כאשר אנו חושבים על האינטראקציות היומיומיות שלנו עם טכנולוגיה, "חיפוש" הופך לללא ספק שווה ערך ל"גלישה". חיפוש הפך להיות נוכח בכל מקום עם האינטרנט - כמעט כל פעולה "מחוברת" שנוכל לבצע מתחילה עם סוג כלשהו של חיפוש. זה אומר שתי דברים: ראשית, כצרכני טכנולוגיה, ציפינו לחוויות חיפוש ללא הפרעה; ושנית, שהחברות שמספקות לנו הזדמנויות אלו לחיפוש יש הרבה מאוד נתונים לגבי איך אנחנו עושים זאת.

ב-Guru, אנו בודקים נתונים אלו כל הזמן במטרה לשפר את ביצועי החיפוש שלנו - ולעיתים, מה שאנו מוצאים מפתיע אותנו. ואף על פי שאנו בסופו של דבר מאמינים ש-החיפוש הטוב ביותר הוא ללא חיפוש בכלל, אנו יודעים שאופטימיזציה של חיפוש תמשיך לסייע ללקוחותינו למצוא את הידע שהם זקוקים לו.

מחפשים תשובה

במאמצים האחרונים שלנו לשפר את ביצועי החיפוש שלנו, חשבנו על כמה דרכים בהן נוכל לקטלג חיפוש מוצלח או לא מוצלח. האם זה היה משך הזמן של הסשן, כרטיסים שנצפו, סך הכל קליקים, מספר שאילתות? היו הרבה דרכים שבהן יכולנו לקטלג חיפושים כ"טובים" או "רעים", אך בסופו של דבר החלטנו להעריך את הפעולות שהתרחשו לאחר שמשתמש הקיש בשורת החיפוש המוכרת ולחץ על Enter.

כאן נכנס צוות הנתונים שלנו כדי להאיר את סקרנותנו. לאחר שעבדנו איתם כדי לקבוע את הדרך הטובה ביותר להעריך את נתוני המשתמש שלנו, הם בנו גרף סאן בורסט של כל הפעולות שהמשתמשים עשו אחרי השאילתה הראשונה שלהם. לאחר שבילינו 5 דקות טובות בהערצה לעבודה המרשימה שלהם והבנת מה שהוויזואליזציה אומרת בפנינו, היינו מוכנים לקפוץ פנימה ולהתחיל להעריך אילו מסלולים אהבנו, אילו לא, ואילו נצטרך לחקור יותר לעומק כדי לנסח דעה ברורה.

למה לבחור גישה מונחית נתונים לפתרון בעיות?

לקיחת גישה מונחית נתונים לבעיות רחבות נותנת הזדמנות ייחודית למקד נקודת כאב מאוד ספציפית, לנסות לטפל בה ולכמת בצורה סבירה את התוצאה של הניסיון שלך. למשל, אם הצוות שלנו פשוט יצא כדי "לשפר את החיפוש", יהיו הרבה פעילויות אפשריות שנוכל לעשות. אנו יכולים לנסות להאיץ את מהירות הכניסות של התוצאות, לחקור איך לשנות את האלגוריתם שלנו, או לבדוק הצעות תוצאות ללקוחות בדרכים חדשות. וכל הפעילויות האלו היו מאמצים ראויים והיו כנראה משפרות את החיפוש במובן כלשהו - אך גישה מונחית נתונים שמכוונת להזיז את הכפתור על תוצאה ספציפית אחת תמיד מנצחת. למה? בואו נחשב את שני השיטות.

נניח שהלכנו עם הגישה הכוללת, נעשה ניסוי בכל מה שחשבנו אי פעם בבת אחת לשיפור החיפוש. כנראה שיהיו לנו הרבה מהנדסים, מדעני נתונים, מנהלי מוצר ושאר קולגות ממוקדים במשימות פרטניות, עובדים לקראת שיפור מסוים שלגביו הם היו אחראיים באופן מלא או חלקי. כנראה שהיו מסיימים פרויקטים אלו בקצב שונה באופן דרמטי בהתבסס על המורכבות, ואז עוברים לדבר הבא. מספיק פשוט. אך כאשר יגיע הזמן עבור הצוות שלנו לשקול את המשימה המקורית - שיפור החיפוש - זה יהפוך מאוד קשה להעריך את ההצלחה שלנו. מכיוון שאפילו אם כל מדד שהשתמשנו בו להעריך הצלחה נע בכיוון הנכון, איך יכולנו לדעת איזה פרויקט/ים גרמו לשיפור? או, אם המדדים שלנו זזו בכיוון הלא נכון, איך נוכל לדעת אילו פרויקטים למשוך אחורה?

למה לבחור ממוקד צר לפיתוח?

על ידי לקיחת גישה ממוקדת יותר, פתרון בעיה אחת בכל פעם, אנחנו מצליחים להגן על עצמנו טוב יותר נגד סוגים אלה של אתגרים. לדוגמא, כאשר מדובר בחיפוש, גישה ממוקדת יותר ת意味着 שבמקום לשאוף לשפר את החיפוש בכללותו, היינו מכוונים לשפר נתיב ספציפי על הגרף שלנו שתפסנו אותו כבלתי רצוי. למשל, אנו יכולים לבחור להתמקד במשתמשים שמחפשים שוב מיד לאחר החיפוש הראשון שלהם, מבלי לראות כרטיס. משם, אנו יכולים לשקול את כל הסיבות למה זה עשוי לקרות - האם הכרטיס הרצוי לא מופיע בתוצאות החיפוש? האם זה רחוק מדי למטה בעמוד? האם המשתמש הבין שהוא מחפש את המונחים הלא נכונים והחליט לנסות שוב? משם, אנו יכולים לשקול דרכים רבות לפתרון דפוס זה, ולעצב את המשימות הבאות שלנו בהתאם. סוג זה של תכנון מבוסס בעיות שומר על כל הצוות שלנו ממוקד בפתרון אתגרים קטנים במהירות כצוות, ומאפשר לנו להעריך אם הצלחנו להשיג את ההשפעה הרצויה במהירות וביעילות.

מכיוון שהחיפוש הוא רכיב מרכזי בכל כלי לניהול ידע כמו Guru, אנו יודעים שזה תמיד יהיה מיקוד ראשי עבורנו. לקיחת גישה מונחית נתונים מאפשרת לנו לוודא שאנחנו מתכוונים בכוונה כיצד אנחנו מתקדמים בפתרון כל חלק של הפאזל.