Your SlideShare is downloading. ×
Search Analytics
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Introducing the official SlideShare app

Stunning, full-screen experience for iPhone and Android

Text the download link to your phone

Standard text messaging rates apply

Search Analytics

1,070
views

Published on

Se estudia el problema de conocer cómo busca el usuario en sitios web. ¿Qué es la disciplina “Information Seeking Behaviour”? …

Se estudia el problema de conocer cómo busca el usuario en sitios web. ¿Qué es la disciplina “Information Seeking Behaviour”?
¿Qué modelos son los más conocidos? De entre las diversas técnicas para conocer al usuario en HCI, se explican diversos estudios cuantitativos realizados mediante ténicas de Search Analytics, herramientas, aplicaciones y ejemplos reales.

Published in: Technology, Education

0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
1,070
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
0
Comments
0
Likes
2
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Search Analytics Unirioja 2008 Jorge Serrano-Cobos [email_address]
  • 2. Indice Unirioja 2008
    • El problema: conocer al usuario
    • ¿Qué es “Information Seeking Behaviour”?
    • Modelos
    • Estudios Cuantitativos: Search Analytics
    • Herramientas
    • Aplicaciones y ejemplos reales
    • Conclusiones y futuro
  • 3. EL PROBLEMA
    • CONOCER AL USUARIO
    Unirioja 2008
  • 4. Conocer al usuario Unirioja 2008 Cómo usan Cómo encuentran Cómo buscan Information Seeking Search Analytics Findability Arquitectura información Usabilidad
  • 5. Information Seeking Behaviour Unirioja 2008 Conducta que se produce cuando un usuario interactúa con un sistema de recuperación de información específico para buscar información relevante (Wilson, 2000)
  • 6.
    • MODELOS
    Unirioja 2008
  • 7. Clásico Unirioja 2008 Documento Representación del Documento Query Necesidad de Información Matching Modelo de RI clásico: Marcia Bates
  • 8. Modelos Information Seeking Unirioja 2008
    • Behavioral model (Ellis, 1987)
    • Berrypicking model (Bates, 1989)
    • Information Search Process (Kulthau, 1991)
    • Marchionini (1995)
    • Information Foraging Theory (Pirolly, 2000)
  • 9. Pirolli, 2000 Unirioja 2008
    • Information Foraging Theory :
    • Los usuarios prefieren una organización del contenido que minimice la cantidad de tiempo y de esfuerzo de atención invertidas en obtener información.
    • Information Scent:
    • La percepción del usuario al juzgar enlaces u otros elementos de navegación debe ser óptima para que el tiempo de decisión y esfuerzo de elección sean mínimos .
  • 10. Information scent Unirioja 2008
  • 11. Conocer al usuario
    • Encuestas
    • Card sorting
    • Thinking aloud
    • Observación etnográfica
    • Cognitive Walkthrough
    • Personas
    Unirioja 2008
  • 12. Estudios cualitativos
    • Usabilidad:
    • Método de evaluación que tiene como objetivo general la identificación y resolución de deficiencias de uso existentes en un sistema interactivo.
    • (Jesse James Garrett)
    Unirioja 2008
  • 13. Usabilidad
    • Conceptos relacionados:
    • Diseño centrado en el usuario
    • Diseño de interacción (HCI)
    • Diseño iterativo
    • Prototipado, diseño de interacción, wireframes, tests de usuarios
    Unirioja 2008
  • 14. Usabilidad Unirioja 2008 Wireframe
  • 15. Tests de usuarios Unirioja 2008
    • Conocemos los pasos que los usuarios dan para encontrar información
    • Centrado en la navegación
    • Se usan pocos usuarios
    • Sirve para pre y rediseñar navegación
    • Cubre buscador + “browsing” (information seeking)
    • Aplicable a la arquitectura de información macro y micro.
  • 16. Tests de usuarios
    • Al usuario se le propone preguntas / tareas
    • Se monitorizan las tareas
    • Se observan coincidencias
    • Task # 4 Can you find a journal article on diabetes?
    Unirioja 2008
  • 17. Eyetracking Unirioja 2008
  • 18. Estudios cuantitativos del usuario
    • Search Analytics
    Unirioja 2008
  • 19. Search Analytics Unirioja 2008 Las búsquedas (queries) son oro: son datos reales que nos muestran exactamente qué están buscando los usuarios en sus propias palabras. (Rosenfeld & Wiggins 2006)
  • 20. Search Analytics Unirioja 2008
    • Se centra en el archivo log del buscador + log navegación
    • Informa:
      • del lenguaje usado (“labelling” o etiquetado)
