Introducción
Un sistema de búsqueda es una herramienta para «encontrar» información, pero los propios registros de búsqueda también son una valiosa fuente de información. «¿Qué se busca?», «¿Qué no se puede encontrar?», «¿Qué información se consulta con frecuencia?» – estos datos sirven como un espejo que refleja las necesidades de información y las brechas de conocimiento de la organización.
En este artículo, combinamos los registros de búsqueda de Fess con OpenSearch Dashboards para construir un panel de análisis que visualiza el estado de utilización del conocimiento en la organización.
Público objetivo
Personas que desean comprender cuantitativamente cómo se utiliza su sistema de búsqueda
Personas que desean recopilar datos para estrategias de utilización de la información
Personas que desean aprender las operaciones básicas de OpenSearch Dashboards
El valor de los datos de búsqueda
Lo que los registros de búsqueda pueden revelar
Los registros de búsqueda son un tipo de datos poco común que permite comprender cuantitativamente las necesidades de información de una organización.
Datos recopilados por Fess
Fess recopila y almacena automáticamente los siguientes datos.
Registros de búsqueda (fess_log.search_log)
Se pueden consultar en la consola de administración en [Información del sistema] > [Registro de búsqueda]. Se almacenan en el índice de OpenSearch fess_log.search_log.
Campos principales:
| Nombre del campo | Tipo | Descripción |
|---|---|---|
searchWord | keyword | Palabra clave de búsqueda |
requestedAt | date | Fecha y hora de la búsqueda |
hitCount | long | Número de resultados de búsqueda (0 indica una consulta sin resultados) |
queryTime | long | Tiempo de ejecución de la consulta (milisegundos) |
responseTime | long | Tiempo total de respuesta (milisegundos) |
userAgent | keyword | Agente de usuario |
clientIp | keyword | Dirección IP del cliente |
accessType | keyword | Tipo de acceso (web, json, gsa, admin, etc.) |
queryId | keyword | ID de consulta (utilizado para vincular con registros de clics) |
Registros de clics (fess_log.click_log)
Son registros de cuando se hace clic en los enlaces de los resultados de búsqueda. Se almacenan en el índice de OpenSearch fess_log.click_log.
| Nombre del campo | Tipo | Descripción |
|---|---|---|
url | keyword | URL clicada |
queryId | keyword | queryId del registro de búsqueda (identifica que búsqueda llevo al clic) |
order | integer | Posición de visualización en los resultados de búsqueda |
requestedAt | date | Fecha y hora del clic |
docId | keyword | ID del documento |
Palabras populares
Las palabras populares que se muestran en la pantalla de búsqueda se agregan a partir de los registros de búsqueda en el índice suggest de Fess. Las consultas que superan un cierto número de resultados de búsqueda se clasifican según el número de búsquedas.
Visualización con OpenSearch Dashboards
Dado que los registros de búsqueda de Fess se almacenan en OpenSearch, es posible realizar una visualización avanzada utilizando OpenSearch Dashboards.
Configuración de OpenSearch Dashboards
Agregue OpenSearch Dashboards a su configuración de Docker Compose.
Acceda a http://localhost:5601 para utilizar la interfaz de Dashboards.
Creación de patrones de índice
Para visualizar los datos de registro de Fess en OpenSearch Dashboards, primero debe crear patrones de índice.
Acceda a Dashboards y seleccione [Stack Management] > [Index Patterns] en el menú izquierdo
Haga clic en [Create index pattern]
Cree los siguientes patrones de índice
| Patrón de índice | Campo de tiempo | Propósito |
|---|---|---|
fess_log.search_log | requestedAt | Análisis de registros de búsqueda |
fess_log.click_log | requestedAt | Análisis de registros de clics |
Diseño del panel
Diseñe el panel con las siguientes perspectivas analíticas. Cree cada visualización desde [Visualize] en el menú izquierdo y combínelas en un [Dashboard].
Resumen del uso de búsqueda
Tendencia diaria de búsquedas
Comprenda como cambia el uso de la búsqueda a lo largo del tiempo.
Patrón de índice:
fess_log.search_logVisualización: Line (gráfico de líneas)
Eje X: Date Histogram (campo:
requestedAt, intervalo: 1d)Eje Y: Count
Si el uso aumenta, es evidencia de que el sistema de búsqueda se ha consolidado; si disminuye, se necesitan mejoras.
Búsquedas por hora del día
Comprenda en que momentos del día se realizan más búsquedas.
Visualización: Vertical Bar (gráfico de barras)
Eje X: Date Histogram (campo:
requestedAt, intervalo: 1h)Eje Y: Count
Si las búsquedas son frecuentes al inicio de la jornada laboral o después del almuerzo, indica que la recopilación de información se ha convertido en una parte establecida del trabajo diario.
