El futuro de la busqueda tiene que ver seguro con las redes sociales, los graficos sociales o filtrado social de alguna manera. Las empresas sobrevivirán o morirán dependiendo si “obtienen la parte social” correctamente: creando el nivel correcto de intimidad, confianza, conexión social y la precisión en la lista de resultados.  Por supuesto, esto significa que la experiencia de los  usuarios debe al menos ser satisfecha o preferiblemente exceden la experiencia de Google.
Para obtener esto, primero debemos hablar sobre los diferentes sabores de busqueda.
La busqueda en tiempo real. La busqueda social. La busqueda semántica. Estas distincciones no tienen ningun sentido, especialmente cuando no podemos ni siquiera ponernos de acuerdo en las definiciones o cuando los limites no estan definidos.  En su lugar deberiamos reconocser que son partes de una busqueda personal y contextual de usuarios individuales.  Dejemos de jugar el juego de ponerle nombre a las cosas y comencemos a pensar holisticamente como cada una (y todas) afectan y mejora lo que pensamos hoy que es una “busqueda.”

Debido a la promesa de la integración de la red social con la busqueda es el tema favorito, nos enfocaremos en este post en eso: una clase de busqueda social.  Tambien es una respuesta a las ideas que mencionaron Alex Iskold en su post sobre el futuro de la busqueda.
Alex propone que clasifiquemos los resultados de busqueda en un tipo de Escala de Relevancia social, primero mostrando los resultados de los amigos y personas a las que seguimos, luego mostrar los resultados de los “vecinos de elecciones” y los que influencian, etc. FriendFeed ya filtra los resultados con los contenidos de los amigos primero.  Los temas de moda de , por el contrario, muestra la perspective de la multitud. Mientras que el circulo social pesonal puede mejorar la perspective de algunos resultados de busqueda(y me di cuenta hace unos meses atras que este es un modelo prometedor), este tipo de filtro es mas complicado de lo que parece.
Primero, como Alex destaca, “las opiniones confiables escasean.” Nuestros amigos no podrian saber todo lo que nos interesa, y cuanto mas pequeño el circulo social, el problema se vuelve peor.   Aun en el caso de grandes escalas sociales, tarde o temprano buscaremos un tema que no haya sido indexado por el caudal de actividades de nuestros amigos y entonces obtendremos pocos o ningun resultado y sufriremos una experiencia de usuario inferior.  Entonces estariamos mejor buscando en Google.
En segundo lugar, obtener una Escala de Relevancia Social tiene que ver mucho con lo que estan interesados los usuarios. Alex comenta que “Esto no es difícil para FriendFeed de hacer ya que… conoce todo lo que te interesa” ¿Pero lo conoce? En FriendFeed, solo sigo a un numero limitado de personas que realmente me importan. ¿Solo esas personas representan las cosas que me importan? Y cuando realizo una busqueda, ¿sabe el motor lo que me importa en ese momento? Es verdad, tenemos que comenzar en alguna parte—como lo hizo PageRank y ajusto el algoritmo con el tiempo.  Pero sugerir que hasta una Escala de Relevancia Social inteligente puede tener una idea de lo que nos importa en un momento determinado es presuntuoso.
De todas maneras tener niveles diferentes de relevancia social es una buena teoría, y la diferenciación de Alex es atinada, en esencia.  Pero cada nivel indica los grados de proximidad social en vez de la relevancia; aunque en algunos casos la proximidad puede indicar fácilmente la relevancia.  El problema es que la relevancia es altamente contextual. Esto depende de muchos factores, tales como su profesión, sus consultas de búsqueda, sus amigos, el conocimiento de sus amigos sobre estos temas y la información que es registrada públicamente en su canal de actividades.
Por ejemplo, a una analista financiera (por ejemplo un experto) no le seria interesante que su grupo cercano de amigos esten enviandose mensajes por Twitter sobre cuan complicado es en nuevo codigo de impuestos. Como una experta, ella preferiria saber como estas nuevas politicas afectan a un caso importante de un cliente. Filtrando la lista de resultados por “amigos y seguidores” de un lado y “grupo en agregado” en el otro puede fallar de la misma manera en tratando de descubrir la información correcta para ella.
Para los usuarios en general, el factor podria ser la urgencia con la que la información es necesaria. Cuando la necesidad es urgente, las personas buscaran activamente la información (de varias maneras), otras veces, la información puede ser bienvenida ya sea por casualidad o consumida pasivamente. Buscando en posts de Twitter y en Facebook son maneras pasivas de descubrir información.  Poner estas actividades en un flujo continuo en la cual la busqueda de información es activa pero la información descubierta es pasiva podria verse asi:

Pero para realmente lograr la “Escala de Relevancia Social”, tenemos que considerar como las capas de proximidad social se ubican en este flujo continuo de descubrimiento de busqueda.

Cuando las personas buscan activamente informacion (por ejemplo la mejor guia de trecking para Barbary Coast), buscan en general información de alta calidad y confiable que pueda informar su decision. Los “amigos y seguidores” puede servir como un filtro social confiable en esta etapa. Pero si la urgencia prevalece (ej: la receta de un trago una semana antes de la fiesta), relajamos nuestros requisitos y dejamos entrar una cantidad mas amplia de resultados. En esta etapa, filtrar los resultados por amigos de amigos, persona influyente, expertos y hasta grupo en agregado es apropiado.
Por supuesto descubrir la información de casualidad desde “amigos y seguidores” seria bienvenido en otra situación. Entonces para mejorar la relevancia social en los motores de busqueda y descubridores de servicios, tendria que existir una distribución aceptable de filtros sociales cuyos niveles dependen de cuan activo sea el usuario y lo que esta buscando el usuario:

El problema de busquedas eficientes es mas profundo. Se puede tener todas la variedades que quieras – social, tiempo real, semantinca – y la variedad de mañana sera uno mas. Si, las redes sociales tienen el potencial de filtrar millones de paginas de resultados. Pero las palabras como “significativo” y “relevancia” estan tan contextualizada, que no puede esperarse que signifiquen algo a menos que esten unidas a otro contexto.  Ubicar a la proximidad social al consumo activo y pasivo de información podria ayudarnos a creer experiencias mas contextualizadas en la red social, utilizando menos tiempo para nombrar las ultimas variedades de busqueda y mas tiempo en mejorar la búsqueda.

Share on Facebook

© aarrieta for Ariel Arrieta [D-MKTG], 2009. | Permalink | 5 comments | Add to del.icio.us
Post tags: Brynn Evans, Facebook, FriendFeed, semantic search, Social Relevancy Rank, Social Search, twitter

Feed enhanced by Better Feed from Ozh