      • de quién y cuándo lo ha buscado (bajo registro)
      • del contenido encontrado,
      • y del no encontrado.
      • Conceptos relacionados
      • Categorías (+ buscado) > Subcategorías (- buscado)
      • Categorías (- palabras) > Subcategorías (+ palabras)
  • 21. Ventajas Unirioja 2008
    • Sistema no intrusivo para el usuario
    • Sistema a priori barato
    • Aporta datos reales
    • Datos exhaustivos (de todos los usuarios del sitio que usan el buscador)
    • Los datos son del propio contexto del sitio
  • 22. Key Performance Indicators (KPI´s) Unirioja 2008 resolvo.com Establecer objetivos Recolección de datos Predicción Análisis Acciones como respuesta
  • 23. Algunos indicadores Unirioja 2008
    • Nº de búsquedas por período en el año
    • Top de búsquedas
    • Top temáticas (clusters del Top búsquedas)
    • Top de 0 respuestas
    • Top de pocas respuestas
    • Patrones de movimiento: expresiones o búsquedas más o menos frecuentes (seasonality, trends)
    • Top de páginas más visitadas tras consultas y a través de qué búsquedas
    • Correlación de datos con cambios en diseño A/B, etc.
  • 24. Estudios posibles Unirioja 2008
    • Sinónimos y conceptos relacionados
    • Variantes idiomáticas, jergas y equivalentes multilingües
    • Determinación de “best bets”
    • Falta de contenido (“Nº de respuestas: 0”)
    • Relevancia por retroalimentación
    • Análisis sincrónicos y diacrónicos (evolución temporal)
  • 25. ¿Cuándo y cómo se estudia?
    • Prediseño Post diseño
    • Externo Interno
    Unirioja 2008 ADWORDS TRENDS SEARCH LOG GOOGLE ANALYTICS BUSINESS INTELLIGENCE ESTUDIOS CUALITATIVOS
  • 26. Search log Unirioja 2008
  • 27. Punto de partida Unirioja 2008
    • Las búsquedas siguen una distribución según Zipf, con búsquedas más comunes
    lourosenfeld.com
  • 28. Estacionalidad Unirioja 2008
  • 29. Google Analytics Unirioja 2008 Rebekah Kilzer - Ohio State University Libraries
  • 30. Ejemplo en la Ohio University Unirioja 2008
    • Poner el código en todas las plantillas
    <body> <script type=&quot;text/javascript&quot;> var gaJsHost = ((&quot;https:&quot; == document.location.protocol) ? &quot; https://ssl .&quot; : &quot; http://www. &quot;); document.write(unescape(&quot;%3Cscript src='&quot; + gaJsHost + &quot; google-analytics.com/ga.js ' type='text/javascript'%3E%3C/script%3E&quot;)); </script> <script type=&quot;text/javascript&quot;> var pageTracker = _gat._getTracker(&quot;UA-xxxxxx-x&quot;); pageTracker._initData(); pageTracker._trackPageview(); </script> </body>
  • 31. Para comenzar Unirioja 2008 Rebekah Kilzer - Ohio State University Libraries
  • 32. Evolución temporal Unirioja 2008 Rebekah Kilzer - Ohio State University Libraries
  • 33. Comparativas Unirioja 2008
  • 34. Site Search Unirioja 2008
    • ¿Cuánto usan mi buscador interno los usuarios?
    • ¿Qué palabras clave buscan?
    • ¿Dónde se comienza a buscar?
    • ¿Cómo buscan los diferentes grupos de usuarios dentro de mi sitio web?
    • ¿Qué beneficios se obtienen de los usuarios que buscan en mi sitio web?
    • ¿Están los usuarios satisfechos con lo que encuentran?
  • 35. Site Search Unirioja 2008
    • ¿Cómo se configura?
    • “ Introduzca el &quot;Parámetro de consulta&quot; en el campo que se proporciona. “
    • Por ejemplo, en Milennium, sería “search”.
    • http://bibliotecas.obrasocialcajamadrid.es/search*spi/Y?SEARCH=tolkien&SORT=D&submit=buscar
  • 36. Site Search Unirioja 2008
  • 37. Clicktracking Unirioja 2008 Site Overlay
  • 38. Cuellos de botella Unirioja 2008
  • 39. Google Adwords Unirioja 2008 Dendogramas Escalamiento multidimensional Concepto buscado Resultados naturales (sin publicidad) Google AdWords (CPC)
  • 40. Google Adwords Unirioja 2008
  • 41. Google Adwords Unirioja 2008
  • 42. Google Adwords Unirioja 2008
  • 43. Business Intelligence
    • Cubo de datos con log de visitas
    • Coordenadas XYZ: páginas, usuarios, tiempo
    • Permite segmentar por X, por Y, o por Z
    • Permite realizar estimaciones y simulaciones a futuro
    • Mezclado con search log:
    Unirioja 2008 X Usuario > Z Tiempo > Y Páginas > “ ¿Cuántos usuarios mayores de 30 años varones de Madrid buscaron “pañales” a las 12 de la noche de ayer y no encontraron contenido satisfactorio?”
  • 44. Grafos co-ocurrencias Unirioja 2008 Webcam Altea Calpe spain Beach
  • 45.
    • LO QUE YA SABEMOS
    Unirioja 2008
  • 46. Sabemos que…
