私たちがテクノロジーとの日常的な相互作用を考えるとき、“検索”は“サーフィン”と同義になります。 検索はインターネットとともに普及しており、ほぼすべての“接続された”アクションは何らかの検索から始まります。 つまり、2つのことを意味します。まず、テクノロジーの消費者として、私たちはシームレスな検索体験を期待するようになりました。そして第二に、私たちに検索の機会を提供する企業は、私たちがそれをどのように行っているのかに関する大量のデータを持っています。

Guruでは、このデータを常に確認して検索パフォーマンスを改善し続けています。そして、私たちが見つけるものには驚かされることがよくあります。 そして、私たちは最終的には最良の検索は検索しないことだと信じていますが、検索の最適化が私たちの顧客が必要な知識を見つけるのを助け続けることを知っています。

答えを探している

最近の検索パフォーマンス向上の取り組みの中で、私たちは成功した検索と失敗した検索を分類するいくつかの方法を考えました。 それはセッションの継続時間、閲覧したカード、総クリック数、クエリ数だったのでしょうか？ 検索を“良い”または“悪い”として分類する方法は多くありましたが、最終的にはユーザーがそのお馴染みの上部バーに入力してエンターキーを押した後に行われたアクションを評価することに決めました。

私たちの好奇心を明らかにするために、データチームを投入します。 彼らと協力してユーザーデータを評価する最良の方法を特定した後、彼らはユーザーが最初のクエリの後に行ったすべてのアクションのサンバーストチャートを作成しました。 彼らの素晴らしい仕事を5分間じっくり観賞し、私たちの目の前のデータビジュアライゼーションを理解した後、どのパスが好きで、どれが嫌いで、どれをさらに調査する必要があるかを評価し始める準備が整いました。

なぜデータドリブンアプローチで問題解決を行うのか？

データドリブンアプローチを大きな問題に適用することは、特定の痛みのポイントを選び、それに取り組み、その試みの結果を合理的に定量化するというユニークな機会を提供します。 例えば、私たちのチームが単に“検索を良くする”ことを目指した場合、私たちが行える活動はたくさんあります。 結果が表示される速度を上げたり、アルゴリズムを調整したり、顧客に新しい方法で結果を提案したりすることができるでしょう。 これらすべての活動は価値のある取り組みであり、ある種の方法で検索を改善する可能性が高いですが、特定の結果を得るためにデータドリブンアプローチを採用することはいつでも勝利します。 なぜ？ 両方の手法を考えてみましょう。

例えば、すべてのアイデアを一度に試そうとするアプローチで検索を改善することにしたとしましょう。 おそらく、多くのエンジニアやデータサイエンティスト、プロダクトマネージャー、その他の同僚が、彼らの個々のタスクに注力し、彼らが責任を持つ特定の改善に取り組むことになるでしょう。 彼らは複雑さに基づいて、このプロジェクトを dramatically 異なる速さで完了し、その後次のことに移動するでしょう。 簡単そうです。 しかし、検索改善という元のタスクを反省する時が来ると、それを評価するのが非常に難しくなるでしょう。 なぜなら、私たちが成功のベンチマークとして使用しているすべての指標が正しい方向に動いたとしても、どのプロジェクトが改善を引き起こしたのかをどうやって知ることができるのでしょうか？ また、指標が悪い方向に動いた場合、どのプロジェクトを引き戻すべきかどうやって知るのでしょうか？

なぜ開発に狭い焦点を選ぶのか？

より焦点を絞り、1つの問題を一度に解決するアプローチを取ることで、私たちはこの種の課題に対する安全をより良く確保できます。 例えば、検索に関して、より焦点を絞ったアプローチを担うことは、“検索を良くする”という目標の代わりに、私たちが望ましくないと判断したサンバーストチャートの一つの特定のパスを改善することを意味します。 例えば、最初の検索の直後に再検索するユーザーを確認することができるかもしれません。 そこで、なぜそのことが起こるのかを考慮できます。—求められているカードが検索結果に表示されていないのか？ ページの下の方に行き過ぎているのでしょうか？ ユーザーが間違ったキーワードで検索していることに気づいて再度試したのでしょうか？ ここから、このパターンを解決するための多くのパスを考慮し、それに応じて次のタスクを設計できます。 この種の問題ベースの計画は、私たちのチーム全体が小さな課題を迅速に解決することに集中できるようにし、私たちが望む影響を迅速かつ効果的に評価できるようにします。

検索はGuruのような知識管理ツールの重要な要素であるため、私たちは常に主要な焦点であることを知っています。 データドリブンアプローチにより、私たちはパズルの各部分を解決する方法において思慮深く意図的であることを確保できます。