主流零售网站的搜索引擎已能轻松识别常见拼写错误、篡改的品牌名及打字失误，贵公司的站内搜索也应具备同等能力。
现代工具让拼写纠错变得简单。例如，Chrome 的 Grammarly 插件可实时监控 Google Docs 中的输入，而 Google Docs 自身也内置拼写检查功能，能以红色下划线标出错误并提供修正建议。
主流零售网站上的搜索引擎能够轻松理解常见的拼写错误……
既然这些工具普及，站内搜索理应擅长捕捉多余字母等错误。它应能识别“sham0oo”实为“shampoo”（洗发水），“Keurog”很可能是“Keurig”（用户误按了“i”键旁的“o”键）。
我近期查阅了 37signals（现 Basecamp）于 2003 年 1 月发布的白皮书《评估 25 个电子商务搜索引擎》。
这份 17 年前的报告考量了多项搜索性能因素，包括拼写错误处理。“例如，若用户搜索佳能相机（Canon Camera）时将 Canon 拼错为 Cannon，优秀的网站会识别错误并展示正确结果；而糟糕的站内搜索即便有货，也会显示‘未找到结果’。”
37signals 针对各网站使用了多种拼写错误测试，例如：
- 品牌名称（如用“Motorolla”代替“Motorola”），
- 类别名称（如用“Pilateese”代替“Pilates”），
- 产品名称（如用“Airon”代替“Aeron”），
- 产品细节（如用“Mahagony”代替“mahogany”），
- 作者或艺术家姓名（如用“Bill Mar”代替“Bill Maher”）。
随后，37signals 将这些词输入 Target.com、Apple.com 和 Macys.com 等引擎。2003 年，这三大网站因拼写容错性差被评为“不合格”。
2020 年复测
基于相同前提，我于 2020 年 1 月 10 日至 14 日测试了 10 个网站，以验证近二十年的技术进步是否改善了零售搜索体验。测试对象如下：
- Amazon.com,
- Apple.com,
- BestBuy.com,
- Costco.com,
- HomeDepot.com,
- Kohls.com,
- Macys.com,
- Target.com,
- Walmart.com,
- Wayfair.com.
本次测试选取了 60 多个涉及品牌、品类及产品的拼写错误搜索词。
在适用范围内，所有网站使用相同术语集。例如，因 Best Buy、Costco、Kohl’s、Target、Walmart 和 Wayfair 均销售 Keurig 产品，故在这些站点统一测试了“keurog”这一拼写错误。
部分错误词仅针对特定网站测试。例如，仅 Apple.com 销售音乐相关产品，因此只在该站测试了“Wierd Al Yankovic”（i/e 颠倒）；这也是对游戏外设品牌 SteelSeries 的错误拼写“steal series”的唯一测试。
2020年的拼写错误术语测试包含了60多个查询。这些查询因网站而异。例如，作者仅在Apple.com上测试了“Wierd”Al Yankovic。
测试结果令人振奋：这些网站正确识别拼写错误的准确率达 97%。尽管样本不具备统计学显著性，但结果仍具参考价值。
亚马逊搜索表现完美，无一遗漏。HomeDepot.com、BestBuy.com、Kohls.com 和 Target.com 同样返回了精准结果。
如何优化站内搜索
领先零售商如何实现高容错率？中小电商企业又该如何跟进？以下是三种策略。
选用优质搜索软件。头部零售商通常在搜索技术上重金投入，采购或租赁能高效处理拼写与打字错误的平台。
许多服务商支持设定容错阈值，例如每 12 个字符允许 1 个错误。
当用户输入“applianeces”（多一个“e”）时，系统因该词与“appliances”在 11 个字符中仅差 1 位，便能自动匹配。
精细化配置。大型零售商往往在搜索调优上投入大量精力。
商家可将容错比设为每 12 或 10 个字符允许 1 个错误。但若阈值过低（如每 4 个字符允许 1 错），搜索结果将充斥无关项，例如搜“free”可能返回“tree”。
此外，可将高频拼写错误设为同义词。若用户常将手表品牌“Fossil”误拼为“Fossel”，商家可建立同义词关联，确保搜索“Fossel”仍能展示“Fossil”产品。
我在 Amazon 测试“fossel”时，系统正确替换为“Fossil”。这是 6 个字符中的 1 处错误，纠正机制可能源于机器学习，也可能是人工手动关联。
将“fossil”与“fossel”匹配是由于人工干预或机器学习所致。
同理，HomeDepot.com 也能轻松将电动工具品牌“ryobe”识别为“Ryobi”（5 个字符中 1 处错误），这大概率是人工手动配置的结果。
利用数据与机器学习。最后，受测网站均能通过行为数据和机器学习捕捉拼写错误。但这同样需要在软件系统与人员管理上持续投入时间与资源。