Personlig sökning
Personlig sökning avser webbsökningsupplevelser som är skräddarsydda specifikt för en individs intressen genom att inkludera information om individen utöver den specifika frågan som tillhandahålls. Det finns två allmänna tillvägagångssätt för att anpassa sökresultaten, vilket innebär att ändra användarens sökfråga och omrangera sökresultaten.
Historia
Google introducerade personlig sökning 2004 och den implementerades 2005 i Google-sökning. Google har implementerat personlig sökning för alla användare, inte bara de som har ett Google-konto. Det finns inte mycket information om exakt hur Google anpassar sina sökningar; men man tror att de använder användarspråk, plats och webbhistorik .
Tidiga sökmotorer , som Google och AltaVista , hittade resultat endast baserade på nyckelord. Personlig sökning, som pionjärer av Google, har blivit mycket mer komplex med målet att "förstå exakt vad du menar och ge dig exakt vad du vill ha." Med hjälp av matematiska algoritmer kan sökmotorer nu returnera resultat baserat på antalet länkar till och från webbplatser; ju fler länkar en webbplats har, desto högre placeras den på sidan. Sökmotorer har två grader av expertis: den ytliga experten och den djupa experten. En expert från den grundaste graden fungerar som ett vittne som känner till viss information om en given händelse. En djup expert har å andra sidan begriplig kunskap som ger den kapacitet att leverera unik information som är relevant för varje enskild frågeställare. Om en person vet vad han eller hon vill ha kommer sökmotorn att fungera som en ytlig expert och helt enkelt hitta den informationen. Men sökmotorer är också kapabla till djup expertis genom att de rangordnar resultat som indikerar att de nära toppen är mer relevanta för en användares önskemål än de nedan.
Medan många sökmotorer drar nytta av information om människor i allmänhet, eller om specifika grupper av människor, beror personlig sökning på en användarprofil som är unik för individen. Forskningssystem som anpassar sökresultat modellerar sina användare på olika sätt. Vissa förlitar sig på att användare uttryckligen anger sina intressen eller på demografiska/kognitiva egenskaper. Däremot kan information från användaren vara svår att samla in och hålla uppdaterad. Andra har byggt implicita användarmodeller baserade på innehåll som användaren har läst eller deras historia av interaktion med webbsidor.
Det finns flera offentligt tillgängliga system för att anpassa webbsökningsresultat (t.ex. Google Personalized Search och Bings anpassning av sökresultat). De tekniska detaljerna och utvärderingarna av dessa kommersiella system är dock proprietära. En teknik som Google använder för att anpassa sökningar för sina användare är att spåra inloggningstid och om användaren har aktiverat webbhistorik i sin webbläsare. Om en användare besöker samma webbplats genom ett sökresultat från Google många gånger, tror den att de gillar den sidan. Så när användare gör vissa sökningar ger Googles personliga sökalgoritm sidan ett uppsving och flyttar den uppåt i rankningarna. Även om en användare är utloggad kan Google anpassa sina resultat eftersom det håller en 180-dagars register över vad en viss webbläsare har sökt efter, länkat till en cookie i den webbläsaren.
I sökmotorer på sociala nätverksplattformar som Facebook eller LinkedIn kan personalisering uppnås genom att utnyttja homofili mellan sökare och resultat. Till exempel i People search är personer som söker ofta intresserade av personer i samma sociala kretsar, branscher eller företag. I jobbsökning är de som söker oftast intresserade av jobb på liknande företag, jobb på närliggande platser och jobb som kräver expertis som liknar deras egen.
För att bättre förstå hur personliga sökresultat presenteras för användarna, jämförde en grupp forskare vid Northeastern University en samlad uppsättning sökningar från inloggade användare med en kontrollgrupp . Forskargruppen fann att 11,7 % av resultaten visar skillnader på grund av personalisering; detta varierar dock mycket beroende på sökfråga och resultatrankning. Av olika faktorer som testades var de två som hade mätbar effekt att logga in med ett Google-konto och IP-adressen för de sökande användarna. Det bör också noteras att resultat med hög grad av personalisering inkluderar företag och politik. En av faktorerna som driver personanpassning är lokalisering av resultat, med företagsfrågor som visar butiksplatser som är relevanta för användarens plats. Så, till exempel, om en användare sökte efter "försäljning av begagnade bilar", kan Google producera resultat från lokala bilhandlare i deras område. Å andra sidan inkluderar frågor med minsta möjliga anpassning faktafrågor ("vad är") och hälsa.
