Scott Tiger Tech Blog

Blog technologiczny firmy Scott Tiger S.A.

Wzorce wyszukiwania

Autor: Piotr Karpiuk o czwartek 21. Kwiecień 2011


W miarę świeża książka wyjaśniająca podstawowe pojęcia i najlepsze praktyki/wzorce na podstawie przykładów, a także omawiająca najnowsze trendy w dziedzinie wyszukiwania.

Poniżej notatki z lektury.

Sposób w jaki definiujemy problem lub formułujemy pytanie decyduje o sposobie postrzegania rozstrzyganych kwestii, odpowiadania na pytania i właściwego działania. Zbyt wąskie sformułowania prowadzą do czegoś na kształt widzenia tunelowego, kiedy sami ograniczamy zakres odpowiedzi do rozwiązań najbardziej oczywistych. Zbyt dalekie odejście od istoty problemu oznacza jednak niepotrzebne rozpraszanie uwagi i energii porówywalne do prób ugotowania wody w oceanie. Najlepszą strategią jest wielokrotne spoglądanie na rozważaną kwestię z różnych stron, żonglowanie pomysłami, wzorcami, potencjalnymi lukami i nawet najbardziej osobliwymi koncepcjami z pogranicza istoty problemu, ale bez jego utraty z pola widzenia. Prawo relatywizmu językowego Whorfa: język kształtuje (i ogranicza) sposób myślenia.

Pole wyszukiwania nie ogranicza się tylko do wyszukiwania – pełni funkcję elastycznego interfejsu wiersza poleceń o olbrzymich możliwościach oferowanych użytkownikom dysponującym niezbędną wiedzą. Jeśli użytkownik właściwie zadaje pytanie, Google odpowie prezentując pogodę pogody, notowania giełdowe, mapy korków ulicznych czy wyniki rozgrywek sportowych – zamiast (lub oprócz) łączy i fragmentów treści stron. Zapytanie jest w istocie pytaniem pozbawionym ozdobników właściwych językom naturalnym.

Warto spojrzeć na wyszkukiwanie nieco szerzej. Wyszukiwanie to tylko podzbiór architektury informacji i szerszej ekologii komunikacji, które łącznie decydują o doznaniach użytkownika. Warunkiem efektywnego nawigowania jest połączenie wyszukiwania, filtrowania i przeglądania, co skraca drogę do poszukiwanych informacji. W praktyce przechodzimy dość płynnie pomiędzy tymi czynnościami, nawet nie zwracając uwagi na moment, w którym odchodzimy od jednej na rzecz drugiej.

Przykłady innowacyjnych wyszukiwarek

Gazopa
Znajdź podobny obrazek do wskazanego lub naszkicowanego
Midomi
Znajdź utwór śpiewając jego kawałek
Etsy
Znajdź towar po kolorze
GoPubMed
generuje propozycje możliwych rozwiązań na podstawie bazy wiedzy o bardzo precyzyjnie zdefiniowanej strukturze; użytkownicy moga przeglądać tabele i wykresy dla dowolnych zbiorów wyników wyszukiwania; ta i inne funkcje mogą sugerować ciekawe rozwiązania na potrzeby aplikacji wyszukiwania w zupełnie innych kategoriach i tematach
Epicurious
wyjątkowo wysmakowany model nawigacji fasetowej, pozwalający doskonalić wyniki wyszukiwania poprzez dobór głównych składników, rodzaju posiłków i kuchni
oSkope
zabawna wyszukiwarka zdjęć z chaotycznym układem wyników
Aardvark
system pomocy korzystający z zaawansowanych algorytmów kierowania pytań do właściwych adresatów w ramach szerokiej sieci znajomych, kolegów z pracy, a nawet obcych użytkowniów o podobnych profilach. Użytkownicy moga zadawać pytania i wpisywać odpowiedzi za pośrednictwem komunikatorów, witryny internetowej, aplikacji mobilnej, poczty elektronicznej lub Twittera. Odpowiedzi na większość pytań pojawiają się w ciągu zaledwie pięciu minut. Wyszukiwarka skutecznie zachęca użytkowników do pomagania innym, szczególnie jeśli mają do zaoferowania wartościowe rady.
Google Public Data
mechanizm ułatwiający odnajdywanie i wizualne zestawianie danych statystycznych
Wolfram Alpha
silnik wiedzy obliczeniowej. Zapytania wyrażane w języku naturalnym są poddawane analizie lingwistycznej i zaawansowanemu przetwarzaniu; wyniki obejmują tabele, wykresy, wzory, wizualizacje i dynamiczne kontrolki
CitySearch
dodatkowe opcje są wyświetlane po przeniesieniu kursora myszy nad wynik

