相空间

上周，正望咨询发布了《2007年中文搜索质量盲测评估报告》，随后评估报告的评估报告就不断地涌现。其中一些极度弱智的评估当然没有什么评论的价值，但也有一些评论，却是切中要害。

比如且听风吟提出的问题：“在数千万计的搜索引擎用户中选取“2740人”作为分层抽样样本，误差之大可想而知”。正望的这份评估报告只选择了不到3000人的样本量，相对于搜索引擎用户群体而言，样本量太小，另一方面，正望在免费公开的材料中，也没有提到抽样的方法。这两个因素直接导致整个采样丧失其统计学意义。且听风吟所指出的，正是这份盲测评估报告的致命伤。

小子不才，也发现了盲测的一个致命伤，这个致命伤甚至从根本上否定了中文搜索引擎盲测存在的意义。我在这里玩了几下之后发现，只要有百度参与，真正的盲测就根本不可能实现。如果参与盲测的用户愿意，按照我提供的方法，他可以很轻松地从并列的若干种搜索结果中找出百度所提供的结果，然后根据自己的偏好做出有倾向性的选择。

下图是我尝试的结果：

区分百度结果的方法很简单，那就是使用疾病的名字作为关键词搜索，如果搜索结果中前三位全部是医院、诊所或者药物的信息，那么这一组搜索结果一定是百度提供的，反之，如果搜索结果中前三位有至少一条是关于疾病本身的信息，那么这一组搜索结果一定不是百度提供的。

我在上面十次测试中使用的关键词分别是：

强直性脊柱炎、抑郁症、牛皮癣、股骨头坏死、系统性红斑狼疮、 脊髓灰质炎、过敏性哮喘、乙肝、糖尿病和脱发。

大量广告信息挤占搜索结果固然会造成搜索体验的急剧下降，在这种情况下，盲测用户选择百度对手的搜索结果也是一种必然，但是当我们讨论盲测评估作为一种统计手段的有效性的时候，就不能不考虑“伪盲测”对统计结果的影响了。 如果评估者希望消除“伪盲测”对测评结果的影响，唯一可行的办法是限定关键词的范围，将盲测限定在那些没有商业价值，广告竞争不激烈的关键词，但是限定关键词的范围，又会将测评者的影响引入到评估结果中。

由此，我得出的结论是，任何有百度参与的搜索引擎用户体验盲测，都是没有统计意义的。