Nyílt levelemben a szolgáltatás ellen felmerült vádakra szeretnék reagálni. Mivel ezek a vádak egy ponton átfordultak a személyem elleni támadásba, a saját nevemben kívánok nyilatkozni, a Szörcs többi tulajdonosának véleményét ez a levél nem tükrözi.

Az alapvetés, hogy a Szörcs egy önálló kereső. Ezt bizonygatni feleslegesnek éreztem, azok után is, hogy ezt az állítást többen feltétellel kezelték. Vannak akik szerint a Szörcs egy Googlere épülő mashup szolgáltatás.
A most nyilvánosságra került adatok alapján ezt a feltételezést én magam is igaznak hinném, ha nem lettem volna ott a Szörcs fejlesztésénél, és nem a saját szolgáltatásomról beszélnénk.

Megértem a szakma felhördülését és szeretném, ha a malőr miatti bizalomvesztés is teljes egészében engem terhelne.
Nem szeretném, hogy azok az elismert szakemberek, akik munkájukkal, tanácsadásukkal és lelkesedésükkel beálltak a Szörcs mögé, kellemetlen helyzetbe kerüljenek e miatt.

De mi ez a malőr?

Május hónapban technikai problémákkal küszködtünk, nem volt sem elég anyagi és humán erőforrásom, hogy ezt kezelni tudjam. Olyan helyzetbe kerültem, hogy egy kompromisszumos döntést egyedül kellett meghoznom.

Leginkább sávszélességi problémáink voltak. Egy időben 130-140 szálon dolgozik a (saját) robotunk. Ezek a szálak egy hiba miatt nem voltak elégségesek, és félő volt, hogy súlyosan romlik a szolgáltatás minősége. Nem szerettem volna megkockáztatni a minőségi visszaesést, ezért egy evidens trükkhöz nyúltam.

Beállítottam egy 5 másodperces timeoutot a lekérdezésekbe, és ha ez idő alatt nem kapta meg a robot a kért adatokat, akkor más külföldi keresők tárolt változatát kérte le helyette.

Ez megoldotta a problémát, mert ezek a tárolt változtatok bővel 5 másodperc alatt töltődnek be, és kisebb sávszelet is igényelnek, mert optimalizáltabb a html kimenete ezeknek a verzióknak.

Cserébe olyan tüneteket generált a Szörcsön, amelyről a Seoblogon lehet olvasni.

Elismerem, hogy ez szakmailag elítélhető lépés volt, és táptalajt adott a szolgáltatás minőségében kételkedők véleményének.

Szeretném, ha megértené a szakma, hogy ez egy üzletileg megalapozott lépés volt, mert e nélkül nem tudtuk volna a megszokott minőségben kiszolgálni a felhasználóinkat. Fontosabbnak tartottam, hogy egy stabil és jól működő szolgáltatást nyújtsunk és vállaltam az ezzel járó kockázatot, anélkül, hogy döntésemről értesítettem volna a startupban érdekelteket.

Több „bizonyítékot” hoztak a kételkedők, amelyeket nem volt energiám cáfolni. Fontosabbnak tartottam, hogy inkább érdemi munkát végezzünk a Szörcsnél a felesleges magyarázkodás helyett.
Szeretném megjegyezni, hogy a Szörcs adatbázisát több független szakmabeli látta, tesztelte, dolgozott rajta és kétség sem merült fel bennük a Szörcs önállóságával kapcsolatban.

Nem is értem, hogy hogyan lenne lehetséges a kételkedők által felvázolt modell, miszerint a Google-t indexeli a Szörcs. A Google köztudottan egy időintervallumban történő pár száz keresés után tiltja a kliens IP címét. Ezzel én is gyakran találkozom a tesztkereséseim során. A Szörcsön naponta több tízezer keresés történik, lehetetlen más keresőket ilyen terhelés alatt másolgatni.

Azt sem értem, hogy miért nem veszik figyelembe, hogy a Szörcs indexébe nagy számban vannak olyan tartalmak, amelyek más keresőkben (még) nem szerepelnek.

Örülök annak, hogy sikerült egy olyan szolgáltatást megteremtenünk, amely érdemes arra, hogy ennyi szakmabelit mozgósítson és ennyire beszédtéma legyen.

Továbbra is úgy érzem, hogy jó dolgok készülnek a Szörcsnél.

A jövőre nézve annyit ígérhetek, hogy a Szörcs valamilyen formában továbbra is talpon marad, működni fog.

E mellett szeretném biztosítani a szakmát, hogy a továbbiakban minden felmerülő kérdésre szívesen válaszolok.

Bocsánatkéréssel tartozom:

• A Szörcs felhasználóinak, amiért nem kommunikáltam a szolgáltatásnak történő fontos változásokat.

• A szakmának, a csúsztatások és féligazságok miatt.

