Когда мы думаем о наших повседневных взаимодействиях с технологиями, «поиск» становится синонимом «серфинга». Поиск стал повсеместным в интернете — практически любое «связанное» действие, которое мы можем выполнить, начинается с какого-то поиска. Это означает две вещи: во-первых, как потребители технологий мы пришли к ожиданию безупречных поисковых experiences; а во-вторых, компании, предоставляющие нам эти возможности для поиска, имеют огромное количество данных о том, как мы это делаем.

В Guru мы постоянно смотрим на эти данные, чтобы продолжать улучшать наше выполнение поиска — и часто то, что мы находим, удивляет нас. И хотя мы в конечном итоге верим, что лучший поиск — это поиск без поиска, мы знаем, что оптимизация поиска продолжит помогать нашим клиентам находить необходимую информацию.

Поиск ответа

В наших недавних усилиях по улучшению эффективности поиска, мы подумали о нескольких способах, как мы могли бы классифицировать успешный или неуспешный поиск. Это было время сессии, просмотренные карточки, общее количество кликов, количество запросов? Существовало множество способов классифицировать поиски как «хорошие» или «плохие», но в конечном итоге мы решили оценить действия, которые происходили после ввода пользователем запроса и нажатия клавиши enter.

Вступайте в нашу команду данных, чтобы проявить нашу любознательность. После работы с ними над определением лучшего способа оценки наших пользовательских данных, они создали диаграмму-солнце всех действий, которые пользователи совершали после первого запроса. Проведя хорошую пятиминутку, восхищаясь их впечатляющей работой и пытаясь разобраться в визуализации данных перед нами, мы были готовы погрузиться и начать оценивать, какие пути нам нравились, какие нет, и какие мы должны будем исследовать дальше, чтобы иметь четкое мнение.

Почему стоит использовать подход, основанный на данных, для решения проблем?

Использование подхода, основанного на данных, для решения масштабных проблем предоставляет уникальную возможность выбрать очень конкретную боль, попытаться ее устранить и разумно количественно оценить результат вашей попытки. Например, если наша команда просто решила «улучшить поиск», у нас было бы много возможных действий, которые мы могли бы предпринять. Мы могли бы попытаться увеличить скорость, с которой заполнялись результаты, исследовать возможность изменения нашего алгоритма или рассмотреть возможность предложения результатов клиентам новыми способами. И все эти действия будут стоящими начинаниями и, вероятно, улучшат поиск каким-то образом, но использование подхода, основанного на данных, направленного на изменение одного конкретного результата, всегда побеждает. Почему? Давайте рассмотрим оба метода.

Скажем, мы выбрали подход «вроде всё попробуем сразу» для улучшения поиска. Вероятно, у нас было бы много инженеров, специалистов по данным, менеджеров продуктов и других коллег, сосредоточенных на отдельных задачах, работающих над конкретным улучшением, за которое они были полностью или частично ответственны. Они, вероятно, завершили бы эти проекты с драматически разными темпами в зависимости от сложности, а затем перешли бы к следующему. Достаточно просто. Но когда придет время нашей команде отразить первоначальную задачу — улучшение поиска, будет очень трудно оценить наш успех. Потому что даже если каждый показатель, который мы использовали для бенчмаркинга успеха, двигался в правильном направлении, как мы могли бы знать, какой проект(ы) вызвали улучшение? Или, если наши показатели двинулись в неправильном направлении, как бы мы знали, какие проекты следует сократить?

Почему стоит выбрать узкую фокусировку на разработке?

Применяя более целенаправленный подход, исправляя одну проблему за раз, мы лучше можем защитить себя от подобных проблем. Например, когда речь идет о поиске, более целенаправленный подход означал бы, что вместо того, чтобы стремиться «улучшить поиск», мы бы решили улучшить один конкретный путь на нашей диаграмме-солнышке, который мы определили как нежелательный. Например, мы могли бы обратить внимание на пользователей, которые ищут снова сразу после их первого поиска, не просмотрев никогда карточку. Отсюда мы можем рассмотреть все причины, по которым это может происходить — не появляется ли нужная карточка в результатах поиска? Слишком ли глубоко она находится на странице? Понял ли пользователь, что он искал не те ключевые слова и решил попробовать снова? Отсюда мы можем рассмотреть множество путей к разрешению этой паттерна и спроектировать наши следующие задачи соответственно. Такое планирование на основе проблем помогает нашей команде сосредоточиться на быстром решении более мелких задач и позволяет оценить, внесли ли мы желаемый вклад быстро и эффективно.

Поскольку поиск является основным компонентом любого инструмента управления знаниями, подобного Guru, мы знаем, что он всегда будет нашим приоритетом. Использование подхода, основанного на данных, позволяет нам убедиться, что мы осмысленно и целенаправленно подходим к решению каждой части головоломки.