عندما نفكر في تفاعلاتنا اليومية مع التكنولوجيا، تصبح "البحث" مرادفًا لـ"التصفح". أصبح البحث مهيمنًا على الإنترنت - تعتبر أي فعل "مترابط" نقوم به يبدأ بنوع من البحث. هذا يعني شيئان: أولاً، أننا كمستهلكين للتكنولوجيا، نتوقع أن تكون تجارب البحث سلسة؛ وثانيًا، أن الشركات التي توفر لنا هذه الفرص للبحث تمتلك الكثير من البيانات حول كيفية قيامنا بذلك.

في Guru، ندرس هذه البيانات باستمرار من أجل الاستمرار في تحسين أداء البحث لدينا - وغالبًا ما تفاجئنا النتائج. وعلى الرغم من أننا نؤمن في النهاية بأن أفضل بحث هو عدم البحث على الإطلاق، نحن نعلم أن تحسين البحث سيساعد عملائنا دائمًا في العثور على المعرفة التي يحتاجونها.

البحث عن إجابة

في جهودنا الأخيرة لتحسين أداء البحث لدينا، فكرنا في عدة طرق يمكننا من خلالها تصنيف بحث ناجح أو غير ناجح. هل كانت مدة الجلسة أم البطاقات المعروضة أم إجمالي النقاط أم عدد الاستفسارات؟ كانت هناك طرق متعددة يمكننا من خلالها تصنيف عمليات البحث باعتبارها "جيدة" أو "سيئة"، لكن في النهاية قررنا تقييم الإجراءات التي حدثت بعد أن قام المستخدم بكتابة استفساره وضغط على إدخال.

دخل فريق البيانات لدينا لإخراج فضولنا إلى النور. بعد العمل معهم لتحديد أفضل طريقة لتقييم بيانات مستخدمينا، قاموا ببناء رسم بياني شمسي لجميع الإجراءات التي كان يقوم بها المستخدمون بعد استفسارهم الأول. بعد أن أقمنا خمسة دقائق مشيدين بعملهم المميز ومحاولين فهم تصور البيانات أمامنا، كنا مستعدين للغوص والبدء في تقييم المسارات التي نحبها، والتي لا نحبها، والتي نحتاج إلى التحقيق فيها أكثر من أجل أن يكون لدينا رأي صريح.

لماذا نعتمد على نهج قائم على البيانات في حل المشكلات؟

يوفر اتخاذ نهج قائم على البيانات في المشكلات الكبيرة الفرصة الفريدة لاختيار نقطة ألم محددة، ومحاولة معالجتها، وقياس عاقبة محاولتك بشكل معقول. على سبيل المثال، إذا كانت فريقنا يهدف ببساطة إلى "تحسين البحث"، ستكون هناك الكثير من الأنشطة الممكنة التي يمكن القيام بها. يمكننا محاولة زيادة السرعة التي تظهر بها النتائج، والتحقيق في تعديل خوارزميتنا، أو النظر في اقتراح النتائج للعملاء بطرق جديدة. وستكون جميع هذه الأنشطة مساعي جديرة ومن المحتمل أن تحسن البحث بطريقة ما - لكن اعتماد نهج قائم على البيانات يهدف نحو تغيير بنسبة معينة نتيجة واحدة تفوز في كل مرة. لماذا؟ لننظر في كلتا الطريقتين.

دعنا نفترض أننا ما ذهبنا بنهج شامل، لنحاول كل ما فكرنا فيه مرة واحدة لتحسين البحث. من المحتمل أن يكون لدينا الكثير من المهندسين، وعلماء البيانات، ومديري المنتجات، وزملاء آخرين يركزون على مهام فردية، يعملون نحو تحسين معين كان يتمتعون بمسؤولية كاملة أو جزئية. من المحتمل أن يتمكنوا من إنهاء هذه المشاريع بمعدلات مختلفة بشكل كبير بناءً على التعقيد، ثم الانتقال إلى الأمر التالي. بسيط جدًا. ولكن عندما يأتي الوقت لفريقنا للتفكير في المهمة الأصلية التي في متناول اليد - تحسين البحث - سيصبح من الصعب جدًا تقييم نجاحنا. لأنه حتى إذا تحركت كل مقاييسنا التي نستخدمها لتحديد النجاح في الاتجاه الصحيح، كيف يمكننا أن نعرف أي مشروع أو مشاريع قد تسببت في التحسين؟ أو، إذا كانت مقاييسنا قد تحركت في الاتجاه الخطأ، كيف سنعرف المشاريع التي يجب أن نتراجع عنها؟

لماذا نختار تركيزًا ضيقًا للتطوير؟

من خلال اتخاذ نهج أكثر تركيزًا، حلِّ مشكلة واحدة في كل مرة، نحن قادرون بشكل أفضل على الحماية من هذه الأنواع من التحديات. على سبيل المثال، عندما يتعلق الأمر بالبحث، فإن اتخاذ نهج أكثر تركيزًا يعني أنه بدلاً من البدء "لجعل البحث أفضل"، سنبدأ بتحسين مسار محدد واحد على الرسم البياني الشمسي لدينا الذي حددناه على أنه غير محبذ. على سبيل المثال، يمكننا اختيار النظر إلى المستخدمين الذين يبحثون مرة أخرى مباشرة بعد بحثهم الأول دون عرض أي بطاقة. من هناك، يمكننا التفكير في جميع الأسباب التي قد تحدث؛ هل البطاقة المطلوبة لا تظهر في نتائج البحث؟ هل هي بعيدة جدًا في الأسفل على الصفحة؟ هل أدرك المستخدم أنه كان يبحث عن الكلمات الرئيسية الخاطئة وقرر المحاولة مرة أخرى؟ من هناك، يمكننا التفكير في العديد من الطرق لحل هذه المشكلة، وتصميم مهامنا التالية وفقًا لذلك. هذا النوع من التخطيط القائم على المشكلة يحافظ على تركيز فريقنا بالكامل على حل التحديات الصغيرة بسرعة كفريق، ويسمح لنا بتقييم إن كنا قد حققنا التأثير المرغوب بسرعة وكفاءة.

نظرًا لأن البحث هو مكون أساسي في أي أداة لإدارة المعرفة مثل Guru، نحن نعلم أنه سيكون دائمًا محور اهتمامنا. يسمح لنا اتباع نهج قائم على البيانات بالتأكد من أننا نفكر ونتعمد في كيفية التعامل مع كل قطعة من اللغز.