• A külföldi keresőknek, név szerint: Yahoo.com, Google.com és Bing.com, amiért használtuk és újrapublikáltuk a tulajdonukat.

• A Szörcsöt támogató szakembereknek.

Köszönöm a Twitter közösségnek a jópofa karikatúrákat és szóvicceket, ezekben a feszült órákban mosolyt tudtak csalni velük az arcomra.

Üdvözlettel:

Sajtos István

A kész kereső természetesen nem csak egy “domain szűrés” lesz, hanem valóban a te oldaladhoz lesz igazítva. Ha például blogot írsz, a címke és archív oldalak nem kerülnek a találatok közé, csak a postok és azoknál is kiemelt szempont lesz a frissesség.

Az elkészült kereső a teljes oldaladban keres, az oldaladat robotjainkat a lehető legnagyobb pontossággal átnézik és később is prioritással kezelik. Így egy tartalmad se fog kimaradni a találatok közül, a legfrissebbek sem.

Maga a kereső pár perc alatt elkészíthető. A folyamat végén kapsz egy címet, ahol elérhető a weben, illetve varázslónk segítségével keresőmezőt csinálhatsz magadnak, amit elhelyezhetsz az oldalon. Ez is teljesen testreszabható, így bármilyen honlap, bármilyen megjelenéséhez hozzáilleszthető.

Ez a kereső valóban a tiéd: bármilyen saját tartalmat elhelyezhetsz rajta (tényleg bármit: még saját reklámot is.) A bloggereknek pedig előre gyártott Twitter modullal is kedveskedünk, amivel a keresőd még a te csiriplésedben is keresni fog.

Bármilyen portálmotor saját keresőjét lenyomja és a nagy keresők hasonló megoldásait két körrel hagyja le. Próbáld ki és meg fogsz lepődni!

A politikai választási kampány kezdete óta 25%-kal több belpolitika tartalom keletkezik az internetes híroldalakon. Az internetes közösséget látszólag jobban érdeklik a választások mint a hírszerkesztőket; a blogokon ugyanez az arány 35%-os.

Pártok említése

2010 februárjában, közeledve a választásokhoz az összes párt növelni tudta az internetes jelenlétét. A Szörcs Magyar kereső adatbázisának segítségével a hazai online tartalmakban megvizsgáltuk, hogy az előző hónaphoz képest mennyivel változott a pártok februári említésszáma.

Legnagyobb mértékben az LMP tudott növekedni, őket közel kétszer annyiszor említették februárban, mint előző hónapban. Az MDF emlegetettsége 18%-kal nőtt, MSZP-é 17%, a Jobbiké 10%, a Fideszé pedig csupán 5%-kal.

Februárban összesen 1 millió 200 ezer online tartalom említette a Fidesz nevét. A MSZP-nél ez a szám 980 ezer, amelyel az LMP a februári ugrást követően, 900 ezres értékkel veszi fel a verseny. Az MDF-nél 730 ezer a Jobbiknál pedig 660 ezer volt ez az érték.

A pártokra vetített tartalmak számában azét nincs feltűnően nagy eltérés, mert nagy az átfedés közöttük. Ha egy tartalom legalább egy párt nevét megemlíti, akkor 55% arányban megemlíti legalább egy másik pártét is.

Ez a jelenség a Fidesz – MSZP között volt a legkiugróbb: 67% az átfedés a tartalmak között, ami gyakorlatilag a kormány – ellenzék, ellenzék – kormány online politikai kommunikációnak köszönhető.

Jobbik és LMP megjelenése

Kimagasló a Jobbik népszerűsége a blogokon*. Januárról februárra 47%-kal nőtt a pártról szóló tartalmak száma, így a Jobbikot összesen 52 ezer alkalommal említették** február hónapban. Érdekesség, hogy a hírekben történő említettségük viszont alig 2%-al nőtt az előző hónaphoz képest. Azaz nem túl kimagasló a Jobbik szereplése a hagyományos online médiában a közösségi médiához képest. Így a Jobbik a hagyományos online média említésekben, a többi párthoz képest az utolsó helyen áll. Viszont a social mediában (pl. blogok, fórumok) jelentős aktivitással és említésszámmal bír. Ez jól mutatja, hogy a közösségi tartalmakban nagyobb teret kapnak a párt megosztó szerepével kapcsolatos vélemények is.

Az LMP említettsége a híroldalakon ugyanakkor kimagaslóan teljesített februárban. Gyakorlatilag a Fidesz-szel és az MSZP-vel egy súlycsoportba hozta az előző havi kiugrás a pártot az online

említésszámok tekintetében. Nevezetesen négyszer gyakrabban írták le a híroldalak az LMP nevét februárban januárhoz képest. Az LMP neve ugyanakkor a blogokban februárban csupán 6.200 említést kap, amellyel a vizsgált pártok között az utolsó. (Az MDF 11.200 említés volt a blogokban.) Ez mutatja, hogy a korábbi sajtó hírekkel szemben az LMP egyelőre nem használja erősen az online közösségi médiát.