När man mäter personalisering är det viktigt att eliminera bakgrundsljud. I detta sammanhang är en typ av bakgrundsljud överföringseffekten. Överföringseffekten kan definieras enligt följande: när en användare utför en sökning och följer den med en efterföljande sökning, påverkas resultatet av den andra sökningen av den första sökningen. En anmärkningsvärd punkt är att de högst rankade webbadresserna är mindre benägna att ändras baserat på anpassning, med de flesta anpassningar som sker i de lägre rangerna. Det här är en anpassningsstil baserad på den senaste sökhistoriken, men det är inte ett konsekvent inslag i anpassning eftersom fenomenet tar slut efter 10 minuter, enligt forskarna.
Filterbubblan
Flera problem har tagits upp angående personlig sökning. Det minskar sannolikheten att hitta ny information genom att rikta sökresultat mot det som användaren redan har hittat. Den introducerar potentiella integritetsproblem där en användare kanske inte är medveten om att deras sökresultat är anpassade för dem och undrar varför de saker de är intresserade av har blivit så relevanta. Ett sådant problem har myntats som "filterbubblan" av författaren Eli Pariser . Han hävdar att människor låter stora webbplatser styra deras öde och fatta beslut baserat på den stora mängd data de har samlat in om individer. Detta kan isolera användare i deras egna världar eller "filtrera bubblor" där de bara ser information som de vill, en sådan konsekvens av "The Friendly World Syndrome". Som ett resultat är människor mycket mindre informerade om problem i utvecklingsvärlden, vilket ytterligare kan öka klyftan mellan nord (utvecklade länder) och söder (utvecklingsländer).
Metoderna för personalisering och hur användbart det är att "promota" vissa resultat som har dykt upp regelbundet i sökningar av likasinnade individer i samma community. Personaliseringsmetoden gör det mycket enkelt att förstå hur filterbubblan skapas. Eftersom vissa resultat stöts upp och ses mer av individer, hänvisas andra resultat som inte gynnas av dem till dunkel. Eftersom detta händer på en samhällsomfattande nivå, resulterar det i att gemenskapen, medvetet eller inte, delar ett skevt perspektiv på händelser. Filterbubblor har blivit vanligare i sökresultaten och ses som störningar i informationsflödet på nätet, mer specifikt sociala medier.
Ett område av särskilt intresse för vissa delar av världen är användningen av personlig sökning som en form av kontroll över de personer som använder sökningen genom att endast ge dem viss information ( selektiv exponering ) . Detta kan användas för att ge särskilt inflytande över mycket omtalade ämnen som vapenkontroll eller till och med ställa in människor på sidan för en viss politisk regim i olika länder. Medan total kontroll av en viss regering bara från personlig sökning är en sträcka, kan kontroll av informationen som är lätt tillgänglig från sökningar lätt kontrolleras av de rikaste företagen. Det största exemplet på ett företag som kontrollerar informationen är Google. Google ger dig inte bara den information de vill ha, utan de använder ibland din personliga sökning för att anpassa dig till sina egna företag eller dotterbolag. Detta har lett till en fullständig kontroll över olika delar av webben och en utdrivning av sina konkurrenter, såsom hur Google Maps tog en stor kontroll över kart- och vägbeskrivningsbranschen online med MapQuest och andra tvingade att ta ett baksäte.
Många sökmotorer använder konceptbaserade användarprofileringsstrategier som endast härleder ämnen som användarna är mycket intresserade av, men för bästa resultat, enligt forskarna Wai-Tin och Dik Lun, bör både positiva och negativa preferenser övervägas. Sådana profiler, som tillämpar negativa och positiva preferenser, resulterar i högsta kvalitet och mest relevanta resultat genom att separera lika frågor från olika frågor. Om du till exempel skriver in "äpple" kan det referera till antingen frukten eller Macintosh -datorn och att ge båda inställningarna hjälper sökmotorernas förmåga att lära sig vilket äpple användaren verkligen letar efter baserat på länkarna som klickas på. En konceptstrategi som forskarna tog fram för att förbättra personlig sökning och ge både positiva och negativa preferenser är den klickbaserade metoden. Denna metod fångar en användares intressen baserat på vilka länkar de klickar på i en resultatlista, samtidigt som oklickade länkar nedgraderas.
