Análisis Social Media

3 “sabores” de búsqueda social

Helado de 3 saboresDespués del experimento de Google en búsqueda social, la integración de Bing en Twitter, y la asociación de Yahoo! y el buscador social OneRiot, está claro que la búsqueda social es una iniciativa con mucho potencial y que está recibiendo impulso. Sin embargo, ¿cómo será cuando se consolide, y cómo nos ayudará a buscar mejor? Y de ser así, ¿cómo lo hará?

Personalmente,opino que la búsqueda social no sustituirá a la búsqueda tradicional, que un alto índice de relevancia social puede usarse para obtener buenos resultados de búsqueda, y que el concepto de búsqueda social supone una vuelta a un entorno familiar, y no hay nada que temer al respecto. Hoy hablaremos más específicamente sobre los tras “sabores” de búsqueda social que mejorarán la experiencia de búsqueda de los usuarios.

Este artículo es de nuestro autor invitado Brynn Evans.

Búsqueda social colectiva

MultitudLa “búsqueda social colectiva” es un concepto similar al de sabiduría popular. La idea es que la búsqueda se vea enriquecida por las tendencias que se comparten en una red (como en el caso de los “Temas del momento” de Twitter), o por los resultados comparados con los temas de actualidad debatidos en un grupo en un determinado momento. Esto sería útil en determinados casos en los que no podemos encontrar inmediatamente la información que buscamos, y una colección de datos recopilados de un conjunto de personas puede darnos pistas para expandir nuestra búsqueda.

Hasta la fecha, no han aparecido sistemas de búsqueda a gran escala que hagan esto eficazmente, y no sabemos qué clase de interfaz sería la mejor para compartir esta clase de información. Existe una extensión de Firefox llamada Cloudlet que inserta nubes de etiquetas (basadas en palabras clave) en los resultados de búsqueda. El problema es que las nubes de etiquetas siempre resultan más una distracción que una ayuda. Otro recurso similar es BingTweets, pero realmente sólo ofrece resultados de Twitter y Bing en dos páginas por separado. OneRiot sólo muestra datos colectivos del flujo a tiempo real, pero es posible que pronto se integre a los resultados de búsqueda de Yahoo! Además, seguimos a la espera de ver cómo integran Google y Bing el flujo de datos de Twitter en sus resultados de búsqueda tradicionales, en lugar de incluirlos simplemente como recursos adicionales tipo documento.

También será importante comprender cuándo compartir datos sociales colectivos con los usuarios: ¿durante la búsqueda o después de ésta? ¿Para qué tipos de búsqueda?

Mi investigación sobre estrategias de búsqueda me ha acercado a esta cuestión. El asesoramiento colectivo puede resultar útil cuando el usuario está explorando un tipo de búsqueda que le resulta desconocido (esto es, porque no tenga los conocimientos necesarios para filtrar hasta llegar a una respuesta) o porque esté investigando una cuestión pasivamente. Personalmente, yo hago esto a menudo cuando preparo recetas de cocina. Antes de decidir cómo voy a elaborar mi propia receta, primero investigo recetas distintas de varias fuentes. No tengo en mente una concreta (no se trata de una investigación urgente y activa), y por eso no tengo por qué saber necesariamente cuándo he encontrado lo que busco.

Por otra parte, es difícil determinar si el usuario es muy activo o pasivo en su búsqueda basándonos en las cadenas de palabras clave que use. No resulta fácil saber qué tipo de búsqueda está realizando ni cuánto ha avanzado en el proceso (“explorando” o “afinando”). Lo que es más, los datos colectivos sociales tendrán una utilidad limitada para el consumidor medio, ya que no proceden de fuentes de confianza, a diferencia de la “búsqueda social filtrada por amigos” (de la que hablamos en la sección siguiente).

Búsqueda social filtrada por amigos

Fotografias de amigosLa búsqueda social filtrada por amigos es más o menos lo que está haciendo Google con su experimento de búsqueda social: proporcionar datos sociales que hayan compartido nuestros conocidos, amigos y nuestro “círculo social” en términos más amplios. Estos datos podrían aparecer al lado de los resultados de búsqueda tradicionales (como en el caso de Google) o podrían ser resultados exclusivos procedentes de nuestra red de conocidos (como sucede con TuneIn).

Esto resulta útil cuando nuestros amigos han compartido enlaces, entradas de blog o tweets relevantes al tema sobre el que estamos buscando. Si, por ejemplo, estuviésemos recopilando datos sobre “el futuro del software de escritorio”, encontraríamos por un lado comentarios, artículos y enlaces a proyectos procedentes del algoritmo de búsqueda principal, y por otro comentarios de nuestros amigos sobre aplicaciones que han descubierto recientemente. Si confiamos en nuestros amigos, pueden servir como filtros de fiabilidad y encaminarnos a la información de interés.