Wyszukiwanie wymaga znajomości tego, czego chcemy, i dysponowania słownictwem niezbędnym do opisania naszych potrzeb. Nieco inaczej przebiega przeglądanie, które pozwala odkrywać to, co jest dostępne, prezentuje słownictwo i przypomina użytkownikom o rzeczach, których mogą potrzebować. Szczególnie skuteczne jest przeglądanie w świecie mobilnym, gdzie wpisywanie zapytań jest szczególnie czasochłonne i gdzie zwykle nie jesteśmy pewni, czego szukamy – możemy przeglądać mapę z naniesionymi ikonkami, lub tradycyjny podział na kategorie. Szukamy aby zdobywać wiedzę, lepiej rozumieć problemy, dzielić się informacjami i podejmować konkretne czynności. Cele użytkowników mogą uzasadniać ewentualne dalsze czynności: drukowanie, zapisywanie i udostępnianie wyników. Tym niemniej strony z wynikami coraz częściej (zwłaszcza w internecie mobilnym) umożliwiają: odtwarzanie muzyki, oglądanie wideo, kupowanie produktów, aktualizowanie kalendarzy i telefonowanie do osób z list kontaktów.

Portierzy i bibliotekarze zgodnie twierdzą, że ich praca sprowadza się do odpowiadania na pytania. Ich pierwszym zadaniem jest prowadzenie rozmów wprowadzających, swoistych wywiadów niezbędnych do lepszego zrozumienia oczekiwań rozmówców. Gość hotelowy, który prosi o plan miasta, może szukać na przykład drogi do restauracji zamkniętej miesiąc temu. Portier powinien wówczas znaleźć podobny lokal i zarezerwować stolik dla gościa.

Często zdarza się, że z powodu niedostatecznej wiedzy lub niedoskonałej znajomości języka szukający nie może zadać właściwego pytania. Właśnie dlatego najlepszą formą wyszukiwania jest konwersacja – iteracyjny, interaktywny proces, w którego trakcie zaczynamy coraz lepiej rozumieć, czego naprawdę szukamy. Uzyskiwana odpowiedź wpływa na kolejne pytanie, a cały proces zmienia oryginalny cel. Wyszukiwanie jest doskonałym sposobem przekazywania sugestii, definicji, udoskonaleń, tzw. sprzedaży krzyżowej i dodatkowej, kojarzenia informacji i edukowania szukających. W praktyce wyszukiwanie należy do najważniejszych kanałów zdobywania wiedzy. Poszukiwania mające na celu odnajdywanie, naukę i rozumienie rzadko są od siebie odizolowane. Takie czynności jak wykonywanie utworów muzycznych, tańczenie, żeglowanie czy gra w szachy są wyjątkowo wciągające, ponieważ zaprojektowano je z myślą o zapewnianiu optymalnych doznań. Oferują wyzwanie, zapewniają kontrolę, wspomagają uczenie się, nagradzają umiejętności i umożliwiają obserwację osiągnięć.

Oficjalna wersja przyszłości wyszukiwania, czyli sztuczna inteligencja z domieszką wizualizacji informacji, nie zmienia się od kilku dekad. Większość nowych projektów związanych z wyszukiwaniem sprowadza się do dodawania nowych zmarszczek do starej, znanej od dawna twarzy. Zatrzymaliśmy się na etapie StarTreka – poszukujemy technologicznego przełomu, a niedawnych wizjonerów możemy co najwyżej obserwować w lusterku wstecznym. Świat wyszukiwania jest jak brytyjski pub, który nieustannie zachęca klientów fałszywym banerem: „Jutro rozdajemy piwo za darmo”. Wyszukiwanie wciąż pozostaje chaotyczne i nieregularne, jak języki i – ogólnie – komunikacja,

Analiza składniowa zdań pod kątem znaczenia czy konstruowanie tezaurusów (lub ontologii) reprezentujących relacje równoważności, hierarchii i pokrewieństwa bywają pomocne w zakresie zawężonym do rozwiązań pionowych z ograniczonymi formalnymi słownikami jak medycyna czy prawo. Mniej oczywiste koncepcje, jak mechanizm reformułowania zapytań lub uwzględnianie zachowań użytkownika po otrzymaniu wyników w procesie generowania automatycznych sugestii w przyszłości nierzadko prowadzą do lepszych wyników przy niższych kosztach. Powinniśmy ostrożnie podchodzić do zapewnień, jakoby komputery „rozumiały znaczenie” (przynajmniej do czasu, aż komputery wreszcie poradzą sobie z filtrowaniem spamu).

Wyszukiwarka Google już teraz potrafi przewidywać ponad połowę najbardziej popularnych zapytań w ramach 12-miesięcznych prognoz, gdzie średni błąd to zaledwie 12%.

