'Conocía' a Ricardo Baeza-Yates por uno de sus libros (creo que Information Retrieval: Data Structures and Algorithms, no lo tengo a mano ahora). Más recientemente vi citas a uno de sus trabajos en otro libro que lei recientemente (y del que no les hablé aún), Link Analysis: An Information Science Approach (Library and Information Science).

Ahora JJ nos recuerda que estuvo en el CEDI, y eso me sirve para recordar que tomé unos cuantos datos de su excelente presentación.

Son, como siempre, datos y notas sueltas, sin ninguna ligadura entre sí. No he encontrado en su web la presentación que usó (todo el rato con el navegador).

Sus investigaciones se basan en la observación de los usuarios del buscador que han creado en Chile, TodoCL, y son una mezcla de minería de datos, ergonomía (usabilidad), y otras técnicas y teorías.

Las notas:

El 60% de los sitios de chile forman parte de la internet oculta En España, tienen estimado un 30%, pero no tienen una lista completa de sitios.

Minería de uso: qué hace la gente, y reutilizarlo para mejorar los sitios.
Que sean encontrables y usables.

Algunos datos de su buscador

Muchas preguntas poco frecuentes y pocas preguntas muy frecuentes (ley de potencias).

No importa el idioma, las preguntas son las mismas.

De sus datos, la palabra mas buscada no es la que mas aparece en la web. La correlación entre lo que busca la gente y lo que pregunta la gente es muy baja.

Nadie usa la búsqueda avanzada.

Con el 20% del índice en la memoria, se responde al 50% de las consultas.
Con el 80% se pueden responder todas.

¿Qué hace la gente con las consultas?
Pregunta, va al sitio, tal vez refina la búsqueda. No se usa la búsqueda avanzada y de los que la usan, muy pocos terminan mirando y usando el resultado.

Los 'clicks' de los usuarios están sesgados por el 'tope': más arriba, más clicks. Lo mismo con la 'barrera' artificial de los resultados de 10 enlaces por página.

'Topes' de consultas: usar a los 'mejores' usuarios para mejorar los resultados de las búsquedas.

Las preguntas mas interesantes (mas cercanas a la respuesta) no tienen similitud con las mas frecuentes, o más genéricas.

Sustituyen las búsquedas originales de las personas por otras que creen que son mejores. De esta forma mejoran los resultados.

Las taxonomías ayudan a generar recursos semánticos.

También se estudian partes de la consulta que dominan a otras Fiat -> Fiat 600 -> ....

Capturar la esencia de la información: ¿qué palabras representan mejor la información de los documentos?

¿Qué es mejor poner en el sitio de un banco: crédito o préstamo?

Es fácil saber qué enlaces deberían estar en la portada (Yahoo! lleva años haciéndolo). No es tan fácil saber cuál es el texto adecuado.

Hay palabras que se buscan con frecuencia, y que llevan a páginas fáciles de encontrar desde la portada. También hay palabras que son relevantes, pero que ni siquiera están en nuestro sitio.
Otras palabras son usadas, pero a la gente no le gusta lo que encuentra.

Utilizando estas aproximaciones, las visitas han aumentado un 30%.

Si uno nace como una isla, muere como una isla. La estrategia correcta es intercambiar enlaces: mejor que nos visiten a los dos, que a ninguno.

Muchos sitios 'viven' un año, luego desaparecen.

Minería social de la web. Las mujeres son mucho más estables en las búsquedas (personas famosas).

Observaciones sobre las búsquedas de algunos términos:

SARS. Cuando se da en Asia, poco interés. Cuando se detecta el primer caso en Canadá, se dispara el interés.

También se puede ver cómo va triunfando el 'Aserejé' en distintos países.

La gente no pregunta mejor con el tiempo, y por lo tanto las respuestas de los buscadores también son peores.
El modelo de enlaces ha dejado de funcionar. Los espamers han contaminado mucho la web.

Pregunta: ¿hay vida después de Google?
Respuesta: ¿había vida después de Microsoft?

Luego tuvimos la oportunidad de saludarle y hablar un poco de bitácoras (parece que le gustan y le interesan), de espám y de otras cosas. Se mostró interesado por nuestros artículos blogosféricos. Además ahora trabaja parte del año en la Pompeu Fabra de Barcelona. Hice un par de fotos de su conferencia, y tal vez JJ nos consiga la que nos hicieron mientras charlábamos.

Foto de Ricardo Baeza-Yates.

Ricardo Baeza-Yates ya la estructura de la web.

Puedes enterarte de las notas nuevas en: @reflexioneseir (Twitter), Reflexiones e Irreflexiones (Página de Facebook), Reflexiones e Irreflexiones (Canal de Telegram), fernand0 (en LinkedIn), @fernand0 (en Medium), Mastodon.