Funktionen har också djupgående effekter på sökmotoroptimeringsbranschen , på grund av att sökresultaten inte längre kommer att rankas på samma sätt för alla användare. Ett exempel på detta finns i Eli Parisers, The Filter Bubble, där han hade två vänner att skriva in "BP" i Googles sökfält. En vän hittade information om BP:s oljeutsläpp i Mexikanska golfen medan den andra hämtade investeringsinformation. Aspekten av informationsöverbelastning är också utbredd när man använder sökmotoroptimering. Ett sätt att hantera informationsöverbelastning är dock att få tillgång till mervärdesinformation – information som har samlats in, bearbetats, filtrerats och anpassats för varje enskild användare på något sätt. Till exempel använder Google olika "signaler" för att anpassa sökningar inklusive plats, tidigare sökord och nyligen kontakter i en användares sociala nätverk, medan å andra sidan Facebook registrerar användarens interaktioner med andra användare, den så kallade " " sociala gester ". De sociala gesterna i det här fallet inkluderar saker som att använda gilla-markeringar, delningar, prenumerera och kommentarer. När användaren interagerar med systemet genom att konsumera en uppsättning information, registrerar systemet användarens interaktion och historik. Vid ett senare tillfälle, på basis av denna interaktionshistorik, filtreras en del kritisk information bort. Detta inkluderar innehåll som producerats av vissa vänner kan vara dolt för användaren. Detta beror på att användaren inte interagerade med de uteslutna vännerna under en viss tid. Det är också viktigt att notera att inom de sociala gesterna får foton och videor högre ranking än vanliga statusinlägg och andra relaterade inlägg.
Filterbubblan har haft en kraftig effekt på sökandet efter information om hälsa. Med påverkan av sökresultat baserade på sökhistorik, socialt nätverk, personliga preferenser och andra aspekter, har desinformation varit en stor bidragande orsak till minskningen av vaccinationsfrekvensen. Under 2014/15 var det ett utbrott av mässling i Amerika med 644 rapporterade fall under tidsperioden. De viktigaste bidragsgivarna till detta utbrott var anti-vaccinorganisationer och offentliga personer, som vid den tiden spred rädsla för vaccinet.
Vissa har noterat att personliga sökresultat inte bara tjänar till att anpassa en användares sökresultat, utan även annonser . Detta har kritiserats som ett intrång i integriteten .
Fallet med Google
Ett viktigt exempel på sökanpassning är Google . Det finns en mängd Google-applikationer, som alla kan anpassas och integreras med hjälp av ett Google-konto. Anpassa sökningar kräver inget konto. Men man är nästan berövad ett val, eftersom så många användbara Google-produkter bara är tillgängliga om man har ett Google-konto. Google Dashboard, som introducerades 2009, omfattar mer än 20 produkter och tjänster, inklusive Gmail, Kalender, Dokument, YouTube, etc. som håller reda på all information direkt under ens namn. Den kostnadsfria Google Custom Search är tillgänglig för både privatpersoner och stora företag, ger sökfunktionen för enskilda webbplatser och driver företagswebbplatser som New York Times . Den höga nivån av personalisering som var tillgänglig med Google spelade en betydande roll för att förbli världens mest favoritsökmotor.
Ett exempel på Googles förmåga att anpassa sökningar är dess användning av Google Nyheter. Google har inriktat sina nyheter på att visa alla ett par liknande artiklar som kan anses intressanta, men så fort användaren scrollar nedåt kan man se att nyhetsartiklarna börjar skilja sig åt. Google tar hänsyn till tidigare sökningar samt var användaren befinner sig för att se till att lokala nyheter når dem först. Detta kan leda till en mycket enklare sökning och mindre tid att gå igenom alla nyheter för att hitta den information man vill ha. Oron är dock att den mycket viktiga informationen kan hållas tillbaka eftersom den inte stämmer överens med de kriterier som programmet ställer upp för den specifika användaren. Detta kan skapa " filterbubblan " som beskrivits tidigare.
