搜索引擎根据网民输入的检索词(query)猜测网民需要的信息， 之后进行检索， 排序后将相关的信息展现给网民。 因为网名输入的query一般都较短， 而且不同的网民使用搜索引擎的能力也不一样。 所以一般搜索引擎都会有些查询引导机制， 在猜测用户可能的意图后， 推荐一些相关且高质量的种子query给网民。例如在百度搜索框搜索‘关键词工具’，在搜索结果的最下方，出现以下相关搜索结果：
这些相关搜索结果均是根据网民搜索session和网民搜索点击结果挖掘而来（因可能涉及泄密，百度的具体实现此处就不再介绍， 后续会有博文介绍业界相关相关搜索结果的论文）， 这些（推荐）query一方面从搜索意图上和网民的搜索意图匹配， 一方面和也能够达到引流的作用，例如能够快速引导网民找到需要的内容， 或者考虑商业变现因素， 能够将搜索引导向与搜索意图匹配且有商业价值的搜索上， 提升搜索引擎的变现效率。
而作为完整的关键词推荐工具， 不仅要能主动分析推荐结果给客户（关键词工具的用户为搜索引擎的商业客户，及广告投放客户）， 在用户输入种子query后展现相关结果给客户，还需要在客户操作的每一步， 对客户的行为进行提示和引导。
关键词工具引导机制的功能
关键词推荐工具不仅能根据用户历史行为主动向用户push相关关键词，同时提供搜索功能， 供用户输入种子query后推荐出相关的关键词。 此时就会面临和搜索引擎一样的问题， 用户输入query的质量，将会直接决定推荐结果的好坏， 所以关键词推荐系统需要有完善的引导机制， 提升用户输入query的质量，以便提升整体的推荐质量。
上图为KR关键词推荐工具
引导机制的类型及简单实现思路
一般说来， 根据用户使用关键词工具的交互操作，按照交互阶段，可以将引导机制分为以下三类：
- 查询前： 在用户进入关键词工具时， 还未有任何交互时，此时关键词推荐系统主动向用户push用户可能感兴趣的种子query； 具体实现时，可以根据客户历史上采纳的搜索引擎拍卖词（即客户采纳的符合客户客户推广意图的关键词）分析出客户的推广意图或业务点， 使用传统推荐算法（content-based 或 collaborative 推荐算法）找出客户可能感兴趣的种子query进行推荐。
- 查询中： 即用户已经开始在关键词工具搜索框中进行输入，但输入还未完成的阶段。此时最常采用的方式是使用suggesion的方式，结合客户当前输入，向用户推荐完整的高质量query；具体suggesion挖掘，可以找到一些高频的query，结合session数据，搜索点击数据进行挖掘（百度suggesion具体的算法此处涉及泄密不再介绍，后续会有文章介绍业界公开的suggesion方法）
- 查询后： 当客户完成一次搜索后， 客户搜索的内容已经基本明确， 此时就可以根据这次用户的搜索意图，找到相关的更高质量的query，以类似于搜索引擎相关搜索的方式推荐给客户。
引导机制在整个系统中的地位
引导机制无论是在搜索引擎中， 或是关键词推荐系统中， 都是必不可少的功能环节，能够带来以下收益：
- 推荐给客户能有多而好的检索结果的种子词，并逐步进行优化，提升用户体验，提高客户提词量；对于搜索引擎而言是优化输入query。
- 降低未曾使用过KR的客户的使用门槛，让KR的使用更为简单便利，扩大关键词工具的市场占有率；对于搜索引擎而言， 也能够快速提升其他用户经常搜索的相同/类似意图的query给网民，提升搜索量。
- 通过种子词引导客户对账户关键词的优化，提高客户的ROI，提升百度收益，达到双赢目的。对搜索引擎而言则是能将搜索引导至相同/类似意图的搜索上，提升搜索引擎的变现效率。
如对以上功能感兴趣， 各位可以在www2.baidu.com上注册一个凤巢帐号（无需缴费）， 在百度凤巢系统中的关键词工具中试用上述功能。