Las tres principales limitaciones de este método son:

  1. Que nuestros amigos no tengan contenido social archivado que sea relevante a nuestra consulta (o que no esté disponible). Para verlo no hay más que hacer una búsqueda en nuestra red de Facebook. Por este motivo, puede que sea mejor enriquecer los algoritmos de búsqueda tradicional con datos filtrados por amigos, en lugar de depender exclusivamente de los datos procedentes de la pequeña red exclusiva de otra persona.
  2. Que actualmente su puesta en práctica se limita a las palabras claves concretas de nuestra búsqueda. Sin embargo, las búsquedas que encuentren entradas de blog relacionadas basadas en un tema o en unos parámetros de tiempo pueden darnos unos resultados más amplios, y combatir el problema de la limitación de las redes sociales. Este método requeriría un proceso de computación más complicado que la simple búsqueda por palabras clave, y aún quedaría por ver cómo exponer suficientemente el contexto apropiado (lo trataremos en la siguiente sección).
  3. La importancia de comprender el contexto en el que se ha compartido una entrada de blog o un enlace. Si no se comprende el contexto, la búsqueda por palabras clave, o incluso por temas podría no transmitir al usuario la relevancia de un resultado de búsqueda. Google de momento sólo proporciona un contexto limitado (nos muestra de qué conocemos a un usuario, la fuente de la entrada y un pequeño extracto). Harán falta más pruebas para determinar cuánto contexto hace falta para la búsqueda de contenido social, y de qué tipo deberá ser éste.

También está la cuestión de cuándo resulta relevante el filtro social por amigos durante una búsqueda. Mi intuición me dice que resultará útil durante todo el proceso, y para muchos tipos de búsquedas (en sí misma, la búsqueda filtrada por amigos es un tipo más). Esto resulta radicalmente distinto de la búsqueda social colectiva y colaborativa.

Búsqueda colaborativa (pregunta-respuesta)

Personas buscando en Internet“Búsqueda colaborativa” es cuando dos o más usuarios colaboran para encontrar la respuesta a un problema. Puede adoptar la forma de preguntas y respuestas mediante IM (como hace Aardvark), el modelo de Yahoo! Answers (que es relativamente pasivo y asincrónico) o puede ser un diálogo entre dos personas que realizan una búsqueda. En todos estos casos, los usuarios hablan entre sí usando lenguaje natural, que resulta increíblemente útil para consultas no específica (p. ej., “¿Qué son los Pensamientos de diseño?”) o consultas sobre temas que desconocen (p. ej., derecho, medicina, economía… dependiendo de nuestra formación). Este tipo de conversaciones, incluso las que no son a tiempo real, pueden servir de ayuda a personas que no sepan cuáles son las palabras clave que deben usar (lo que se conoce como “problema de vocabulario“).

En mi investigación he analizado las ventajas del método preguntarespuesta, y los procesos y preferencias de los usuarios a la hora de realizar búsquedas Muchos afirman preferir hacer búsquedas por su cuenta primero, o no desean interrumpir a sus colegas sin antes probar a encontrar por sí solos los datos que necesitan. Esto nos indica que el método de búsqueda social comenzaría siendo pasivo (como sucede a la hora de presentar datos sociales colectivos o filtrados por amigos).

Sin embargo, en las fases siguientes del proceso, si el usuario que busca se queda atascado en un problema, es frecuente que recurra a un amigo para pedir ayuda. Si los sistemas de búsqueda tuviesen un modo de identificar las consultas difíciles o los puntos de ineficiencia en el proceso, podrían ofrecer opciones de búsqueda social más concretas. Quizá el sistema podría buscar a un experto en el tema dentro del círculo social de usuario. Se podría presentar directamente al usuario la información que haya compartido esta persona, o se le podría sugerir que recurriese a esa persona mediante chat o correo electrónico (dependiendo de la disponibilidad y las preferencias de la misma).

Llegados a este punto, está claro que estas tres variedades de búsqueda social se complementan entre sí. Cada una tiene sus pros y sus contras, y es adecuada para diferentes tipos de búsqueda durante diferentes etapas del proceso. Un “buscador social” potente sería “inteligente” si utilizase los tres métodos paralelamente al uso de los algoritmos de búsqueda tradicionales.

Fotografías: Who Wants to Be?, Claudia Lim y brewbooks.

Autor invitado: Brynn Evans estudia un Doctorado en Ciencias Cognitivas en la Universidad de San Diego, California, y utiliza la antropología digital para estudiar y comprender mejor la búsqueda social.

Sobre el autor de este artículo

admin

Administrador Ticbeat- Pruebas y desarrollo
www.ticbeat.com