主题：【原创】百度和Google，谁更强大，为什么？ -- 邓侃
家园 【原创】百度和Google，谁更强大，为什么？ 判断一个搜索引擎的质量的标准是什么？是准确性（Precision），还是完备性（Recall）？都对，但是都不完整。其实，搜索引擎作为一个产品，它的质量好坏归根结底还是看顾客对它的接受程度，也就是市场占有率，而市场占有率是通过流量（Traffic）来评估的。
有人问，假如我们提高了Precision和Recall，是不是就可以赢得更多流量呢？下面的表格是2004年5个搜索引擎的性能对比，Google不比 Alta Vista好多少，比HotBot稍差，比Scirus差得就更远了。但是同期Google在全球搜索引擎的市场占有率是45%以上，而表中其它搜索引擎的市场占有率没有哪一家超过5%。所以，结论是，Precision和Recall，与搜索引擎的市场占有率没有必然联系。
Table 1. 2004年5个搜索引擎的Precision和Recall比较(Courtesy of Shafi & Rather )
Alta Vista， Google， HotBot， Scirus， Bioweb
Precision 0.27 0.29 0.28 0.57 0.14
Recall 0.18 0.20 0.29 0.32 0.05
有人争辩说，Precision和Recall只关心被搜索引擎找到的结果中，正确的结果占的百分比，以及被找到的正确结果，占所有正确的结果的百分比，这两个性能指标并不能准确反映用户的满意程度。其实，所谓正确的结果中，也有更正确和不那么正确之分，所以更准确地反映用户满意程度的指标是结果的排序。Google凭借PageRank技术，给找到的结果打分并排序。而PageRank的打分，看来比较符合用户的期望，所以Google成功了。
我的偏见是，把扩大搜索引擎的流量，完全寄希望于提高引擎本身的技术性能，这个思路是危险的。比较百度和Google，在技术性能方面，没有强有力的证据表明百度比Google强多少。假设技术性能决定流量，那么百度最多只能和Google平分市场份额。但是事实上，在中国搜索引擎市场，百度占了市场份额的70%以上，远远把Google抛在后面。因此百度的领先，反证了技术决定论的不成立。
另外一个原因是，当今世界技术进步的速度很快，即便是PageRank这样的技术，很快就被很多公司效仿。极端一点讲，搜索引擎方面似乎已经不存在什么技术是哪家公司的独步秘笈。搜索引擎技术，已经成为大路货（commodity），你能做，我也能做。
百度的成功，我看主要因素有两条。一是闭循环系统，二是人力因素。
在说明闭循环系统之前，先看看什么是开循环。Google基本是一个开循环，用户通过Google查找信息，Google返回若干结果，每个结果是一个指向其它网站的链接。用户点击链接，就离开Google，访问其它网站了。但是百度有意成为一个闭循环系统，用户在百度查找信息，百度多半会返回百度知道，百度百科，百度贴吧等等百度其它产品的内容。而这些其它百度的产品，多半会附带搜索服务，而所用的搜索引擎，无一例外统统用的是百度自己的搜索引擎。换句话说，百度的搜索引擎把用户流量带给百度的其它产品，而其它产品又把流量反过来输送回百度搜索引擎。当然，如果百度知道等等其它产品的质量很差，用户也不一定会听从百度引擎的疏导，但是目前看起来百度知道，百度百科，百度贴吧等等产品相当受用户欢迎。即使在Google查找信息，也经常被引导到百度知道，百度百科这些产品上来。
