Basado en el mismo estudio que el anterior ítem, este análisis trata de verificar si el tamaño “anunciado” por los distintos departamentos comerciales de los buscadores es creíble. Se puede observar que, en la fecha del estudio, los motores que parecen anunciar datos realistas son Google, AllTheWeb y WiseNut. En segundo lugar están los motores que parecen reclamar el tener un tamaño que en realidad no parece que exista: los basados en Inktomi: Hotbot y MSN. Por último hay algunos motores que parecen tener más tamaño del que anuncian: Altavista y Gigablast. En mi opinión, este último caso se produce por un error en la política de comunicación de la compañía. Es decir, la empresa mejora su base de datos y la amplía, pero no lanza ninguna noticia a la prensa, comunicando estas mejoras.

Este estudio es algo posterior a los anteriores, data del 17 de mayo de 2003 y nos muestra la velocidad de actualización de las bases de datos de los distintos buscadores. Lo que uno desea es que un buscador se actualice lo antes posible para poder incorporar todos los nuevos documentos que van apareciendo en la Web. También es deseable que los índices mantengan los documentos el máximo tiempo posible, pero este estudio está hecho sobre páginas que requieren actualización diaria por lo que no nos sirve para evaluar este segundo aspecto.

Como se observa en la figura 6.4.2, los motores que menos tiempo tardan en actualizar la totalidad de su base de datos son los de Inktomi, Google y AllTheWeb (ahora Yahoo). También es interesante remarcar que Gigablast es el que mantiene más tiempo los documentos, ya que el dato de Altavista está afectado por ruido estadístico al contar con datos atípicos^?.

Las principales conclusiones de este estudio podrían resumirse en tres:

• La mayoría de los resultados se han indexado en los últimos días.
• La mayor parte de las bases de datos tienen como mínimo un mes de antigüedad.
• Algunas páginas no se han re-indexado (actualizado) en mucho más tiempo.

Este análisis compara el resultado de cuatro búsquedas simples sobre diez buscadores diferentes. Las cuatro búsquedas localizaron 334 éxitos, 141 de los mismos eran únicos y el resto eran repeticiones de los anteriores. De esos 141 resultados específicos, 71 los encontró un solo motor de entre los diez (no siempre el mismo), mientras que 30 de ellos los encontraron 2 motores. El resto del gráfico se lee en los mismos términos. Así, tan solo hay 2 páginas que están en las 10 bases de datos.

Y de todo esto, ¿se puede extraer alguna conclusión interesante y útil? Pues lo cierto es que SÍ, y muy importante:

Actualmente NO existe una superposción relevante entre los índices de los distintos buscadores, que haría que la utilización de un solo motor fuese suficiente, ya que en el resto encontraríamos más o menos lo mismo.

Como se puede ver en la figura 6.4.3, la utilización de un segundo motor de búsqueda para complementar el número de resultados relevantes incrementa el número de éxitos DISTINTOS, hasta un 50%. El utilizar un tercer motor para complementar más éxitos tan solo incrementa los resultados en un 10%. Así pues, a partir de este estudio, la recomendación es clara: cuando utilicéis los buscadores para investigar sobre un tema, tenéis que utilizar DOS herramientas que os ayudarán a complementar los éxitos. Si tan solo utilizáis un buscador, os estaréis dejando el 50% de la Web por explorar. Con dos buscadores ya solo os dejaréis el 25%. Con tres, el incremento marginal es ya muy pequeño como para recomendaros su utilización, de todas formas, es decisión vuestra.

Por otro lado, surge la pregunta: y de los 71 éxitos que ha dado un solo motor, ¿cuál ha sido el buscador que más resultados distintos ha ofrecido? Observad la figura 6.4.4.

Se puede ver, claramente, que el motor que más resultados únicos ofrece es Google con 57%. Entre otras razones, esta primera posición de Google viene dada por su mayor tamaño. Es lógico que si la base de datos es más grande, contenga documentos que no estén en las demás bases de datos. Pero sí sorprende que el segundo sea Wisenut y no AllTheWeb o Altavista ya que son los siguientes en tamaño. La explicación a este dato reside en que Wisenut, al ser un motor de más reciente creación (al igual que Teoma) ya nace bajo el predominio de Google y una de sus (pocas) posibilidades de competir, es diferenciar su base de datos, de forma que pueda ser utilizado como complemento a Google. Si su política fuera replicar al líder del sector, ¿quién los utilizaría? Los usuarios no lo gastarían si saben que su índice es un subconjunto de la de Google, así que intentan indexar contenido distinto.

