了几秒。
李明先反应过来：“技术上……有点挑战。
要实时分析用户输入，还要从海量搜索日志里找出相关建议。
响应时间必须快，否则会卡顿。”
“但能做，对吧？”贾瀞雯问。
“能。”李明点头，“需要优化搜索日志的查询，还要做前端交互。
但原理上没问题。”
“那做。”贾瀞雯说，“两周时间，我要看到原型。”
接下来的两周，团队分成两组。
李明带人优化后台，做实时查询。
张涛带人做前端，设计下拉框的交互效果。
这期间，陈浩打了两次电话。
第一次问快照功能的反馈，第二次问搜索建议的进展。
“自动补全的关键在于速度。”他在电话里说，“用户每输入一个字母，都要立即给出建议。
延迟超过零点三秒，体验就差了。”
“我们正在优化查询。”贾瀞雯汇报，“李明设计了一种新的索引结构，专门为实时建议服务。”
“好。
还有一点——建议词要准。
不能用户输‘苹’，你建议‘苹果’和‘乒乓球’，要分析上下文，分析用户习惯。”
“我们在收集搜索日志，做统计分析。”
第二周周五，原型做出来了。
贾瀞雯坐在电脑前，在百度搜索框里输入“电”。
下拉框立刻弹出：电脑、电影、电话、电视剧、电子游戏……一共十条建议，按热度排序。
她选“电影”，页面刷新，显示电影相关的搜索结果。
整个过程流畅，几乎感觉不到延迟。
“响应时间多少？”她问。
“平均零点二秒。”李明报数，“最快零点一秒，最慢零点三秒。
在可接受范围内。”
“准确率呢？”
“用历史数据测试，用户点击建议词的概率是百分之四十。
也就是说，百分之四十的情况下，用户会选择我们的建议，而不是自己打完。”
贾瀞雯点点头。
这个数据不错。
搜索建议功能也上线了。
这次依然没有大张旗鼓，只是更新了版本。
用户反应更热烈。
上线第一天，后台数据就显示，百分之三十五的搜索通过建议词完
本章未完，请点击下一页继续阅读！