百度第二个成功的诀窍是人力因素。提到人力因素，或许会有人想到Social search engine这样的技术，它是依靠用户打分以及跟踪用户使用搜索引擎的行为，来提高搜索引擎返回结果的质量。百度也依靠人力，但是目的不是提高搜索质量，而是从事两种事情。一，编辑整理内容。二，生成新内容。下面这张表，分析了百度各个产品吸引的用户流量。除了搜索引擎以外，其它高流量产品都有人力参与的成份。譬如图片，mp3，知道，音乐掌门人，视频，新闻和百科，都有编辑整理的痕迹。而图片，贴吧，知道，音乐掌门人，视频，百科等等，内容本身也是由百度用户自己生成的。用专业术语讲，就是“用户生成的内容（User Generated Content）”。百度要维持一支相当规模的内容编辑队伍，这一点恐怕是其它搜索引擎公司所不具备的。百度花了大力气，像Wikipedia那样发动群众生成内容，这一点也是其它搜索引擎公司所不具备的。
Table 2. Baidu traffic breakdown
（Courtesy of Alexa.com）
搜索， 图片， 贴吧， mp3， 知道， Hi， 掌门人， 视频， 新闻， 百科
流量 49% 12% 12% 6% 6% 3% 3% 2% 1% 1%
对比Google的图片和百度的图片。Google的界面仅仅是一个简单的搜索输入框，而百度不仅有输入框，而且还有一些目录，包括爆笑趣图，精品推荐，美女明星，卡通动漫，精美壁纸，电影电视，风景名胜。每个目录下面是由人力收集和编辑的图片。做法不复杂，但是却占了百度流量的12%，可见深受用户欢迎。对比一下Google.cn，它的图片只占总流量的6%。可见有没有编辑，效果大不一样。
Table 3. Google.cn traffic breakdown（Courtesy of Alexa.com ）
搜索 图片 新闻 视频 地图
流量 91% 6% 1% 1% 1%
百度的音乐掌门人产品更有意思，做法是由用户自愿做掌门人，编辑音乐专集。其实编辑的工作也很简单，不过是把各处收集来的音乐放在一起，加上一些评论和图片。但是就这么个简单的产品，却很受用户欢迎，不仅反应在音乐掌门人的流量占到3%，而且从各个专集的反馈来看，用户的反应也是很热烈的。
综合这两条看，百度的成功，功夫在局外。有人说，如此说来，百度胜之不武么。我的偏见是，百度的做法，不仅可以容忍，而且要发扬光大，最好围绕搜索引擎，形成一个信息生产和消费的循环系统，信息的生产满足了消费者的部分需求，而消费者的需求不会就此停滞，更进一步的需求增长反过来刺激更大规模的生产。
譬如是否可以把音乐掌门人的做法，扩张到图片领域，发动用户去编辑画报。内容可以是图片新闻，或者连环画等等。更进一步，有没有可能让医学院的学生们利用课余时间，开设网上健康咨询。让车行的师傅，开设网上车辆诊断。
要发展这些业务，有很多问题需要解决，一，如何让这些掌门人有实际的商业回报，二，如何建立可以追踪网上行为责任的法律体系，三，如何把个体的掌门人组织起来，形成规模效应，为更多用户服务。
首先要让每个用户设立个人账号，这就是以博客为核心的个人空间。为了促进每个网民更多参与，更多贡献，需要创造一个大生产大协作的群体，而社交网的蓬勃发展给了我们非常好的提示。仔细研究一下Facebook和MySpace，它们最热门的功能无非是照片上传和组建社区。有人问，Flickr和Yahoo group不是已经有类似的功能了吗，如何解释Facebook和MySpace比Flickr和Yahoo group更成功？原因不仅是把这些功能整合起来，为用户提供更简便的操作环境。而且个人--小群体--大社区这样的社交网络，迎合了个人对于加入某个组织的渴望。