Análisis de la calidad de búsqueda
Tendencia de la tasa de consultas sin resultados
La tasa de consultas sin resultados es un indicador importante de la calidad de búsqueda. Los registros donde el campo hitCount en el registro de búsqueda es 0 corresponden a consultas sin resultados.
Patrón de índice:
fess_log.search_logFiltro: Agregar
hitCount: 0para extraer consultas sin resultadosVisualización: Line (gráfico de líneas)
Eje X: Date Histogram (campo:
requestedAt, intervalo: 1d)Eje Y: Count
Si la tasa de consultas sin resultados es alta, es necesario agregar sinónimos o ampliar el alcance del rastreo (véase la Parte 8).
Tenga en cuenta que también puede ver una lista de consultas sin resultados en la consola de administración en [Información del sistema] > [Registro de búsqueda].
Nube de palabras de consultas sin resultados
Mostrar las consultas sin resultados como una nube de palabras proporciona una visión rápida de que información falta.
Filtro:
hitCount: 0Visualización: Tag Cloud
Campo: Terms Aggregation (campo:
searchWord, tamaño: 50)
Análisis del valor del contenido
Resultados de búsqueda más clicados
Los resultados de búsqueda que reciben clics con frecuencia representan contenido de alto valor para la organización.
Patrón de índice:
fess_log.click_logVisualización: Data Table
Campo: Terms Aggregation (campo:
url, tamaño: 20, orden: Count descendente)
Priorice el mantenimiento y la actualización de estos contenidos.
Distribución de posiciones de clic
Revise la distribución de en que posición de los resultados de búsqueda se hace clic.
Patrón de índice:
fess_log.click_logVisualización: Vertical Bar (gráfico de barras)
Eje X: Histogram (campo:
order, intervalo: 1)Eje Y: Count
Si las posiciones 1-3 reciben la mayoría de los clics, la calidad de búsqueda es buena; si las posiciones 10 en adelante reciben muchos clics, se necesitan mejoras en el ranking.
Análisis de tendencias en las necesidades de información
Ranking de palabras clave populares
Comprenda en qué está interesada la organización en su conjunto.
Patrón de índice:
fess_log.search_logVisualización: Data Table
Campo: Terms Aggregation (campo:
searchWord, tamaño: 20, orden: Count descendente)
Los cambios en las palabras clave populares reflejan los cambios en los desafíos e intereses de la organización.
Aprovechamiento de los resultados del análisis
Los resultados del análisis de datos de búsqueda pueden aplicarse a las siguientes iniciativas.
Estrategia de contenido
Consultas sin resultados: Identificar contenido faltante y solicitar su creación
Palabras clave populares: Enriquecer la información sobre temas buscados con frecuencia
Resultados con baja tasa de clics: Considerar la mejora o eliminación del contenido
Mejora de la calidad de búsqueda
Agregar sinónimos: Descubrir candidatos a sinónimos a partir de consultas sin resultados
Configuración de Key Match: Establecer resultados óptimos para consultas populares
Ajuste de Boost: Mejorar los rankings basándose en las tasas de clics
Decisiones de inversión en TI
Aumento del uso: Planificar la ampliación de recursos del servidor
Nuevas necesidades de información: Considerar la conexión de fuentes de datos adicionales
Necesidades de funciones de IA: Decidir sobre la introducción del modo de búsqueda con IA (véase la Parte 19)
Creación de informes periódicos
Resuma los resultados del análisis en informes periódicos y compártalos con las partes interesadas.
Ejemplo de elementos del informe mensual
Resumen del uso de búsqueda (total de búsquedas, comparación con el mes anterior)
Tendencia de la tasa de consultas sin resultados y estado de mejora
Top 10 de palabras clave populares
Brechas de conocimiento recién descubiertas
Medidas de mejora implementadas y sus efectos
Planes de mejora para el próximo mes
Conclusión
En este artículo, explicamos cómo visualizar la utilización del conocimiento organizacional mediante registros de búsqueda.
Información obtenida de los registros de búsqueda (necesidades de información, brechas de conocimiento, valor del contenido)
Construcción de paneles de visualización con OpenSearch Dashboards
Aplicación de los resultados del análisis a la estrategia de contenido, mejora de la calidad de búsqueda e inversiones en TI
Mejora continua a través de informes periódicos
Los datos de búsqueda son un activo valioso para dibujar un «mapa de conocimiento organizacional.» Con esto concluye la sección de IA y búsqueda de próxima generación. En la próxima y última entrega, presentaremos un resumen general de la serie.