923 讀數

数据科学家发现的这些谷歌地图洞察力令人难以置信

经过 Shaurya Uppal4m2023/01/11

太長; 讀書

作为一名数据科学家，我发现搜索个性化和排名是一项复杂而有趣的挑战。谷歌地图识别我的位置并显示前五个最受欢迎的位置，这些位置是以前输入过“ei”的人访问或点击的所有结果都在我的位置附近（见图 1）

featured image - 数据科学家发现的这些谷歌地图洞察力令人难以置信

谷歌地图是一个了不起的产品，它给人们的生活带来了很多价值。今天，我想分享我对某人如何从头开始构建这样的产品的看法。

虽然搜索确实涉及工程和数据科学，但许多公司可能低估了数据科学在搜索中的重要性。搜索不仅仅是构建技术基础设施来处理和返回给定查询的结果，还包括理解和预测用户的需求和偏好，并使用数据为个人用户定制搜索体验。

作为一名数据科学家，我发现搜索个性化和排名是一项复杂而有趣的挑战。我们通过检查来捕捉用户的兴趣：用户搜索查询、过去的搜索历史和点击数据。

本通讯将回答您关于以下方面的所有问题：

需要什么数据？
需要地图中的排名和相关性吗？
为什么会出现特定结果？

免责声明：在其他平台上重新发布此策略之前请先私信，因为它完全是我原创的，没有被复制。我不认可任何品牌；分享的例子仅供学习。任何人都可以使用这个概念从头开始创建自己的地图。

如果有人想咨询我，请联系这里

为什么这个结果以及如何？

我们正在寻找什么：我住在古尔冈，正在寻找“巴黎埃菲尔铁塔”

让我们开始在地图上输入“EI”并进行分析。我们从查询中得到了下面列出的前 5 个结果。

图 1 搜索分析

为什么只有五个结果？搜索是关于排名和相关性的。该算法的目的是以最小的查询长度获得用户想要的结果。另一方面，算法的更多上下文比滚动查询“ei”返回的一长串结果更可取。

出现此结果的原因：此处触发了人气和上下文信号。谷歌地图识别出我的位置并显示前五个最受欢迎的位置，这些位置被之前输入过“ei”的人访问过或点击过。所有结果都在我的位置附近（见图 1）。查询“eif”将埃菲尔铁塔排在第三位，因为它的受欢迎程度更高。（见图2）

如何建立用户的基于位置的搜索？

我们有什么？

我们知道用户的位置
所有注册实体的位置——商店、咖啡馆、餐馆、酒店等。

天真的方法

使用 Haversine 公式，计算用户纬度/经度与城市或邮政编码内其他位置之间的距离。（见图3）

在 GMaps 级别，有数十亿实体和数百万用户，这种方法不可扩展。

DS Intelligence 提供更智能的方法

假设我们只针对班加罗尔地区进行搜索构建。
我们将每个注册的实体聚类——将整个区域分解成更小的子实体集群，假设是 50 个。（见图 4）

当用户上线时，只需检查其 Lat-Long 并根据集群内的流行度对实体进行排名。这种方法将基于距离和流行度的元素添加到我们的搜索结果中。

附言。你们中的一些人可能会问这是否可以在 Elastic Search 中完成。查看地理排序

如何使搜索更具上下文或个性化？

为了使搜索更具上下文或个性化，您可以考虑使用基于数据的方法，这些方法考虑了用户的特定需求或偏好。例如，如果 Wolf 先生正在搜索餐馆，并且在短时间内或同一会话中进行了多次与餐馆相关的查询，您可以优先向他展示针对他的位置进行个性化设置的结果，同时考虑他过去的搜索历史记录。这可能涉及在搜索结果中将他附近的餐馆排名靠前，并向他展示根据他的口味或偏好或他之前对不同地点的访问情况量身定制的选项。

通过使用基于数据的方法，您可以为 Mr. Wolf 提供更相关和更有针对性的搜索结果，而不是简单地依赖流行或基于距离的标准。

有人可能会问，Shaurya，您已经谈到了搜索中的受欢迎程度，但是有哪些不同的方法可以将某个位置标识为受欢迎？

过去 1 个月的浏览量/点击量
过去 1 个月访问过某个地方的人数
Proxy跨平台：Google Pay交易分析，交易量大的商铺被认为是受欢迎的

来自过去缓存搜索的推荐

没有数据科学模型可以通过缓存算法击败良好呈现的历史数据（见图 6）的简单性：LFU（最不常用）或 LFU with Dynamic Aging（查看下面的链接以获得详细的 LFU with Dynamic Aging 解释）。

在此处查看我的博客： https ://shauryauppal.medium.com/thinking-data-strategies-in-fintech-universe-building-payments-recommendation-system-for-google-95c746e3dd0e