En la dirección http://searchenginewatch.com/reports/index.php, podéis encontrar un amplio listado de estadísticas relacionadas con diversos aspectos de los motores de búsqueda. En este punto voy a resaltar algunos de los contenidos más relevantes.

Cuota de Búsquedas

Los datos mostrados en esta figura se refieren a cualquier búsqueda hecha en un buscador del dominio, por ejemplo, en Google están consideradas tanto las búsquedas en el índice web como en el de imágenes.

Proveedores de Resultados

La figura 6.4.6, muestra las peticiones de búsqueda recibidas por cada motor. Como ya se ha explicado, no todos los motores utilizan su propio índice o base de datos. Algunos subcontratan las búsquedas a otras empresas y muestran los resultados. En esta figura se muestra la distribución según este criterio.

Popularidad de los Motores

Se puede observar que Google es el motor más popular en EEUU, pero que Yahoo no está a una distancia excesivamente grande. En tercer lugar y tampoco tan alejado se encuentra MSN con la base de datos de Inktomi. Es remarcable que a parte de la búsqueda básica en web, tanto Google como Yahoo, aparecen más veces en el listado con sus buscadores específicos: Google Image Search, Yahoo Directory, Yahoo Yellow Pages, Yahoo Image Search.

Nielsen Net Ratings

Nielsen Net Ratings es uno de los servicios de análisis de audiencia de Internet más prestigioso. Provee ratings a nivel mundial sobre sitios web basándose en una muestra de 225,000 usuarios en 26 países. Estos usuarios tienen instalados cronómetros en sus computadoras que monitorizan los sites que visitan. Esta información sirve de base para las estadísticas. En la figura 6.4.7 se puede observar el motor utilizado en cada búsqueda por usuarios norteamericanos en Junio de 2004, tanto en casa como en el trabajo. Debido a que un usuario puede utilizar más de un motor para desarrollar su investigación, el resultado combinado supera el 100%.

Otra forma de medir la popularidad es computar la cantidad de tiempo que un usuario ha dedicado a utilizar un determinado motor en un periodo dado. La tabla 6.4.3 muestra el tiempo medio por persona invertido por los visitantes de un determinado motor en junio de 2004.

Estadísticas para España

Las estadísticas para España, provenientes de la misma fuente que los datos anteriores, son algo sorprendentes. No solo no aparece Google en primer lugar, cosa que llama poderosamente la atención, sino que surge un nuevo motor llamado “i Internacional” del que no había oído hablar nunca.

El que MSN aparezca en primera posición tiene su explicación. En la mayoría de los sistemas operativos modernos basados en Windows, cuando nos equivocamos al escribir una URL en la barra de direcciones del navegador, el propio browser nos redirige automáticamente a MSN a buscar el texto que hemos escrito mal. Esto hace que los datos de búsquedas en MSN se disparen. Aunque en realidad no hemos hecho una búsqueda voluntariamente en ese motor, cuenta para las estadísticas.

Creo que considerando esas dos puntualizaciones, las estadísticas son creíbles.

• Columna 1. Motores. Cuenta con enlaces a las páginas principales de los distintos motores así como un informe detallado y actualizado sobre cada uno de ellos. En este informe se puede ver qué bases de datos utiliza cada motor, qué otros buscadores utilizan las bases de datos del motor analizado, qué información se muestra en la página de resultados, etc. También cuenta con enlaces a artículos que comentan especificaciones de cada motor. Incluso podéis encontrar referencias a herramientas ofrecidas por los buscadores, pero que al estar en fase de pruebas, todavía no se anuncian en la página de “ayuda” del propio motor.
• Columna 2. Booleanos. Informa sobre cómo pueden conectarse los distintos términos clave que forman una búsqueda.
• Columna 3. PorDefecto. Informa sobre qué operador booleano se considera cuando el usuario introduce distintos términos clave sin escribir ningún nexo entre ellos.
• Columna 4. Proximidad. Se refiere a la posibilidad de especificar cuán cerca tienen que estar unos términos clave de otros.
• Columna 5. Truncación. Se refiere a la posibilidad de buscar tan solo una porción de una palabra clave.
• Columna 6. May/Min (Case). Informa sobre la relevancia de escribir los términos clave en mayúsculas o minúsculas. ¿Existe alguna diferencia entre escribir Alcoy, alcoy, ALCOY o aLcoY?
• Columna 7. Campos. Se refiere a la posibilidad de que el usuario indique dónde quiere que un determinado término clave aparezca, en vez de buscarlo en cualquier parte de la página.
• Columna 8. Limites. Informa sobre la posibilidad de reducir el número de éxitos, añadiendo alguna restricción específica a la búsqueda, como por ejemplo el idioma o la fecha de actualización.
• Columna 9. Stop. Indica si existen palabras comunes y muy frecuentes que son filtradas de la búsqueda automáticamente. Ejemplos claros son artículos o conjunciones (el, un, de, y, etc.).
• Columna 10. Ordenación. Informa sobre la manera de ordenar que se puede seleccionar en cada motor.