En intressant punkt om personalisering som ofta förbises är kampen om integritet och personalisering. Även om de två inte behöver utesluta varandra, är det ofta så att när den ena blir mer framträdande, äventyrar den den andra. Google tillhandahåller en mängd tjänster till människor, och många av dessa tjänster kräver inte att information samlas in om en person för att kunna anpassas. Eftersom det inte finns något hot om integritetsintrång med dessa tjänster, har balansen tippats för att gynna personalisering framför integritet, även när det kommer till sökning. När människor skördar frukterna av bekvämligheten av att anpassa sina andra Google-tjänster vill de ha bättre sökresultat, även om det sker på bekostnad av privat information. Var man ska dra gränsen mellan informationen kontra sökresultaten är ett nytt område och Google får fatta det beslutet. Tills människor får makten att kontrollera informationen som samlas in om dem, skyddar Google inte verkligen integriteten. Googles popularitet som sökmotor och webbläsare har gjort det möjligt för den att få mycket kraft. Deras popularitet har skapat miljontals användarnamn, som har använts för att samla in stora mängder information om individer. Google kan använda flera anpassningsmetoder som traditionell, social, geografisk, IP-adress, webbläsare, cookies, tid på dagen, år, beteende, frågehistorik, bokmärken och mer. Även om det kan ha sina fördelar att få Google anpassa sökresultaten baserat på vad användare sökt tidigare, finns det negativa effekter. Med kraften från denna information har Google valt att gå in i andra sektorer som de ägde, som videor, dokumentdelning, shopping, kartor och många fler. Google har gjort detta genom att styra sökare till sina egna tjänster som erbjuds i motsats till andra som MapQuest.
Med hjälp av sökpersonalisering har Google fördubblat sin videomarknadsandel till cirka åttio procent. Den juridiska definitionen av ett monopol är när ett företag får kontroll över sjuttio till åttio procent av marknaden. Google har förstärkt detta monopol genom att skapa betydande inträdesbarriärer som att manipulera sökresultat för att visa sina egna tjänster. Detta kan tydligt ses med Google Maps som det första som visas i de flesta sökningar.
Analysfirman Experian Hitwise uppgav att MapQuest sedan 2007 har fått sin trafik halverad på grund av detta. Annan statistik från ungefär samma tid inkluderar Photobucket som går från tjugo procent av marknadsandelen till endast tre procent, Myspace går från tolv procents marknadsandel till mindre än en procent och ESPN från åtta procent till fyra procents marknadsandel. När det gäller bilder gick Photobucket från 31 % 2007 till 10 % 2010 och Yahoo Images har gått från 12 % till 7 %. Det blir uppenbart att nedgången för dessa företag har kommit på grund av Googles ökade marknadsandel från 43 % 2007 till cirka 55 % 2009.
Man kan säga att Google är mer dominerande eftersom de tillhandahåller bättre tjänster. Experian Hitwise har dock även skapat grafer för att visa marknadsandelen för ett femtontal olika företag samtidigt. Detta har gjorts för varje kategori för marknadsandelen av bilder, videor, produktsökning och mer. Grafen för produktsökning är bevis nog för Googles inflytande eftersom deras siffror gick från 1,3 miljoner unika besökare till 11,9 unika besökare på en månad. Den typen av tillväxt kan bara komma med förändringen av en process.
I slutändan finns det två gemensamma teman med alla dessa grafer. Den första är att Googles marknadsandel har ett direkt omvänt förhållande till marknadsandelen för de ledande konkurrenterna. Den andra är att detta direkt omvända förhållande började runt 2007, vilket är ungefär när Google började använda sin " Universal Search "-metod.
Fördelar
En av de viktigaste fördelarna med personlig sökning är att förbättra kvaliteten på konsumenternas beslut. Internet har gjort transaktionskostnaden för att få information betydligt lägre än någonsin. Den mänskliga förmågan att bearbeta information har dock inte utökats mycket. När konsumenterna står inför en överväldigande mängd information behöver de ett sofistikerat verktyg som hjälper dem att fatta beslut av hög kvalitet. Två studier undersökte effekterna av personaliserade screening- och beställningsverktyg, och resultaten visar ett positivt samband mellan personlig sökning och kvaliteten på konsumenternas beslut.