Dostęp w czasie rzeczywistym do statystyk aktywności społeczności może informować nas o wiadomościach, zanim jeszcze zyskają miano wiadomości. Najszybszym (choć niekoniecznie najbardziej wiarygodnym) źródłem informacji coraz częściej jest wyszukiwarka czasu rzeczywistego na Twitterze.

Istnieje spora różnica pomiędzy prostym wyszukiwaniem znanego produktu (Google) a dynamicznym procesem uczenia się poprzez uzyskiwanie coraz bardziej szczegółowych wyjaśnień (Amazon), gdzie to co odnajdujemy wpływa na to czego szukamy. Mimo że oba rodzaje wyszukiwania rozpoczynają się od jakiegoś pola wyszukiwania, różni je zarówno przebieg procesu, jak i realizowane cele.

W warunkach braku pełnego tekstu metadane zwykle stanowią ostatnią deskę ratunku. W świecie samochodów inwestycja w kontrolowane słownictwo i metadane o określonej strukturze jest niezbędna, a wyszukiwanie ogranicza się do porównywania takich pól jak marka, model, cena czy spalanie. W świecie obrazów twórcy serwisu Flickr znaleźli sposób jednoczesnego wykorzystania znaczników, notatek, opisów i komentarzy, co umożliwiło zadziwiająco skuteczne odnajdywanie fotografii. Obiekty nietekstowe stanowią dla projektantów wyszukiwarek poważne wyzwanie i jako takie prowokują do innowacyjności.

Trudność wyzwań związanych z uzyskiwaniem informacji rośnie wykładniczo wraz z liniowym wzrostem objętości danych, więc najbardziej radykalnym sposobem poprawy wydajności jest przeszukiwanie mniejszej ilości treści. Po pierwsze, czy możemy ograniczyć przestrzeń wyszukiwania eliminując treść nadmiarową, nieaktualną lub trywialną (zjawisko ROT: redundant, outdated, trivial)? Opracowanie właściwej strategii definiującej co podlega, a co nie podlega wyszukiwaniu, oraz konsekwentne przestrzeganie przyjętych reguł w wielu wypadkach pozwala skrócić czas wyszukiwania o połowę. Po drugie, czy możemy dodać pola metadanych, za których pośrednictwem użytkownicy będą mogli podzielić treść na mniejsze sekcje (np. ograniczyć wyszukiwanie wg tematu lub daty)?

Organizacja musi inwestować środki w sprzęt, oprogramowanie i personel niezbędne do generowania odpowiedzi w czasie poniżej sekundy. Szybkość jest warunkiem koniecznym do zapewnienia użytkownikom iteracyjnych i interaktywnych doznań w procesie wyszukiwania. Jeszcze kilka lat temu celem było generowanie odpowiedzi w czasie krótszym niż sekunda, dziś mechanizmy automatycznego uzupełniania i automatycznych sugestii powodują, że wyniki mogą nawet poprzedzać właściwe zapytanie.

Silniki wyszukiwania
Google Custom Search
Solr (open-source)
Microsoft Search Server (łatwy w konfiguracji)
Endeca.

Warunkiem rozpoznawania jest znajomość kontekstu. Radzimy sobie z tym zadaniem wyjątkowo dobrze. Przy włączonym radiu zwykle potrafimy zaśpiewać teksty tysięcy piosenek. Przypominanie, to przywoływanie z pamięci bez kontekstu. Z tym radzimy sobie zadziwiająco słabo. Ta nierównowaga występuje w przypadku wszystkich zmysłów i jako taka musi być brana pod uwagę jako jeden z najważniejszych aspektów w procesie projektowania. To jeden z powodów odejścia od interfejsu CLI na rzecz GUI – użytkownicy mają problem z przypominaniem sobie poleceń, ale bez trudu rozpoznają przyciski i łącza.

Każdy wynik wyszukiwania musi prezentować odpowiednią kombinację metadanych, aby użytkownicy mogli bez trudu ocenić jego faktyczne znaczenie. Nie możemy zmuszać ludzi do zastanawiania się, co zostało ukryte już za pierwszymi drzwiami.

Jeśli źródło linku nie jest ważne dla użytkowników, jego wyróżnianie w wynikach nie ma większego sensu. W wielu wypadkach wystarczy wyświetlenie informacji o źródłach na stronach szczegółowych lub umieszczenie źródła w jednym z pól metadanych nawigacji fasetowej.

Wzorce projektowe


Związki pomiędzy wzorcami są niemal tak samo ważną częścią języka jak same wzorce. Sposób łączenia wzorców wpływa na jakość projektu. Różnica dzieląca prozę od poezji nie polega na stosowaniu odmiennych języków, tylko na odmiennym stosowaniu tego samego języka.

