Günümüzde kullanıcı deneyimi tasarımında en büyük paradokslardan biri, site içi arama motorlarının yetersizliği nedeniyle kullanıcıların yerel bir sitede tek bir sayfa bulmak için küresel arama motorlarına yönelmesidir. Oysa ki modern UX'in başarısı, en çok içeriğe sahip olmak değil, en bulunabilir içeriğe sahip olmaktan geçiyor. Peki neden 'Büyük Kutu' olarak adlandırdığımız Google her zaman kazanıyor ve kullanıcıları kendi sitemize nasıl geri getirebiliriz?
Site içi aramanın başarısızlığının temel nedeni, 'Sözdizimi Vergisi' olarak adlandırdığım bir kavramdır. Kullanıcıların, veritabanımızda kullandığımız tam kelime dizisini tahmin etmelerini istediğimizde onlara bilişsel bir yük bindiriyoruz. Örneğin, bir mobilya sitesinde 'koltuk' yazan bir kullanıcı, sitedeki her şey 'kanape' olarak kategorize edilmişse sonuç alamaz ve 'Bu sitede aradığım yok' diyerek siteyi terk eder. Bu, bilgi mimarisinin bir başarısızlığıdır; sistemlerimiz kavramlar yerine harf dizilerini eşleştirmek üzere tasarlanmıştır.
Google'ın başarısı yalnızca mühendislik gücünden değil, bağlamsal anlayıştan gelir. Baymard Enstitüsü verilerine göre, e-ticaret sitelerinin %41'i temel sembolleri veya kısaltmaları bile desteklemiyor ve bu da kullanıcıların tek bir başarısız arama girişiminden sonra siteyi terk etmesine yol açıyor. Google, kök bulma ve lemmatizasyon gibi bilgi mimarisi tekniklerini kullanarak 'koşmak' ve 'koşuyor' fiillerinin aynı niyeti taşıdığını anlarken, çoğu site içi arama bu bağlamı görmezden geliyor.
Çözüm, 'Belki' durumu için tasarım yapmaktan geçiyor. Geleneksel bilgi mimarisi ikili düşünür: sayfa ya kategoridedir ya da değildir; arama sonucu ya eşleşir ya da eşleşmez. Oysa kullanıcılar artık olasılıksal sonuçlar bekliyor. İyi tasarlanmış bir arama arayüzü, '0 Sonuç Bulundu' yerine 'Bunu Elektronik'te bulamadık ama Aksesuarlar'da 3 eşleşme var' diyerek kullanıcıyı akışta tutmalıdır. Bir kurumsal projede, belgelerin SKU tabanlı başlıklarını insan diline çeviren kontrollü bir sözlük uygulayarak arama sayfasından çıkış oranını %40 düşürdük. Bu, algoritmik değil, bilgi mimarisi odaklı bir düzeltmeydi.