Den första studien genomfördes av Kristin Diehl från University of South Carolina . Hennes forskning upptäckte att minskade sökkostnader ledde till lägre kvalitetsval. Anledningen till denna upptäckt var att "konsumenter gör sämre val eftersom lägre sökkostnader får dem att överväga sämre alternativ." Det visade också att om konsumenter har ett specifikt mål i åtanke, skulle de fortsätta sin sökning, vilket resulterade i ett ännu värre beslut. Studien av Gerald Haubl från University of Alberta och Benedict GC Dellaert från Maastricht University fokuserade främst på rekommendationssystem. Båda studierna drog slutsatsen att ett personligt sök- och rekommendationssystem avsevärt förbättrade konsumenternas beslutskvalitet och minskade antalet inspekterade produkter.
På samma sätt har användningen av filterbubblor i personlig sökning också lett till flera fördelar för användarna. Filterbubblor har till exempel potentialen att öka åsiktsmångfalden genom att låta likasinnade medborgare mötas och förstärka sin tro. Detta hjälper också till att skydda användare från falskt och extremistiskt innehåll genom att innesluta dem i bubblor av tillförlitlig och verifierbar information. Filterbubblor kan vara en viktig del av informationsfrihet genom att ge användarna fler valmöjligheter.
Personlig sökning har också visat sig vara till nytta för användaren i den meningen att de förbättrar informationssökningsresultaten. Personlig sökning skräddarsyr sökresultatet efter användarens behov i den meningen att det matchar vad användaren vill ha med tidigare sökhistorik. Detta hjälper också till att minska mängden irrelevant information och minskar också mängden tid som användare spenderar på att söka information. Till exempel i Google sparas användarens sökhistorik och matchas med användarens fråga i användarens nästa sökningar. Google uppnår detta genom tre viktiga tekniker. De tre teknikerna inkluderar (i) omformulering av frågor med hjälp av extra kunskap, dvs expansion eller förfining av en fråga, (ii) efterfiltrering eller omrangering av de hämtade dokumenten (baserat på användarprofilen eller sammanhanget), och (iii) förbättring av IR-modellen.
Modeller
Personlig sökning vinner popularitet på grund av efterfrågan på mer relevant information och det faktum att de flesta verkligen skulle kunna använda personlig information som personliga sökvinster. Forskning har visat på låga framgångar bland stora sökmotorer när det gäller att tillhandahålla relevanta resultat; i 52 % av 20 000 sökfrågor hittade de som sökte inga relevanta resultat i de dokument som Google returnerade. Personlig sökning kan förbättra sökkvaliteten avsevärt och det finns främst två sätt att uppnå detta mål.
Den första modellen som finns är baserad på användarnas historiska sökningar och sökplatser. Människor är förmodligen bekanta med denna modell eftersom de ofta hittar resultaten som återspeglar deras nuvarande plats och tidigare sökningar.
Det finns ett annat sätt att anpassa sökresultaten. I Bracha Shapira och Boaz Zabars "Personalized Search: Integrating Collaboration and Social Networks" fokuserade Shapira och Zabar på en modell som använder ett rekommendationssystem . Denna modell visar resultat från andra användare som har sökt på liknande sökord. Författarna undersökte sökordssökning, rekommendationssystemet och rekommendationssystemet med socialt nätverk som fungerar separat och jämförde resultaten när det gäller sökkvalitet. Resultaten visar att en personlig sökmotor med rekommendationssystemet ger bättre resultat än standardsökmotorn, och att rekommendationssystemet med socialt nätverk till och med förbättras mer.
Nyligen publicerad artikel " Sökpersonalisering med inbäddningar " visar att en ny inbäddningsmodell för sökpersonalisering, där användare är inbäddade i ett aktuellt intresseområde, ger bättre sökresultat än starka modeller för att lära sig rangordna.