Automatyczne uzupełnianie

Mechanizm automatycznego uzupełniania pozwala oszczędzić czas i uniknąć literówek, a mechanizm automatycznych sugestii wskazuje najpopularniejsze zapytania innych użytkowników i tematy pokrewne. Chociaż są to dwie odrębne koncepcje, większość aplikacji łączy je w jednym polu, aby nie zajmować zbyt wiele miejsca. Wzorzec charakterystyczny zwłaszcza dla urządzeń mobilnych. Aby ograniczyć ilość wpisywanego tekstu w urządzeniach mobilnych, stosuje się historię wyszukiwania, automatyczne sugestie, wyszukiwanie głosowe, metodę wierzchołka góry lodowej (wirtualny klawisz zajmuje większy obszar od tego który widać) i obiektów adaptacyjnych (zwiększanie obszaru obiektu na podstawie algorytmów odgadujących, który element zostanie najprawdopodobniej naciśnięty jako następny).

Rozwiązuje następujące problemy:

  • pisanie wymaga czasu,
  • użytkownicy zwykle popełniają błędy,
  • użytkownicy mają problem ze znalezieniem odpowiednich słów.

Mechanizm automatycznego uzupełniania pomaga użytkownikom unikać literówek i konstruować prawidłowe zapytania od samego początku. Po drugie, mechanizm automatycznych sugestii może proponować zapytania pokrewne, które nie obejmują oryginalnego wyrażenia. Funkcja automatycznych sugestii wykorzystuje zgromadzone dane o wcześniejszych zapytaniach – wyrażenia wpisywane przez użytkowników po nieudanych próbach wyszukiwania. Takie rozwiązanie pozwala tworzyć związki semantyczne i ułatwia użytkownikom, którzy rozpoczynają pracę od nieprawidłowych zapytań, rezygnację ze złej drogi i dalsze, już prawidłowe korzystanie z wyszukiwarki.

W praktyce identyfikacja pokrewnych zagadnień przez mechanizm automatycznych sugestii ułatwia użytkownikom ruch w przód (doskonalenie zapytań), ruch wstecz (rozszerzanie zapytań) oraz ruch w bok (odnajdywanie pokrewnych materiałów).

Google gromadzi i wykorzystuje historię wyszukiwania użytkownika, a także zebrane statystyki zachowań pozostałych użytkowników. Firefox odwołuje się do historii przeglądania i zakładek. Apple.com nie korzysta z popularnych zapytań, tylko odwołuje się do katalogu produktów. Yahoo (pionier w tym obszarze) idzie krok dalej i zastępuje mechanizm automatycznego uzupełniania systemem automatycznych sugestii. Sugestie można też czerpać z bazy danych najlepszych okazji.

Najpierw najlepszy

Najbardziej uniwersalny i najważniejszy wzorzec projektowy w świecie wyszukiwania, bardzo często łączony z innymi wzorcami. Jest kluczem do zapewnienia prostoty, szybkości i trafności wyszukiwarki.

W świecie wyszukiwania o jakości zawsze świadczą pierwsze wyniki. Możemy być pewni, że pierwsze trzy wyniki przyciągną uwagę 80% odwiedzających i to one mają zasadniczy wpływ (25-50%) na ewentualne modyfikacje zapytania – pozostałe wyniki na pierwszej stronie mogą liczyć na udział co najwyżej kilkuprocentowy, a w przypadku wyników spoza pierwszej strony spadek widoczności jest wręcz dramatyczny. To co widzimy, zmienia to czego szukamy.

Algorytmy oceny wyników powinny uwzględniać czynniki:

