序七、

前端知识点之Javascript选择输入框confirm用法

《前端知识点之Javascript选择输入框confirm用法》:本文主要介绍JavaScript中的confirm方法的基本用法、功能特点、注意事项及常见用途,文中通过代码介绍的非常详细,对大家... 目录1. 基本用法2. 功能特点①阻塞行为:confirm 对话框会阻塞脚本的执行,直到用户作出选择。②

pip install jupyterlab失败的原因问题及探索

《pipinstalljupyterlab失败的原因问题及探索》在学习Yolo模型时,尝试安装JupyterLab但遇到错误,错误提示缺少Rust和Cargo编译环境,因为pywinpty包需要它... 目录背景问题解决方案总结背景最近在学习Yolo模型,然后其中要下载jupyter(有点LSVmu像一个

Python 中 requests 与 aiohttp 在实际项目中的选择策略详解

《Python中requests与aiohttp在实际项目中的选择策略详解》本文主要介绍了Python爬虫开发中常用的两个库requests和aiohttp的使用方法及其区别,通过实际项目案... 目录一、requests 库二、aiohttp 库三、requests 和 aiohttp 的比较四、requ

el-select下拉选择缓存的实现

《el-select下拉选择缓存的实现》本文主要介绍了在使用el-select实现下拉选择缓存时遇到的问题及解决方案,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录项目场景:问题描述解决方案:项目场景:从左侧列表中选取字段填入右侧下拉多选框,用户可以对右侧

如何选择适合孤独症兄妹的学校?

在探索适合孤独症儿童教育的道路上,每一位家长都面临着前所未有的挑战与抉择。当这份责任落在拥有孤独症兄妹的家庭肩上时,选择一所能够同时满足两个孩子特殊需求的学校,更显得尤为关键。本文将探讨如何为这样的家庭做出明智的选择,并介绍星贝育园自闭症儿童寄宿制学校作为一个值得考虑的选项。 理解孤独症儿童的独特性 孤独症,这一复杂的神经发育障碍,影响着儿童的社交互动、沟通能力以及行为模式。对于拥有孤独症兄

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于