Meet Guru’s Search Team

Nous travaillons toujours à améliorer et dynamiser l'expérience de nos utilisateurs avec Guru, de la manière dont les connaissances sont créées dans notre éditeur à la façon dont elles sont partagées via Slack, Teams, et plus encore. Un domaine qui tient une place spéciale dans le cœur de notre équipe est notre fonctionnalité de recherche, qui est essentielle à la manière dont notre plateforme est utilisée pour chercher et partager des connaissances. En novembre dernier, nous avons partagé un aperçu de la manière dont nous utilisons les données produits pour améliorer la recherche au sein de Guru. Depuis, nous n'avons pas ralenti d'un pouce, apportant des améliorations incrémentales à notre interface de recherche dans notre application web et notre extension de navigateur, ainsi qu'à notre algorithme. Aujourd'hui, nous allons plonger dans une session de questions-réponses avec deux membres de notre équipe de recherche dédiée pour mieux comprendre comment nous nous assurons que la recherche dans Guru s'améliore toujours.

Merci de vous joindre à nous, Nora et Yev ! Pouvez-vous vous présenter et nous dire un peu ce que vous faites chez Guru ?

Nora : Merci de nous avoir ! Je m'appelle Nora West, et je suis la responsable des produits seniors pour les équipes de recherche et de création chez Guru.

Yev : Merci, Sydney. Je m'appelle Yev Meyer, et je suis un scientifique des données senior chez Guru.

Pour commencer, je voudrais poser quelques questions sur notre équipe de recherche (« pod ») ici chez Guru. Beaucoup de gens ne savent peut-être même pas que nous avons une équipe entière dédiée à l'expérience de recherche — pouvez-vous nous parler un peu de l'équipe ?

Yev : Notre pod de recherche est une équipe interfonctionnelle entièrement dédiée à une seule tâche : fournir une expérience de recherche fluide à nos clients. Le pod de recherche regroupe des designers, des développeurs front-end, des ingénieurs back-end, des architectes, des scientifiques des données, des ingénieurs en apprentissage automatique et des chefs de produit pour planifier et exécuter une approche équilibrée et sensée pour augmenter nos capacités de recherche.

Nora : Oui, exactement. Indépendamment de nos titres exacts, nous travaillons ensemble en équipe pour créer une expérience de recherche incroyable, en nous concentrant à la fois sur le design externe de la recherche et sur le fonctionnement interne de l'algorithme. Je priorise notre travail en fonction des retours que nous recevons, des objectifs de l'entreprise et des insights de marché pertinents.

Yev : J'aide l'équipe à intégrer le traitement du langage naturel (NLP) et l'apprentissage automatique (ML) de manière plus générale dans tous les aspects de la recherche. J'aide également l'équipe à définir notre stratégie d'expérimentation, qui équilibre soigneusement les retours des clients, les métriques de performance de recherche et les insights de l'équipe/technologie.

La recherche n'est pas quelque chose auquel les gens pensent souvent, mais c'est une fonctionnalité clé d'outils comme Guru. Pouvez-vous nous donner un aperçu de base du fonctionnement de la recherche dans Guru ?

Yev : Non seulement la recherche est incroyablement importante, mais selon Google lui-même, ce n'est pas un problème résolu, et c'est incroyablement difficile. Alors que la plupart des gens ne pensent pas beaucoup à la recherche dans les produits logiciels (car ils ont l'habitude de « googler » des choses), il se passe beaucoup de choses en coulisses. De la compréhension de la requête de recherche (par exemple, inférer l'intention, extraire le sens sémantique, corriger les fautes d'orthographe, réécrire la requête en utilisant des synonymes ou d'autres approches pour mieux capturer l'intention, etc.) à l'incorporation du contexte de recherche, en passant par la récupération et le classement des résultats, le tout à grande échelle — c'est un problème complexe et intéressant. Guru s'appuie sur des travaux novateurs en matière de recherche réalisés par des équipes derrière les projets open source Lucene, Solr et Elasticsearch, ainsi que par des équipes d'entreprises telles que Lucidworks, Elastic, Google et AWS pour s'assurer que nous fournissons les connaissances les plus pertinentes à nos utilisateurs.

Quels sont les indicateurs que vous examinez pour déterminer à quel point notre recherche fonctionne "bien" ? Comment identifiez-vous les opportunités d'améliorer et/ou d'enrichir la recherche au sein de Guru ?