  • Trafność. Algorytmy tego typu koncentrują się na pokrewieństwie tematycznym. Próbują dopasowywać słowa kluczowe zawarte w zapytaniu do tekstu treści i metadanych. Najbardziej efektywne algorytmy uwzględniają kolejność terminów, ich bliskość, położenie, częstość występowania i długość całego dokumentu. Dokładne dopasowanie wyrażenia do krótkiego tytułu jest oceniane wyżej niż słowa zapytania występujące w długim tekśce daleko od siebie. Zdanie powtarzające się na jednej stronie, ale wystepujące rzadko na całej witrynie zasługuje na dodatkowe punkty. Algorytmy oceny trafności musza dodatkowo przetwarzać zapytania tekstowe, aby pasowały do odmiennej liczby (pojedynczej lub mnogiej) i odmiany przez przypadki. Osiągnięcie właściwej równowagi pomiędzy precyzją a skojarzeniami może wymagać dostosowania parametrów silnika.
  • Popularność. W większości kontekstów dane o zachowaniach społeczności użytkowników moga stanowić spore ułatwienie dla algorytmów semantycznych. Algorytm PageRank wyszukiwarki Google, traktujący łącza jako swoiste głosy, był pierwszym tak udanym rozwiązaniem w tym obszarze. W serwisie Flickr atrakcyjność zdjęć ocenia się według liczby odsłon, komentarzy, uwag, zdarzeń dodawania do zakładek i ulubionych itp. W sklepie Amazon użytkownicy moga sortować książki, począwszy od najlepiej sprzedających się lub od tych, które cieszą się najlepszymi recenzjami. Okazuje się jednak, że nawet podczas sortowania produktów według trafności dane społecznościowe wpływają na wyniki.
  • Data. Sortowanie według daty rzadko jest pożądanym ustawieniem domyślnym, ale stanowi przydatną opcję dla serwisów informacyjnych i klientów email.
  • Personalizacja. Na porządek wyników mogą wpływać takie czynniki jak historia wyszukiwania, zachowania społeczności czy bieżące położenie geograficzne użytkownika.
  • Różnorodność. Eliminacja nadmiarowych wyników i wspieranie użytkownika w precyzowaniu i doskonaleniu zapytania, sugerowanie odrębnych znaczeń i formatów. Modyfikacja odpowiednich parametrów pozwoli znaleźć równowagę właściwą danej aplikacji i skutecznie mieszać wyniki.

Scentralizowane wysiłki na rzecz ręcznego sugerowania najlepszych okazji dla najbardziej popularnych zapytań zwykle przekładają się na spore korzyści. W większości przypadków analiza zgromadzonych danych o zapytaniach wyszukiwania pozwala odkryć rozkład potęgowy, co z kolei prowokuje nas do zastosowania reguły 80/20. Niewielka liczba unikatowych wyrażeń wyszukiwania ma ogromny udział procentowy we wszystkich zapytaniach. Integracja prostej bazy danych kojarzącej te popularne wyrażenia wyszukiwania z dobrymi punktami startowymi lub stronami docelowymi zyskała status najlepszej praktyki menedżerów wielkich witryn internetowych. Najlepsze okazje występują pod wieloma nazwami, jak Sugerowane łącza, Zalecane wyniki czy Wybór redakcji. Ogólnie, od jednej do trzech sugestii na zapytanie wystarczy. Przestrzenne oddzielanie dwóch rodzajów wyników nie jest konieczne, ale dla zapewnienia pełnej transparentności warto oznaczyć część najlepszych okazji stosowną etykietą i wizualnie odróżnić ją od naturalnych wyników.

W wyszukiwarce Yahoo pierwsze wyniki są w miarę możliwości wyświetlane w rozszerzonej formie – można odtwarzać filmy i utwory bez konieczności opuszczania strony z wynikami.

Nawigacja fasetowa


Przykłady: ArtRising, Kayak.

Cel: budować doskonałe zapytania stopniowo, po kolejnych kliknięciach – wystarczy przeprowadzić użytkownika przez początek i stale oferować przynajmniej po jednym następnym kroku.

Model nawigacji fasetowej (ang. faceted navigation) nazywany również nawigacją kierowaną (ang. guided navigation) i wyszukiwaniem fasetowym (ang. faceted search), wykorzystuje pola i wartości metadanych do wskazywania użytkownikom widocznych opcji precyzujących i doskonalących zapytania. W przypadku zachowania zasad postępującego ujawniania tajemnic i konstruowania przyrostowego użytkownicy mogą formułować odpowiedniki najbardziej wyszukanych zapytań logicznych, wykonując sekwencję drobnych, prostych kroków.

Cechy:

  • nadrzędny wzorzec projektowy, jego wdrożenie wpływa na wszystkie pozostałe wzorce wyszukiwania i architekturę informacji jako całość,
  • bezsprzecznie najważniejsza innowacja w świecie wyszukiwania w ostatniej dekadzie, błyskawicznie zyskuje popularność w zadziwiająco wielu różnych kontekstach i na rozmaitych platformach,
  • zapewnia możliwość zintegrowanego, przyrostowego wyszukiwania i przeglądania,
  • odpowiada na uniwersalną potrzebę zawężania zapytań,
  • wzorzec wszechobecny w świecie handlu elektronicznego, gdzie mamy do czynienia z dostępnością metadanych o jasno zdefiniowanej strukturze,
  • infrastruktura dla nawigacji fasetowej może pozwolić na bliższe związanie wyszukiwania i przeglądania, może kształtować strukturę i schematy nawigacji dla całej witryny lub aplikacji,
  • ma ogromny potencjał w zakresie wyjaśniania intencji i doskonalenia wyników,
  • dla firm stawiających pierwsze kroki w świecie wyszukiwania jest propozycją wyjątkowo kosztowną (infrastruktura metadanych wiąże się zarówno z początkowymi inwestycjami, jak i z ustawicznymi kosztami utrzymania).