Otro punto importante a la hora de enfocar las búsquedas es la selección del motor. En esta unidad se ha introducido un sistema que permite la comparación subjetiva entre las distintas herramientas. NO existe el “mejor” motor de búsqueda. Cada uno de nosotros va a asignar ese “título” a la herramienta que más le satisfaga en función de las preferencias respecto a qué servicios ofrece cada motor y cómo los ofrece. Lo que sí podemos hacer es sistematizar la comparativa siguiendo un mismo método para evaluar los distintos buscadores. Al final de todo el proceso hay que seleccionar como mínimo dos motores ya que, como se ha demostrado en los estudios empíricos reseñados, la utilización de un solo motor, nos está limitando el conjunto de oportunidad a un reducido 50%. Mientras que la utilización de 2 motores nos lo incrementa hasta el 75%.

Por otra parte, también se observa claramente que el motor más popular es Google seguido de Yahoo (ahora que Altavista y AllTheWeb han sido fusionados en éste). El tercero en esta pugna, MSN, a fecha de hoy todavía está preparando su “lanzamiento comercial a lo grande”. En cuanto lo haga, y se supone que ha de ser durante este año 2004, veremos qué ocurre.

• Escribir el tipo de acceso a una máquina (http://, ) cuando se trata de un servidor web, no es necesario. Si lo es cuando es otro tipo de servidor (ftp://)

• No debemos confundir entre tamaño relativo y tamaño absoluto de los buscadores; ya que el tamaño relativo trata de comparar las distintas bases de datos y el tamaño absoluto trata de verificar si el tamaño “anunciado” por los distintos departamentos comerciales de los buscadores es creíble.

• No existe el “mejor” motor de búsqueda. Cada uno de nosotros va a asignar ese “título” a la herramienta que más le satisfaga en función de las preferencias respecto a qué servicios ofrece cada motor y cómo los ofrece.

• Considerar que en cualquier buscador se va a encontrar la misma información.

• Considerar que en un buscador se puede encontrar todo.

• Es muy útil reconocer qué motores de búsqueda, aparte de Google, gozan de popularidad en Internet.

• Acceder a Search Engine ShowDown, eventualmente te va a permitir mantenerte actualizado sobre las principales diferencias existentes entre los motores más importantes.

• Debes conocer qué ventajas e inconvenientes muestran los buscadores de información en la Web.

• Hay que averiguar si el motor de búsqueda ofrece opciones de personalización de funcionamiento. Un buen motor de búsqueda ofrece a sus usuarios distintas opciones respecto a su forma de trabajar, de manera que trabajaremos más cómodamente y obtengamos búsquedas de mayor calidad.

[Imprimir el Cuestrionario Resuelto]

El ejercicio de esta unidad es aplicar los cuatro puntos indicados en la sección “Técnica para Seleccionar los Mejores Buscadores”, en cada uno de los motores listados. Es un trabajo un poco pesado, pero que os va a servir para asimilar las marcadas diferencias entre los distintos motores que, por no usarlos, no las conocemos. Además, os obliga a utilizar herramientas de búsqueda que, si no fuera así, jamás utilizaríais y, ser conscientes así, de lo que os podéis estar perdiendo. Podéis utilizar el Cuadro Comparativo si os facilita el trabajo de síntesis.

Cuadro Comparativo Solución