其次，既提供给每个网络工作者宽松的工作氛围，又保障整个信息生产体系严密。在以后的章节中，我将把博客和社交网，与OO（Object-oriented）的编程范式做类比，但愿能给大家一点启发，如何去营造这样的既宽松有严密的生产体系，完成比Wikipedia更复杂的工程。
第三，接下去我将讨论eTrade和PayPal那样的网络交易系统，不仅让掌门人有商业回报，而且必要时可以追踪法律责任。
在这个网络信息大生产大协作的体系中，搜索引擎将扮演什么角色？首先是收益者，有了更多更好的信息，带给搜索引擎的将是更多的流量。同时，一个激进的观点是，搜索引擎不仅会成为沟通生产者和消费者的媒体，而且还可能成为协调投资行为的股票市场。当然这个观点需要实践的检验。
本帖一共被 3 帖 引用 (帖内工具实现)家园 GG代表的不是技术，而是一种文化优势。 汉语是弱势语言，你听说过正宗老美检索汉语的（还有什么斯瓦西里语之类）？不是和您对着干，这么比更本没道理。现在唯一能比得，就是退到1970S，检索俄语和英语的文献生产量，来对比谁的技术更好。
家园 路过花之 
外链图片需谨慎，可能会被源头改
外链图片需谨慎，可能会被源头改
外链图片需谨慎，可能会被源头改家园 【文摘】google 相关,一个美国军人讲的故事 转贴一段,这个事有点意思,另外,也推荐这个blog给大家
晚饭
也许是美国军人家庭纪律严明，整个晚饭桌上，主人一方主要就是老头一个人说话，客人一方就变成了我主说，谷主偶然插些话。晚饭的过程中，老头突然看着我，问道：你怎么看Google要退出中国这件事情？有那么一秒钟，饭桌上一点声音都没有。
然后我说：我完全不知道Google这么做的动机是什么，不过显然不是因为Google自己冠冕堂皇说的中国的互联网审查。中国的互联网审查从Google进入中国的第一天起就在那里，Google要是因为这个退出中国，那早该退出了。Google自己也一直说：尽管有互联网审查，Google在中国的存在也使得人们可以获得更多的信息，因此洁版的Google也比完全没有Google在中国强。
老头说：也许是这一次忍无可忍了呢？特别是来自中国的黑客攻击了Google，特别是那些持不同政见者的帐户。
我于是问道，这也是我一直有的一个问题：你真的觉得那些黑客是政府支持的？（中国黑客犯下过不少“大案”，Google的事情当然媒体上报道的比较多，我还知道一些根本没有被报道，但破坏性更大的中国黑客进入系统的事情）。
老头觉得有可能，然后说了一个故事，以及他的一个猜想。他说他有一个朋友在中国谈一个大买卖，在等总部的一封重要邮件，这个邮件左等右等就是不来。他担心这个邮件可能被中国的安全部门截留了，后来只能自己飞到东京，跟总部谈妥之后，告诉总部再发一封邮件，里面如此如此说。这封邮件，他也永远没有收到。后来在谈判中，对手很明显掌握了假的底线，所以他的朋友在谈判中就占了便宜。所以老头的猜想就是，黑Google的人可能是有政府背景的，但完全未必是因为政治上的考虑，而是出于商业上的考虑。这件事情和最高层没有任何关系，可能只是一些中层官员们，为了在商业上给Google的对手一些优势，所以干了这些事情。老头悠悠的说：中国的政府机构很多时候看重的其实是商业利益。
这些故事和猜想的真伪是完全无法验证的，只是如果中国的安全部门真的中了美国人的“蒋干盗书”之计，那也太给中国人的老祖宗丢脸了。
家园 假的。TB能有这手法，就不存在国资对外贱卖了。
家园 杯具了~！哥的留下是为了姐，哥依然迷恋着姐~！ http://www.goojje.com/
家园 谁会用百度啊，当心被诈骗！ 今天看到的搞笑新闻，全是百度竞价排名闹的，骗子网站都排第一。
http://baoliao.haixiachina.com/article/2010/0204/mzmhpbbrjlvev3uwjb6ik3cggg.html