Fasety pozwalają użytkownikowi opanowywać sztukę wyszukiwania metodą małych kroków, zamiast od razu zmuszać go do przechodzenia od pagórków podstawowego interfejsu w Himalaje zaawansowanego wyszukiwania.

Ciekawe modyfikacje:

  • Tylko najbardziej trafne fasety są otwarte, większość jest zamknięta. Każda otwarta faseta odsłania tylko cztery lub pięć pierwszych, najbardziej popularnych wartości. W ten sposób można ograniczyć przestrzeń zajmowaną przez fasety, pozostawiając miejsce dla właściwych wyników.
  • Liczba pasujących wyników dla każdej wartości (w nawiasach).
  • Atrakcyjne widgety pozwalają modyfikować wartości fasetów (suwak, kalendarzyk, combo box, checkboxy, radiobuttony, klikalny wykres kołowy itp.).

Internet mobilny to platforma, na której wciąż nie wypracowano standardów nawigacji fasetowej (pionierem jest tu Amazon) – niewielkie ekrany wykluczają możliwość przeniesienia na platformę mobilną już istniejącego modelu.

Warto podkreślić różnicę między wyszukiwaniem fasetowym a wyszukiwaniem sparametryzowanym – użytkownicy nie radzą sobie z ustawieniem wielu parametrów jednocześnie szczególnie jeśli wiele kombinacji tych parametrów powoduje generowanie pustego zbioru wyników.

W największym uproszczeniu istnieje model wyszukiwarki Google i model nawigacji fasetowej. Wybór jednego z tych dwóch modeli to jedna z najważniejszych decyzji strategicznych. Określenie, czy nawigacja fasetowa jest uzasadniona i wykonalna, powinno być jednym z pierwszych kroków w procesie projektowania.

Ponieważ użytkownicy rzadko przeglądają więcej niż jedną stronę z wynikami wyszukiwania, mechanizmy sortowania pełnią funkcję zbliżoną do filtrów. Kiedy sortujemy według popularności lub ocen, w praktyce ograniczamy nasz widok według tych kryteriów.

Szczęśliwy traf

Ponadczasowy konflikt między precyzją a kompletnością: czy użytkownicy wolą otrzymywać tylko trafne wyniki, czy wszystkie wyniki mające jakikolwiek związek z zapytaniem. Duża precyzja zwykle oznacza utratę dobrych wyników, a bogactwo wyników zmusza do samodzielnego odróżniania dobrych od złych – chyba że dysponujemy doskonalszym algorytmem pozwalającym wzmocnić sygnał bez dodawania szumu.

Szczęśliwe odkrycie (ang. serendipity) to przypadkowe, ale pożądane odkrycie czegoś cennego. Bardzo wiele odkryć naukowych powstało na takiej zasadzie (penicylina, odkrycie Ameryki, LSD, uran, viagra, bezpieczne szkło, promieniowanie podczerwone, kuchenki mikrofalowe, drukarki atramentowe, płatki kukurydziane itp.). Istnieje pewna sprzeczność między trafnościa a atrakcyjnością wyników. Często najlepsze odpowiedzi po prostu nie mieszczą się w granicach tego, co według naszej bieżącej wiedzy jest przedmiotem poszukiwań.

Służacy do odnajdywania lokali gastronomicznych serwis Urbanspoon oprócz rozmaitych opcji wyszukiwania, przeglądania i nawigacji społecznościowej umożliwia dochodzenie do szczęśliwych odkryć poprzez potrząsanie telefonem iPhone; wyszukiwanie w formie automatu do gry jest wyjątkowo zabawną forma odkrywania.

Geniusz nawigacji fasetowej polega na tym, że przyrostowe precyzowanie i doskonalenie zapytania ogranicza zbiór wynikowy do tego stopnia, że niemal całkowicie eliminuje konieczność podziału strony i przewijania.

Apofenia: spontaniczne odkrywanie związków w faktycznie niezwiązanych zjawiskach, fałszywy wynik pozytywny powodowany nadmierną wrażliwością. Poszukujemy wzorców aby wyjaśnić teraźniejszość i przewidywać przyszłość. Istnieje jednak ryzyko mylenia szumu z sygnałem. Apofenia jest jednocześnie symptomem szaleństwa i kreatywności.

Personalizacja

W świecie wyszukiwania zapytanie jest jak rzut okiem na intencje. Historia może być źródłem wskazówek, a wyniki można nieznacznie udoskonalić, korzystając z danych o znajomych i przyjaciołach.