Yev : Nous examinons à la fois des indicateurs qualitatifs et quantitatifs. Sur le plan quantitatif, nous avons passé beaucoup de temps à intégrer le suivi des événements dans le produit, afin que nous puissions suivre les données d'interaction utilisateur-produit. En examinant ces données d'interaction, nous pouvons mesurer assez précisément à quel point la recherche fonctionne bien. Retournons-nous des résultats pertinents ? Les utilisateurs interagissent-ils avec eux ? Comment ? Dans quelle position ces résultats apparaissent-ils lorsque les utilisateurs interagissent avec eux ? En plus du rappel, de la précision moyenne (MAP) et d'autres métriques généralement utilisées pour répondre à ces questions, nous examinons également la frustration des utilisateurs. Les gens cherchent-ils autre chose sans interagir avec les résultats de recherche ? Réformulent-ils leurs requêtes de recherche ? Ce ne sont que quelques exemples généraux et chaque question peut être davantage précisée pour une partie particulière du produit, un contexte particulier, une intégration, etc.

Nora : Comme l'a déclaré Yev, les données nous donnent un aperçu incroyable des actions que nos utilisateurs entreprennent, ce qui nous permet de mesurer la performance de la recherche au fil du temps. Avec ces informations, nous pouvons optimiser les actions que nous voyons les utilisateurs entreprendre continuellement et aider là où nous constatons de mauvais résultats. Par exemple, nous avons constaté que les requêtes des utilisateurs contenaient souvent des mots figurant dans le titre de la carte qu'ils recherchent, alors nous avons introduit une recherche rapide par titre pour les aider à accéder plus rapidement à ces cartes. En ce moment, nous concentrons nos efforts sur l'amélioration de la performance pour des recherches plus longues. Les données nous aident également à confirmer un changement avant de l'intégrer dans le produit. Avec nos tests, nous pouvons voir si les changements d'algorithme proposés vont  améliorer les résultats avant qu'ils ne soient publiés pour les clients — afin que nous puissions être sûrs que tout changement que nous faisons améliore l'expérience de recherche.

Yev : Sur le plan qualitatif, nous examinons constamment les retours des clients et discutons avec les clients en temps réel lorsque cela est possible pour déterminer ce qui fonctionne et ce qui ne fonctionne pas.

Nora : Oui, nous discutons avec nos utilisateurs autant que nous le pouvons — les données nous permettent d'inférer beaucoup de choses, mais parler avec les utilisateurs nous aide à comprendre la motivation derrière les actions. Cela nous aide à vérifier ou à réfuter les tendances que nous observons dans les données. Par exemple, en examinant les cartes que les utilisateurs utilisent régulièrement, elles se limitent souvent à quelques collections et tableaux. Cependant, lorsque nous discutons de cela avec les utilisateurs, ils ne sont généralement pas au courant de la structure organisationnelle de leur équipe Guru. Cela nous indique que des filtres organisationnels supplémentaires dans la recherche pourraient potentiellement augmenter la confusion, plutôt que de faciliter la recherche de la carte qu'ils recherchaient.

Il semble que les changements d'algorithme de recherche puissent impacter l'expérience des utilisateurs en matière de recherche de connaissances dans Guru. Comment testez-vous les changements potentiels pour voir l'impact qu'ils auront ? Comment décidez-vous de les activer (ou non) ?

Yev : Excellente question ! Chez Guru, nous adoptons la culture de l'expérimentation, et notre incroyable pod de recherche a développé un cadre d'essai de recherche qui nous permet de rejouer rapidement les requêtes de recherche pour tester de nombreuses idées sans affecter la fonctionnalité de recherche en direct. Une fois que nous avons analysé les données et confirmé que l'hypothèse testée entraîne effectivement une amélioration, nous effectuons un test en direct limité directement dans le produit pour un petit sous-ensemble d'équipes et d'utilisateurs. Si ce test est concluant, nous déployons alors le changement auprès de nos clients.

Merci à vous deux d'avoir partagé tout cela avec nous aujourd'hui ! Avant de partir, pouvez-vous nous dire ce qui attend Guru en matière de recherche ?

Yev : Une tonne d'améliorations !

Nora : Oui, beaucoup d'améliorations à venir. Ce trimestre, nous nous sommes concentrés sur l'amélioration de l'expérience de recherche pour des recherches plus longues, et cette année, nous nous optimisons pour des améliorations d'algorithme. Nous avons également amélioré nos systèmes pour augmenter la vitesse à laquelle nous pouvons tester et publier des changements pour nos utilisateurs.

Pour rester à jour avec les améliorations itératives de la fonctionnalité de recherche de Guru, abonnez-vous à notre blog et gardez un œil sur les prochaines sorties de fonctionnalités.