Le défi d’un moteur de recherche est de comprendre le contexte de la recherche d’un utilisateur. L’homonymie constitue un vrai sujet d’étude pour les moteurs de recherche. Quand quelqu’un recherche le mot « jaguar », que veut-il chercher au juste : la voiture jaguar, l’animal, une équipe de foot ou un type de système d’exploitation ?

Ces requêtes de recherche constituent toujours des requêtes ambiguës pour les moteurs de recherche.

Quand un utilisateur recherche le mot « voitures », on doit se poser la question si :

• Il veut lire les avis et les retours d’expérience dans le domaine des voitures ?
• Veut-il aller assister à un show ou forum de voitures ?
• Veut-il acheter une nouvelle voiture ?
• Veut-il lire plus sur les dernières technologies des voitures ?

Le mot « voitures » est tellement général qu’il s’avère difficile de comprendre l’intention de l’utilisateur dernière l’utilisation de ce mot. Un premier pas vers la compréhension de l’intention de l’utilisateur, consiste à ce que les moteurs de recherche regardent les recherches précédentes effectuées par le même utilisateur (adaptive search).

 

Une autre solution, consiste à de fournir plusieurs résultats comme le montre l’exemple suivant :

 

 

Les résultats précédents regroupent des résultats spécifiques et génériques entre un lien qui vend des livres et un autre lien qui parle des livres (critiques, opinions). Il y a même un lien qui parle des actualités sur les livres et les dernières nouveautés.

Le besoin de diversité

Le besoin de diversité a fait que quelques liens comme Cultura soient positionnés parmi les premiers liens. En d’autres termes, une analyse par Google pour un positionnement basé sur la pertinence, aurait placé Cultura dans une position différente de la présente. Sauf qu’ici, Google était obligée de placer Cultura à la tête de la SERP car encore une fois, les résultats sur la SERP sont diversifiés. Le moteur de recherche n’a pas de moyen pour trancher le contexte de la recherche, est-ce que l’utilisateur voudrait chercher les nouveautés sur les livres, ou bien voudrait-il acheter des livres, ou voire même chercher un blog qui parle sur des conseils de comment écrire un livre.

 

Cette façon d’alterner les résultats est appelée Query Deserves Diversity (QDD) ou requête méritant la diversité.

 

La QDD assure le minimum de satisfaction, pour tout le monde, en opérant sur une requête générique dont le contexte n’est pas assez clair pour le moteur de recherche.

 

Le fait d’introduire une diversité au niveau des résultats de recherche, permets de fournir aux utilisateurs d’autres liens utiles, d’autres que les liens des vendeurs de livres. Cette diversité est l’un des points forts de Google auprès de ses utilisateurs.

 

La QDD a été sujet de plusieurs tests de Google. Google avait initialement mesurée le nombre de raffinements de mots ainsi que le nombre de changement de mot clé après que les utilisateurs recherchent un mot générique ou bien sans contexte. Le nombre de raffinement et de changement de mot clé a été très élevé quand les résultats au niveau de la SERP n’étaient pas diversifiés.

 

La satisfaction de l’utilisateur est au cœur de l’intérêt de Google derrière la QDD.

 

La diversité des résultats interviennent dans plusieurs types de recherche. Nous citons par exemple :

 

• La recherche d’un nom d’entreprise : Ici Google fournit le nom de domaine de l’entreprise ainsi que des liens vers d’autres sites qui embauchent pour cette entreprise. De surcroit, le moteur de recherche peut fournir des liens vers des sites qui parlent de cette entreprise et donnent des avis qu’ils soient négatifs ou positifs.

• Recherche de produits. Google fournit des liens vers des sites e-commerce. Le moteur de recherche fournit également des avis ou même des vidéos qui parlent de ces produits au niveau la SERP.

• Les actualités et les recherches politiques : Google essaie de fournir des résultats qui combinent entre la gauche et la droite du point de vue politique.

Les moteurs de recherche en général essaient de personnaliser les résultats en fonction de l’historique de recherche ainsi que le comportement précédent de l’utilisateur quand il a cherché un mot clé auparavant. Par exemple, si un utilisateur a un mot clé de « problème d’installation WordPress » dans son historique de recherche, et qu’après recherche « PHP WordPress », le moteur de recherche est en mesure de fournir des résultats sur la maintenance ou bien sur la configuration PHP de WordPress plutôt que des cours sur l’utilisation de PHP au niveau de WordPress.

 

Pour Google, le concept de personnalisation basé sur l’historique des recherches et sur le comportement précédent de l’utilisateur, est pris en compte même dans la proposition instantané et auto-complétée au niveau du champ de recherche.

 

L’exemple suivant montre que Google auto-complète le mot « php » par « php date ».

 

Il s’avère que la gestion de la date au niveau du PHP a été pas mal recherchée au niveau de Google, comme le montre l’historique des recherches suivantes sur le navigateur Chrome :

 

 

Quand la fraicheur de l’information compte

La plupart du temps, il est utile de retourner des résultats de recherches provenant des anciennes ressources d’informations. Des résultats qui ont montré qu’elles sont utiles malgré le temps. Cependant, les moteurs de recherche, recherchent aussi, des informations de la part des nouvelles sources d’informations, et ceci de plus en plus.

 

Prenons l’exemple d’un résultat d’une élection présidentielle. Les moteurs de recherche commencent à recevoir des informations liées à cet évènement chaque seconde, et par la suite, commencent à faire apparaitre ces résultats dans un maximum de 15 minutes sur leur SERP. Si on recherche des résultats d’une élection présidentielle, il est donc plus logique d’avoir les résultats de l’évènement en cours ou récent, qu’un autre qui date par exemple de l’année 1995.

 

C’est ici que le concept de QDF intervienne. Le QFD (Query Deserves Freshness) ou requête méritant une fraicheur, est un algorithme qui permet à Google de découvrir et indexer une nouvelle information dans un temps presque réel.

 

Un article décrivant le modèle du QDF avait montré que ce modèle prend en considération plusieurs facteurs à savoir :

 

• Le volume de la recherche
• La couverture par les actualités
• La couverture par les blogs.

 

Le QDF s’applique sur l’évènement ou l’actualité couverte depuis la dernière minute mais aussi sur d’autres types de scenarios tels que les nouveaux discounts ou dernières mises à jour de produits qui attirent l’attention de plusieurs recherches sur Google et sur les médias.