Personalizacja, w której agent programowy wiedzący to co użytkownik wie i chce wiedzieć i robi wszystko w poszukiwaniu danych dopasowując wyniki do naszych oczekiwań – choć jest przejawem pożądanych ambicji – stanowi bardzo trudny problem. Początkujący projektanci często mylą personalizację z dostosowywaniem (ang. customization), czyli prostszym modelem, w którym użytkownicy wprost modyfikują ustawienia (np. w iGoogle) – oczywiście w większości aplikacji użytkownicy nie decydują się na dostosowywanie wyglądu do swoich potrzeb i korzystają z ustawień domyślnych; projektanci pokładający zbyt duże nadzieje w dostosowywaniu są skazani na porażkę.

Paradoks aktywnego użytkownika: większość ludzi nie czyta instrukcji użytkownika, nie dostosowuje systemu do swoich osobistych preferencji ani nie przygotowuje strategii działania przed przystąpieniem do korzystania z systemu.

Personalizacja polega na uwzględnieniu w wyszukiwaniu i kolejności prezentowanych wyników takich czynników jak:

  • Historia wyszukiwania. Kontekst wyznaczony przez to, czego użytkownik szukał wcześniej. Zauważ też np. że użytkownik, który ponawia zapytanie, najprawdopodobniej kliknie ten sam wynik co wcześniej. Czy w takim razie nie powinniśmy wyświetlić tego wyniku na początku listy? Być może warto wykorzystać informację o tym skąd przybył użytkownik do naszej wyszukiwarki lub jak się do niej dostał. Przetwarzanie historii wyszukiwania, nawigacji i zakupów pod kątem praktycznych obserwacji i spersonalizowanych zaleceń nie jest łatwe. Wyniki są zniekształcane, kiedy kupujemy produkty dla innych, np. stanik dla babci. Znacznie gorszym problemem jest to, że produkty które interesowały nas wczoraj lub przed rokiem, nie pozwalają przewidywać naszych zainteresowań i oczekiwań dziś czy jutro. Niestety tylko w niektórych, ograniczonych kontekstach zachowania z przeszłości pozwalają przewidzieć przyszłe wyniki.
  • Zachowania społeczności. Przykład: Sprzedaż krzyżowa (Użytkownicy, którzy kupili ten produkt, kupili też to) w Amazonie i Last.fm. W praktyce wyszukiwanie społecznościowe jest obecnie podstawowym obszarem badań w kręgach akademickich i jednocześnie wyjątkowo intrygującym, choć wciąż niedojrzałym wzorcem. Czy wnioski wyciągane z naszych zachowań i doświadczeń naszych znajomych są cenniejsze od zbiorowej wiedzy tłumu? Odpowiedź na podobne pytania jest zawsze taka sama – to zależy. W przypadku niektórych pytań nasi przyjaciele są źródłem najlepszej odpowiedzi, ale w przypadku zdecydowanej większości pytań o trafności odpowiedzi decydują szerokie statystyki. Narzędzia umożliwiające użytkownikom zarządzanie wynikami: Wykop.pl: głosowanie na wyniki, ocenianie i komentowanie; Google.pl: zarejestrowani użytkownicy mogą usuwać, promować lub komentować poszczególne wyniki.
  • Bieżące położenie geograficzne użytkownika. Zapytanie „wegetariański” wpisane na komputerze stacjonarnym najprawdopodobniej pochodzi od użytkownika chcącego poszerzyć swoją wiedzę, ale to samo zapytanie wpisane przez użytkownika telefonu iPhone prawdopodobnie ma na celu znalezienie najbliższej restauracji. Samo uruchomienie aplikacji SitOrSquat jasno wskazuje intencje użytkownika, czyli odnalezienie najbliższej toalety publicznej.

Personalizacja jest co najmniej tak trudna jak pożądana.

Okazuje się, że często personalizacja musi ustępować pola bezpośredniemu, dynamicznemu dostosowywaniu preferencji w formie nawigacji fasetowej. Interakcje z fasetami w największym stopniu zbliżają nas do modelu rozmowy stopniowo precyzującej oczekiwania i do tego, co założyciel firmy Google nazywa ostatecznie spersonalizowaną wyszukiwarką: bibliotekarza.

Google Mobile z funkcją Voice Search: interpretuje nasze oczekiwania na podstawie tego kim jesteśmy, gdzie przebywamy i co mówimy.

Szukanie zaawansowane

Wyszukiwanie zaawansowane jest skrajnym wzorcem projektowym – nadużywanym przez projektantów i rzadko wykorzystywanym przez użytkowników. Konieczność stosowania tego wzorca można wyeliminować zawężając i zmieniając zakres wyszukiwania za pomocą wzorców nawigacji fasetowej i personalizacji.

