Elanso

样本整体描述

本次研究采用线上问卷和检索日志相结合的方法。线上问卷的数据来自mp3首页2006年7月5日至2006年7月13日的问卷调查，共收集到问卷2544份。删除没有cookie的样本，共剩余2455个样本。跟踪填答问卷用户的cookie，获得以上用户从2006年8月5日至2006年8月29日，共计25天的网页搜索检索日志。

需要说明的是，由于本次数据的cookie来自mp3首页，应该考虑到的是mp3的用户并不能完全代表百度的所有用户。从艾瑞的iUserTracker数据可以看到，大约有54.3％的百度用户使用百度mp3，也就是说本次调查的数据并不能准确反映剩余45.7％的百度用户的检索行为。在解读数据时这个因素是需要被考虑进去的。

图1：百度主要服务用户月度到达率

在这2455个样本中继续剔出无效样本，具体的判断标准是：1、25天内在网页搜索上检索量为0的。2、平均每次检索会话（session）的检索次数大于20的。（这类cookie属于机器抓取或攻击的行为）。3、25天内总检索量大于3000的。（这类cookie很可能来自网吧或者公共机房）。最终剩余691个有效样本。

当然这种判断标准主要来自于主观的经验判定，可能并不绝对合理。尤其是总检索量大于3000这一标准，很可能把一些检索次数非常高的用户剔除在外。但考虑到本次研究将一个cookie假定为一个用户，多人一机时的检索数据将对分析结果造成较大影响，因此在检索量上限的设定上采用了较为严格的标准。

在确定有效样本后，对他们的检索词进行分类，共计4大类，54小类。标注词占总检索词的覆盖率为69.3%，对标注词的检索量占总检索量的覆盖率为80.6%。具体数据见下表：

表1：研究标注词的覆盖率

检索量前十位的类别分别是：

表2：检索量前十名的检索类别

我们可以看到，检索量最高的类别是网址/网站类，也就是说用户使用搜索引擎进行“网站导航”的需求量很高。其次是游戏和音乐，这两类娱乐主题的检索比例也很高。教育培训的检索量是第四名，主要原因是我们对日志的跟踪时间段是在8月份，正好是高考招生的时候，很多学生、老师、家长都会大量的检索与之有关的信息。