购买机票被骗汇款1758元
张小姐向记者说起时仍哭笑不得。张小姐因过年不能回家，让家人来深过年，得知东方航空有航班从老家宜昌飞往深圳，张小姐在百度搜索引擎里输入了关键字“东方航空订票电话”，置顶的网站（shhktjjp.com）是百度的“推广链接”，看起来也很像东方航空的官网，订票电话 “400-735-2892”，张小姐对其权威性深信不疑。
拨打该订票电话，张小姐订了两张由宜昌到深圳的机票，对方让她汇款1758元到一个工行账户中。汇款之后之后对方又致电张小姐，告知她机票需要激活，让她再到工商银行柜员机去进行进一步操作。张小姐才怀疑自己上当受骗。
张小姐马上致电东方航空查询订票信息，才发现票根本没有订到，她只能再订了两张机票。
“百度投诉中心电话是假冒”
气愤难平的张小姐决定向百度公司投诉，她在百度搜索引擎中输入“百度投诉中心电话”。置顶网站只介绍百度投诉中心，没有留电话，但排名第二的网站则有明确的投诉电话：“089-88808-8385”，并且注明：人工服务。
张小姐打过去后，对方非常友善地接受了张小姐的投诉，表示道歉并愿意赔偿损失。但赔偿损失的方式是让张小姐再去工商银行的柜员机，在他们指示下进行操作，并提示张小姐需要告知账户密码等资料。
“马上觉得手法熟悉，跟那个订票网站如出一辙。”她说，连假冒百度投诉中心的电话在百度搜索排名里都能排上第二位，堂而皇之，让她无语。
之后张小姐的反应是立即报警。警方给她做了笔录，表示会进一步调查核实，然后再决定处理方式。
家园 有这种事情要适当的爆发出来。 否则流毒无穷。
家园 百度的掌门真的是技术大牛吗 据说回国创业前就是搜索方面最顶尖的专家之一了，真的假的？
家园 开放的还是比封闭循环好 百度这么干，商业上可以理解，是成功的策略，但是是成功的中短期策略。具体没接触过，但是如果百度内部没有技术赶超的长期策略，那是非常悲哀的。
开放的系统，用户面向的是广阔的、不断拓展的空间，是进取的；而闭循环系统，用户只有依赖百度的智慧了。
初创岁月，没有一点权变是不行的；但看不见差距，不对自己诚实，那是危险的。
家园 呵呵，简直不敢相信 [在技术性能方面，没有强有力的证据表明百度比Google强多少]
您真的使用过这俩搜索引擎么？
搜索mp3，百度很牛；搜索容易被gfw误伤的词汇方面，百度占优。
其他方面，给个google不行的理由？尤其涉及专业性较强的和外语方面。
写这么长的文章，在最核心的问题上面打马虎眼，会搞得所有的劳动都没有意义。
家园 对mp3的搜索是法律问题 不是技术问题。在海外未经授权的歌曲mp3是没法子免费获取的......
家园 个人体验与统计数据 个人体验固然重要，但是有失于个人偏好导致偏见的可能性。
说一个产品比同类产品好，需要公认的客观而且全面的指标，然后通过统计给各个指标分别打分。
搜索mp3，百度很牛；搜索容易被gfw误伤的词汇方面，百度占优。其他方面，给个google不行的理由？尤其涉及专业性较强的和外语方面。
说百度占优，或者说Google不行，得有经得起质疑的数据做证据。
这篇文章起头就说明，目前的precision和recall这两个指标，不够全面。这是对指标的质疑。
即便以这两个不全面的指标去比较百度和Google，也看不出百度领先Google体现在什么地方。
所以，“在技术性能方面，没有强有力的证据表明百度比Google强多少”，是个人的结论。我没有说Google一定比百度强，而是谨慎地认为，没有证据说百度比Google强，也没有证据说Google比百度强。直白一点讲，两者半斤八两，难分高下。
既然是个人的观点，当然有出错的可能。欢迎大家斧正，但是个人体验是靠不住的，需要有扎实的证据。