Nackdelar
Även om det finns dokumenterade fördelar med implementeringen av sökpersonalisering, finns det också argument mot användningen. Grunden för detta argument mot dess användning är för att det begränsar internetanvändares sökmotorresultat till material som överensstämmer med användarnas intressen och historia. Det begränsar användarnas möjlighet att exponeras för material som skulle vara relevant för användarens sökfråga men på grund av att en del av detta material skiljer sig från användarens intressen och historia visas inte materialet för användaren. Sökpersonalisering tar bort objektiviteten ur sökmotorn och undergräver motorn. "Objektivitet spelar liten roll när du vet vad du letar efter, men dess brist är problematisk när du inte gör det". En annan kritik mot anpassning av sökningar är att den begränsar en kärnfunktion hos webben: insamling och delning av information. Personlig sökning förhindrar användare från att enkelt komma åt all möjlig information som är tillgänglig för en specifik sökfråga. Personlig sökning lägger till en partiskhet i användarens sökfrågor. Om en användare har en viss uppsättning intressen eller internethistorik och använder webben för att undersöka en kontroversiell fråga, kommer användarens sökresultat att återspegla det. Användaren kanske inte visas på båda sidor av problemet och missar potentiellt viktig information om användarens intressen lutar åt ena eller andra sidan. En studie gjord om sökanpassning och dess effekter på sökresultat i Google Nyheter resulterade i att olika sorters nyhetsartiklar genererades av olika användare, även om varje användare skrev in samma sökfråga. Enligt Bates, "bara 12% av sökarna hade samma tre berättelser i samma ordning. Detta för mig är prima facie bevis på att det pågår filtrering". Om sökpersonalisering inte var aktiv borde alla resultat i teorin ha varit samma berättelser i identisk ordning.
En annan nackdel med sökpersonalisering är att internetföretag som Google samlar in och potentiellt säljer sina användares internetintressen och historia till andra företag. Detta väcker en integritetsfråga om huruvida människor är bekväma med att företag samlar in och säljer sin internetinformation utan deras medgivande eller vetskap. Många webbanvändare är omedvetna om användningen av sökpersonalisering och ännu färre vet att användardata är en värdefull vara för internetföretag.
Webbplatser som använder det
E. Pariser, författare till The Filter Bubble , förklarar hur det finns skillnader som sökpersonalisering har på både Facebook och Google. Facebook implementerar personalisering när det kommer till mängden saker som människor delar och vilka sidor de "gillar". En individs sociala interaktioner , vars profil de besöker mest, vem de skickar meddelanden till eller chattar med är alla indikatorer som används när Facebook använder anpassning. Istället för att vad folk delar är en indikator på vad som filtreras bort, tar Google hänsyn till vad vi "klickar" för att filtrera bort det som kommer upp i våra sökningar. Dessutom är Facebook-sökningar inte nödvändigtvis lika privata som Googles. Facebook bygger på det mer offentliga jaget och användare delar med sig av vad andra människor vill se. Även när man taggar fotografier använder Facebook personalisering och ansiktsigenkänning som automatiskt tilldelar ett namn till ansiktet. Facebooks gilla-knapp använder sina användare för att göra sin egen personalisering för webbplatsen. Vilka inlägg användaren kommenterar eller gillar berättar för Facebook vilken typ av inlägg de kommer att vara intresserade av i framtiden. Utöver detta hjälper det dem att förutsäga vilken typ av inlägg de kommer att "kommentera, dela eller spamma i framtiden." Förutsägelserna kombineras för att producera en relevanspoäng som hjälper Facebook att bestämma vad som ska visa dig och vad som ska filtreras bort. 2016 introducerade Facebook reaktioner (Love, Thankful, Haha, Wow, Sad och Arg) förutom att gilla ett inlägg. "Facebook har lärt sig att alla reaktioner som lämnas på ett inlägg är en stark indikator på att användaren var mer intresserad av det inlägget än alla andra "gillade" inlägg." Facebook börjar väga reaktioner på samma sätt som likes. Så även om du lämnar den "arga" reaktionen på ett inlägg, kommer Facebook att visa inlägg på användarens flöde eftersom användaren visat intresse för det.