    • El operador booleano más aceptado es AND
    • Los usuarios raramente cambian opciones marcadas por defecto (búsqueda avanzada)
    • La mitad de consultas reformuladas se construyen a partir del texto anterior
    • El interfaz puede modificar la conducta de búsqueda
    • (Nielsen, Jones, Cunningham y McNab)
    Unirioja 2008
  • 47. Sabemos que…
    • A mayor conocimiento de una materia, más palabras en una query (Allen)
    • Los expertos en una temática se fijan más en el contenido de las respuestas (Marchionini)
    • A mayor nivel cultural, mayor tendencia a utilizar los enlaces, organizados jerárquica o alfabéticamente.
    • A menor capacidad de absorción informativa, mayor uso del buscador.
    • (Kralisch, Berendt, Rice, Mc Creadie y Chang)
    Unirioja 2008
  • 48. Internacionalización
    • Los usuarios nativos utilizan en mayor medida los contenidos organizados jerárquicamente.
    • Los no nativos usan en general más el buscador y los enlaces organizados alfabéticamente.
    • (Kralisch y Berendt)
    Unirioja 2008
  • 49. Search log externo vs. interno Unirioja 2008 Search log externo Search log interno analog.cx = /
  • 50. Número de palabras
    • ¿Mi buscador interno está preparado para gestionar búsquedas de 1 sola palabra (conceptos) o de varias palabras (más específicas)?
    Unirioja 2008 bbc.co.uk
  • 51. En qué respuesta se clica más
    • CTR (Clickthrough Rate) en resultados de búsqueda (sobre 9.038.794 queries):
      • 42,1%
      • 11,9%
      • 8,5%
      • 6,1%
      • 4,9%
      • 4,1%
      • 3,4%
      • 3,0%
      • 2,8%
      • 3,0%
    • Resto de la Larga Cola (ranking 11-1000) = 11.3 % de CTR.
    • Fuga de datos AOL - SEO Black Hat
    Unirioja 2008
  • 52.
    • CASOS PRACTICOS
    Unirioja 2008
  • 53. Browsing vs. searching
    • Verizon.com
    • Un millón de personas lo visitan por semana
    • 30.000-40.000 búsquedas internas al día
    • Los usuarios intentan encontrar links (browsing) antes de usar en el buscador interno.
    • Cuanto menor es la prominencia del link (más abajo en web), más va al buscador
    • (Angiolillo)
    Unirioja 2008
  • 54. Browsing vs. searching
    • Renardus.com
    • Un 80% de la actividad del portal se ejerce sobre diversas formas de browsing de (Koch)
    Unirioja 2008
  • 55. Browsing Unirioja 2008
  • 56. Browsing Unirioja 2008
  • 57. Best Bets
    • Aplicación práctica de la Ley de Zipf
    • Verizon.com: dos conjuntos de respuestas, las del algoritmo del buscador interno (Verity) y las que usaban best bets.
    • El subconjunto mejor aceptado por los usuarios fue el hecho a mano, los Best Bets.
    • Útil para SEO interno, y búsquedas muy comunes (BBC.co.uk, Martin Belam, currybetdotnet)
    Unirioja 2008
  • 58. Best bets Unirioja 2008
  • 59. Best Bets Unirioja 2008
  • 60. Colombia vs. Columbia en BBCi
    • 16 enero 2003: el desastre del Space Shuttle “Columbia”
    • Aumento significativo de búsquedas por “Colombia”.
    • Problema de deletreo.
    • Mismo best bet momentáneo para “Columbia” y “Colombia”
    Unirioja 2008
  • 61. Search Analytics y AI Unirioja 2008 ¿Qué términos o palabras clave son aquellas por las que queremos ser encontrados en internet? ( Posicionamiento en buscadores ) ¿Qué términos queremos que sean encontrados dentro de nuestro sitio web? ( Findability / Arquitectura de Información )
  • 62. Construcción de categorías – Top Down Unirioja 2008 Dendogramas Escalamiento Card Sorting multidimensional Yussef Hassan
  • 63. Bottom-up con Google Adwords Unirioja 2008
  • 64. Const. de categorías bottom-up Unirioja 2008 Agrupar las palabras clave según afinidad temática
  • 65. Seasonality / Estacionalidad
    • Fallas (búsqueda mundial 2004 – 2006)
    Unirioja 2008
  • 66. Seasonality / Estacionalidad
    • Fallas (búsqueda mundial 2005)
    Unirioja 2008
  • 67. AI Dinámica Unirioja 2008 Fallas 2006
  • 68. Internacionalización Unirioja 2008
  • 69. Internacionalización Unirioja 2008
  • 70. Conclusiones y futuro Unirioja 2008
    • La RI es más que un algoritmo
    • La interfaz lo cambia todo
    • Diversas metodologías, conclusiones similares
    • Existen modelos comunes de conducta
    • A usuarios distintos, AI distintas
    • Cuantas más posibilidades de RI (jerárquica, facetada, alfabética, cronológica, buscador), mejor
    • Futuro: mezclar search log + log navegación + segmentación
  • 71. Unirioja 2008 ¡GRACIAS! Jorge Serrano Cobos [email_address]