Czy ma to być przyjazny dla początkującego użytkownika mechanizm konstruowania zapytań, czy raczej zaawansowane narzędzie dla ekspertów? Wiele interfejsów próbuje z mizernym skutkiem realizować obydwa cele.

Na witrynie Exalead zastosowano ciekawe rozwiązanie polegające na połączeniu pomocy i wyszukiwania zaawansowanego – wyeliminowano w ten sposób konieczność opuszczania bieżącego miejsca. Kliknięcie łącza Advanced Search powoduje wyświetlenie interakcyjnego menu pod polem wyszukiwania. Takie rozwiązanie jest niekonwencjonalne i nieco niezgrabne, ale z pewnością zasługuje na uwagę.

Ergonomia interfejsu – wskazówki


Menu kołowe (znane też jako menu gwiaździste) – wszystkie opcje, w tym te dostępne w zagnieżdżonych menu, znajdują się blisko oryginalnego punktu interakcji. Interfejs sterowany gestami skupia w sobie wszystkie cechy bezpośredniej manipulacji, doświadczeni użytkownicy mogą korzystać z pamięci mięśniowej, aby wybierać opcje bez konieczności choćby zerkania na menu.

W większości aplikacji przewidywalność jest warunkiem użyteczności. O skuteczności, efektywności i satysfakcji zwykle możemy mówić wtedy, gdy użytkownicy mogą precyzyjnie przewidywać, co stanie się dalej.

Kiedy ludzie korzystają z kontrolek, odnajdują je i rozpoznają przede wszystkim według położenia. Oznacza to, że podczas projektowania interfejsów wyszukiwania i wyników musimy mieć na uwadze potęgę pamięci przestrzennej i zachowywać daleko idącą konsekwencję w rozmieszczaniu kontrolek i widgetów.

Zasada bezpośredniej manipulacji jest kolejnym czynnikiem decydującym o sukcesie interfejsu GUI. Mówi ona, że interfejsy umożliwiające użytkownikom bezpośrednią interakcję z widocznymi obiektami są łatwiejsze do opanowania i prostsze w użyciu. Zdarza się, że posługujemy się metaforami zaczerpniętymi ze świata rzeczywistego – sortujemy pliki na pulpicie i przenosimy je do kosza na śmieci. Nasze ciała często zapamiętują coś, co zapominają nasze umysły.

Ciekawostki

  • W Izraelu istnieje koszerna wersja wyszukiwarki Google nazwana Koogle, którą zoptymalizowano pod kątem mówiązych po hebrajsku ortodoksyjnych Żydów. Indeks tej wyszukiwarki nie zawiera treści erotycznych ani materiałów kontrowersyjnych w wymiarze religijnym. Co więcej, indeks nie zawiera żadnych treści wpisanych w szabat i odrzuca wszelkie próby zapytań wpisywanych w sobotę.
  • W Chinach istnieją wyspecjalizowane wyszukiwarki Baidu dla dzieci i osób starszych. Druga z nich cechuje się większymi czcionkami, mniejszą ilością grafiki, możliwością klikania tekstu oraz wyższą pozycją tematów interesujących emerytów.
  • W praktyce średnia liczba słów kluczowych na zapytanie wpisywane w wyszukiwarce zwiększyła się w ostatnich latach z 1-2 do 2-3.
  • Ciekawy motyw: więcej informacji po obróceniu telefonu w tryb portretowy (funkcja rotate-to-view) – funkcja mniej oczywista, ale raz odkryta działa znakomicie dzięki swojej prostocie i spójności.
  • Użytkownicy mogą skorzystać z funkcji Remembers mobilnej aplikacji sklepu Amazon, aby zapisać zdjęcie czegoś, co chcą zapamiętać. Jeśli zapisywany obiekt jest produktem, firma Amazon spróbuje ten produkt odnaleźć i wysłać do użytkownika wiadomość e-mail z odpowiednim łączem oraz umieścić to łącze na stronie domowej prezentowanej przy okazji kolejnych odwiedzin tego użytkownika.
  • Wyszukiwarka w odtwarzaczu muzyki w telefonie może wyszukać utwór dźwiękowy który zanucisz lub usłyszysz w pobliżu.
Share and Enjoy:
  • del.icio.us
  • Facebook
  • Google Bookmarks
  • Śledzik
  • Blip
  • Blogger.com
  • Gadu-Gadu Live
  • LinkedIn
  • MySpace
  • Wykop

Zostaw komentarz

XHTML: Możesz użyć następujących tagów: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>