När det gäller Google tillhandahålls användarna liknande webbplatser och resurser baserat på vad de först klickar på. Det finns till och med andra webbplatser som använder filtertaktiken för att bättre följa användarnas preferenser. Till exempel Netflix också från användarnas sökhistorik för att föreslå filmer som de kan vara intresserade av för framtiden. Det finns sajter som Amazon och personliga shoppingsajter använder också andras historia för att tjäna deras intressen bättre. Twitter använder också personalisering genom att "föreslå" andra personer att följa. Dessutom, baserat på vem man "följer", "tweets" och "retweets" hos, filtrerar Twitter bort förslag som är mest relevanta för användaren. LinkedIn anpassar sökresultat på två nivåer. LinkedIn federerad sökning utnyttjar användarens avsikt att anpassa vertikal ordning. Till exempel, för samma fråga som "mjukvaruingenjör", beroende på om en sökare har för avsikt att anställa eller söka jobb, får han eller hon antingen människor eller jobb som den primära vertikalen. Inom varje vertikal, t.ex. People Search, anpassas även resultatrankningar genom att ta hänsyn till likheten och sociala relationer mellan sökare och resultat. Mark Zuckerberg , grundare av Facebook, trodde att människor bara har en identitet. E. Pariser hävdar att det är helt falskt och sökningspersonalisering är bara ett annat sätt att bevisa att det inte är sant. Även om personlig sökning kan tyckas vara till hjälp, är det inte en särskilt korrekt representation av någon person. Det finns tillfällen där människor också söker efter saker och delar saker för att få sig själva att se bättre ut. Till exempel kan någon slå upp och dela politiska artiklar och andra intellektuella artiklar. alls utgör en persons identitet , utan ger falska representationer istället.
E-handel
Sökmotorer som Google och Yahoo! använda personlig sökning för att locka möjliga kunder till produkter som passar deras förmodade önskemål. Baserat på en stor mängd insamlad data som samlats in från en individs webbklick kan sökmotorer använda personlig sökning för att lägga ut annonser som kan väcka en individs intresse. Att använda personlig sökning kan hjälpa konsumenter att hitta det de vill ha snabbare, samt hjälpa till att matcha produkter och tjänster till individer inom mer specialiserade och/eller nischmarknader. Många av dessa produkter eller tjänster som säljs via personliga onlineresultat skulle ha svårt att sälja i fysiska butiker. Dessa typer av produkter och tjänster kallas long tail-artiklar. Att använda personlig sökning möjliggör snabbare upptäckt av produkter och tjänster för konsumenter och minskar mängden nödvändiga reklampengar som spenderas för att nå dessa konsumenter. Att använda personlig sökning kan dessutom hjälpa företag att avgöra vilka individer som ska erbjudas onlinekupongkoder till deras produkter och/eller tjänster. Genom att spåra om en individ har tittat på deras webbplats, övervägt att köpa en vara eller tidigare har köpt ett företag kan ett företag lägga upp annonser på andra webbplatser för att nå den specifika konsumenten i ett försök att få dem att göra ett köp.
Förutom att hjälpa konsumenter och företag att hitta varandra, har sökmotorerna som tillhandahåller personlig sökning stor nytta. Ju mer data som samlas in om en individ, desto mer personliga resultat blir det. Detta gör i sin tur att sökmotorer kan sälja fler annonser eftersom företagen förstår att de kommer att ha bättre möjligheter att sälja till personer med hög andel matchade än till medelhög och låg andel matchade individer. Denna aspekt av personlig sökning retar många forskare, som William Badke och Eli Pariser, eftersom de tror att personlig sökning drivs av önskan att öka annonsintäkterna. Dessutom tror de att personliga sökresultat ofta används för att få individer att använda produkter och tjänster som erbjuds av det specifika sökmotorföretaget eller något annat företag som samarbetar med dem. Om Google till exempel söker på ett företag med minst en fysisk plats kommer att erbjuda en karta som visar den närmaste företagsplatsen med hjälp av Google Maps-tjänsten som det första resultatet på frågan. För att kunna använda andra karttjänster, såsom MapQuest, måste en användare gräva djupare i resultaten. Ett annat exempel avser mer vaga frågor. Att söka på ordet "skor" med hjälp av Googles sökmotor kommer att erbjuda flera annonser till skoföretag som betalar Google för att länka sin webbplats som ett första resultat till konsumenternas frågor.