De evolutie van “Search” deel 2

In de evolutie van “Search” deel 1 heb ik jullie meegenomen in de reis door de evolutie van Search. In dit deel ga ik verder met dit reisverslag.

Zoeken heeft zich de afgelopen jaren sterk ontwikkeld en het wordt voor ons gebruikers steeds makkelijker om informatie te vinden, ook al neemt de hoeveelheid informatie nog steeds toe.
Zoektechnologie én de gebruikerservaring wordt steeds beter. Ontwikkelaars van zoektechnologie en ontwerpers van zoekinterfaces begrijpen ons “zoekers” steeds beter. Uitdagende en baanbrekende oplossingen zijn het resultaat.

In deel twee van dit artikel neem ik jullie mee in de “state of search” anno nu én werp ik een blik in de toekomst.

Fase 3: zoeken op “statistische informatie”

Daar waar eerder alleen gekeken werd naar documenten of artikelen die rechtstreeks aan de zoekvraag voldoen, wordt nu meer en meer gekeken naar het gedrag van de zoeker.

De zoekmachine maakt gebruik van zoekvragen die door bezoekers zijn uitgevoerd om andere bezoekers op een bepaald spoor te zetten. Wanneer ik begin met het intypen van een zoekvraag, komt de zoekomgeving met suggesties om mijn zoekvraag af te maken. Dit mechanisme staat ook wel bekend als “autocomplete”. De zoekvragen zijn niet verzonnen, maar hergebruikt vanuit de statistische log informatie. Google maakt hier ook denkbaar gebruik van.
Door de toepassing van de autocomplete maken mensen minder typefouten en ze leren van elkaar.

Een andere vorm van het gebruik van statistische informatie in zoekomgevingen zijn de zogenoemde “Recommendation engines”. Hierbij worden suggesties voor artikelen of documenten gedaan die een relatie hebben met waar jij op dat moment mee bezig bent. Vergelijk dit met de verkoopmedewerker die zegt “weet u wat hier leuk bij staat?”
In het voorbeeld links gaat het om de artikelen die vaak door mensen worden bekeken in relatie tot het artikel dat jij nu aan het bekijken bent.
Amazon maakt hier ook gebruik van door te laten zien welke boeken vaak in combinatie worden gekocht met het boek dat jij nu bekijkt of koopt.

Deze fase is in volle bloei en e-commerce / webshops maken hier dankbaar gebruik van door mensen te inspireren op hun zoektocht naar het juiste artikel.

Het grote nadeel van “recommendation” engines is dat het de diversiteit beperkt. Je krijgt alleen te zien wat veel wordt gezocht of gekeken. Hierdoor zul je dus minder verrast worden. Alles wordt “mainstream” omdat je gebruik maakt van de “knowledge of the crowd” en unieke zoekvragen of combinaties komen te weinig voor om opgemerkt te worden.

Fase 4a: Zoeken in “context” door bronnen

Eerder werd de mogelijkheid geboden om informatie te filteren nadat de zoekvraag was gesteld. Je begint in feit met de hele berg informatie of producten en navigeert / filtert je een weg naar de juiste verzameling.

Wat we echter steeds meer zien, is dat de zoekvraag van de gebruiker in “context” wordt uitgevoerd, of dat je in ieder geval de mogelijkheid hebt om een “context” aan te geven.

In eerste instantie werd de houvast geboden om te kiezen welke “bron” van informatie je wilt doorzoeken. Naast de inperking van de zoekvraag vanaf het eerste begin, geeft dit de bezoeker of gebruiker ook gelijk zicht op de aanwezige verzamelingen of indeling van informatie.

 

 

Fase 4b: Zoeken in “context” door categorieën

Zeer nauw gelieerd aan het bieden van context door de “bron” aan te geven, is het contextueel zoeken binnen categorieën. In essentie is dit mechanisme gelijk als het aanbieden van context of bron, het vergt echter meer aandacht voor de indeling en het kost meer tijd om deze structuur toe te passen.

Uit welke bron iets komt is meestal makkelijk te bepalen. Tot welke categorie iets behoort moet worden beoordeeld en daarna toegewezen.

Deze structuren komen vrijwel altijd overeen met de algemene indeling van de website (generieke informatie-architectuur). Wanneer je naar de sectie “Gift cards” bent genavigeerd, en je gaat daar zoeken, dan kan de contextuele zoekopdracht dit gegeven meenemen in de zoekvraag. Je doorzoekt dan dus niet weer de hele website, maar alleen het deel waar je geïnteresseerd in bent.

 

 

Fase 4c: Zoeken in “context” via personalisatie

De “holy grail” van zoeken en vinden is ervoor zorgen dat je informatie automatisch krijgt aangereikt op het moment dat je er behoefte aan hebt.
Die behoefte kan expliciet zijn (je zit in een bepaald proces of activiteit), maar zeker ook impliciet (“heeft u hieraan gedacht?”).

Wanneer we spreken over personaliseren, dan gaat het om de volgende gegevens:

– Locatie
– Zoekhistorie
– Klikgedrag (zoals zoekresultaten, maar ook aankopen)
– Persoonlijke omstandigheden (leeftijd, geslacht, taal)

Een goede zoekoplossing houdt rekening met deze personalisatiekenmerken en probeert hier op een slimme manier gebruik van te maken.

In het voorbeeld links staan twee kaartjes. Op het moment dat Google mijn locatie niet kent en ik zoek op een bepaalde plaatsnaam, dan zal de applicatie mij de kaart van de meest (voor Google) logische of populaire plaats op de wereld laten zien.
Wanneer mijn huidige locatie echter bekend is, dan zal dat gegeven worden betrokken in de zoekopdracht naar de plaats die ik heb opgegeven en zal Google mij de kaart van de plaats laten zien die geografisch het dichtst bij ligt.

Een ander voorbeeld betreft reclame-uitingen op websites. Om effectief te zijn moeten deze zeer specifiek worden afgestemd op een doelgroep. In de afbeelding zijn drie reclame-uitingen te zien die allemaal van dezelfde website komen en die in basis dezelfde content bevatten. De manier waarop de boodschap wordt verpakt is echter zeer verschillend. Als je naar de site gaat als je in America bent, dan krijg je de eerste intro te zien.
Ben je in Japan, dan verschijnt er een totaal verschillende boodschap. “Retail” in america wordt geassocieerd met het verkopen van fruit en kleding. Voor Japan wordt een “high-tech” plaatje gebruikt.

Als laatste het voorbeeld van de reclame’s die je te zien krijgt wanneer je gebruik maakt van GMail. Deze reclames zijn niet alleen gebaseerd op de inhoud van de e-mail die je aan het lezen bent. Google maakt zeer slim gebruik van je zoek- en klikgedrag op Google.com om deze reclames te tonen.

Het grote nadeel van “personalisatie” op basis van wat je in het verleden hebt gedaan,  is dat het de diversiteit en verrassingen beperkt. Soms wil je geïnspireerd worden door iets nieuws of je bent gewoon niet meer die persoon van een aantal jaren geleden omdat je bijvoorbeeld van baan bent gewisseld. Een machine kijkt naar wie je was en niet naar wie je wilt worden!

Fase 5: Embedded Search

In een volgend artikel sluit ik deze serie af met een beschrijving van de “next big thing” in search, nl. de Search Based Applications oftwel “Embedded Search”.

 

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Verplichte velden zijn gemarkeerd met *

De volgende HTML-tags en -attributen zijn toegestaan: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>