Коли ми думаємо про наші щоденні взаємодії з технологіями, «пошук» стає синонімом «серфінгу». Пошук став всепроникним в інтернеті — майже жодна «підключена» дія, яку ми можемо виконати, не починається з якогось виду пошуку. Це означає дві речі: по-перше, як споживачі технологій, ми звикли очікувати безперебійного досвіду пошуку; а по-друге, компанії, які надають нам ці можливості для пошуку, мають велику кількість даних про те, як ми це робимо.

У Guru ми постійно аналізуємо ці дані, щоб продовжувати покращувати нашу продуктивність пошуку — що часто нас дивує. І хоча ми в кінцевому рахунку вважаємо, що найкращий пошук — це жоден пошук, ми знаємо, що оптимізація пошуку продовжить допомагати нашим клієнтам знаходити потрібні їм знання.

Пошук відповіді

У наших недавніх зусиллях щодо покращення продуктивності пошуку ми подумали про кілька способів, як ми можемо класифікувати успішний або неуспішний пошук. Чи був це час сеансу, переглянуті картки, загальна кількість кліків, кількість запитів? Існує багато способів, якими ми могли б класифікувати пошуки як «хороші» чи «погані», але врешті-решт ми вирішили оцінювати дії, які відбулися після того, як користувач ввів запит у цей знайомий верхній рядок і натиснув Enter.

Входимо в гру наша команда з даних, щоб вивести нашу цікавість на світло. Після співпраці з ними для визначення найкращого способу оцінки даних користувачів, вони створили діаграму сонячного спалаху всіх дій, які користувачі виконували після свого першого запиту. Після того, як ми витратили близько 5 хвилин, захоплюючись їхньою вражаючою роботою і намагаючись зрозуміти візуалізацію даних перед нами, ми були готові зануритися і почати оцінювати, які шляхи нам подобалися, які — ні, та які нам потрібно буде дослідити далі, щоб мати чітку думку.

Чому варто обирати підхід, орієнтуючись на дані, для вирішення проблем?

Вибір підходу, орієнтованого на дані, для вирішення великих проблем дає унікальну можливість вибрати дуже специфічну болючу точку, спробувати її вирішити та адекватно кількісно оцінити результат своєї спроби. Наприклад, якби наша команда просто поставила за мету «покращити пошук», було б багато можливих дій, які ми могли б здійснити. Ми могли б спробувати збільшити швидкість отримання результатів, розглянути можливість налаштування нашого алгоритму або подумати про нові способи пропонування результатів клієнтам. І все ці дії були б вартою справою і, ймовірно, покращили б пошук якимось чином — але підхід, орієнтований на дані, спрямований на досягнення конкретного результату, завжди виграє. Чому? Розгляньмо обидва методи.

Припустимо, що ми пішли з загальним, давайте спробуємо все, про що ми коли-небудь думали, підходом для покращення пошуку. Ймовірно, у нас буде багато інженерів, науковців даних, менеджерів продуктів та інших колег, які зосередяться на окремих завданнях, працюючи над конкретним покращенням, за яке вони були повністю або частково відповідальні. Вони, ймовірно, завершать ці проєкти з буйно різними темпами залежно від складності, а потім перейдуть до наступного завдання. Досить просто. Але коли прийде час для нашої команди віддзеркалити первісне завдання — покращення пошуку — тоді буде дуже важко оцінити наш успіх. Бо навіть якщо кожна метрика, яку ми використовували для оцінки успіху, змістилася в правильному напрямку, як ми можемо дізнатися, який проєкт(-и) призвели до поліпшення? Або, якщо наші метрики змістилися в неправильному напрямку, як ми знатимемо, які проєкти потрібно скоротити?

Чому варто обрати вузький фокус для розвитку?

Обравши більш сфокусований підхід, вирішуючи одну проблему за раз, ми можемо краще захистити себе від такого роду викликів. Наприклад, коли мова йде про пошук, вибір більш сфокусованого підходу означав би, що замість того, щоб ставити за мету «покращити пошук», ми б засередилися на покращенні одного конкретного шляху на нашій діаграмі сонячного спалаху, який ми активували як небажаний. Наприклад, ми можемо вибрати користувачів, які після свого першого пошуку знову здійснюють пошук, не переглянувши жодної картки. Звідси ми можемо розглянути всі причини, чому це може статися — чи не з’явилася потрібна картка у результатах пошуку? Чи занадто далеко вона на сторінці? Чи зрозумів користувач, що він шукає неправильні ключові слова, і вирішив спробувати ще раз? Звідси ми можемо розглянути багато шляхів для вирішення цього шаблону і спланувати наші наступні завдання відповідно. Такий вид планування на основі проблеми підтримує всю нашу команду, зосереджену на швидкому й ефективному вирішенні менших викликів як команда, і дозволяє нам оцінити, чи зробили ми запланований вплив швидко і ефективно.

Оскільки пошук є основним компонентом будь-якого інструменту управління знаннями, як-от Guru, ми знаємо, що він завжди буде нашим пріоритетом. Вибір підходу, орієнтованого на дані, дозволяє нам бути уважними та продуманими в тому, як ми підходимо до вирішення кожної частини головоломки.