Politikusok az interneten

A legnagyobb népszerűség növekedés februárban Bokros Lajos nevéhez köthető. Kimagaslóan, 82%-kal többször említik a politikus nevét, mint januárban.

A legkisebb növekedést Dávid Ibolya érte el, őt a kampánykezdet ellenére csak alig 3%-kal többet említik. A blogok, pedig mintha megfeledkeztek volna róla: ott 15%-kal kevesebbszer szerepel a politikusnő mint januárban.

Orbán Viktor és Mesterházy Attila említése viszonylag stagnál, 10-10%-kal növekedett csak.

Kimagaslóan nőtt Bajnai Gordon népszerűsége a híroldalak között: kétszer annyit írnak róla februárban, mint januárban.

Népszerűség

A politikai témájú tartalmaknál nehezebb megállapítani, hogy milyen kontextusban említik az adott kulcsszót. Elmondhatjuk, hogy a politikusok és a pártok kapnak hideget – meleget egyaránt, a tartalmak 70%-áról nem lehet megállapítani, hogy pozitív vagy negatív mondanivalója van-e. A maradék 30%-al érdekességképpen érdemes foglalkozni.

A Fidesz említése a megállapítható halmazban alig mutat kilengés: 59-41% a pozitív-negatív kontextus. Az MSZP-nél ugyan ez az adat már 13-87%, a negatív kontextus javára.

Az MDF-nél megjegyzendő, hogy a tartalmak 85%-a semleges kontextussal bírt. A maradék 15%-nál sem voltak kimagasló adatok: 61% negatív 39 % pozitív kontextus aránya.

A Jobbik tartogatta a végére a legnagyobb meglepetést: 55%-os arányban megállapítható volt a kontextus. Azaz sokkal kevesebb volt az objektív, semleges tartalmak aránya, mint a többi párt esetén. Viszont a pozitív – negatív kontextust vizsgálva 45 – 55 arányt kaptunk, ami szerint a Jobbik a véleményt legjobban megosztó párt a választásokon.

Érdekességek

Átlagosan 12 percenként hangzik el „Vona Gábor” (lásd Jobbik) neve a magyar interneten.

Januárhoz képest 21%-kal nőtt a belpolitika témájú tartalmak száma.

Januárhoz képest 5%-kal csökkent a külpolitikai, és 11%-kal a bulvár témájú tartalmak száma.

Januárhoz képest 23%-kal nőtt a sport témájú tartalmak száma. Ez 2%-kal nagyobb növekedés, mint a teljes belpolitika esetében.

Trendek (toplista az említésszám alapján):

Valentin nap: 11.200

Téli olimpia: 7.100

Orbán Viktor: 6.700

Toyota: 5.500

Visegrádi négyek: 5.200

Bajnai Gordon: 5.100

Torkos csütörtök: 4.600

Kopogtatócédula: 3.500

Adóbevallás: 3.100

Demszky Gábor: 1.700

* A Jobbik nevét csak a belpolitikai kontextusban vizsgáltuk (lévén, hogy a „jobbik” magyar ragozott szóalak.)

** Külön számoltuk a kommentekben történő említést. Minden hozzászólás, amelyben szerepelt a vizsgált kifejezés, külön említésnek minősült.

Ezért az Indafotóval karöltve egy játékot indítunk, amelyben bárkinek a fotója kikerülhet a címlapunkra.

A játék lényege, hogy az Indafotóra képeket töltenek fel “szorcsfoto” címkével a fotósok, és az adott hét 10 legnézettebb fotója kikerül egy szavazásra nálunk és az Indafotó blogján is. A szavazás nyertes fotója lesz a következő héten végig a Szörcs címlapján.

A fotó készítője kap a főoldalunkon és az Indafotón is egy linket, amely garantáltan elősegíti a fotós munkáinak népszerűsítését.

Ezen kívül egy jelképes (kezdetnek egy póló) ajándékot is kap havonta a legnézettebb fotó tulajdonosa.

Úgyhogy hajrá, töltsetek fel minél több jól sikerült képet Indafotóra, és ne felejtsétek el őket “szorcshatter” kulcsszóval megcímkézni!

Részletek a játékról

A Szörcs Magyar Kereső folyamatosan figyeli az interneten keletkező új tartalmakat. Ez alapján be tudjuk azonosítani, hogy milyen típusú tartalmak keletkeznek a magyar nyelvű interneten. Természetesen pontos számot mondani nem lehetséges, hiszen ma már egy hírportál, egy blogtól csak névben tér el.

2010 januárjában 210 ezer különálló tartalmat tekintettünk blogbejegyzésnek és 720 ezret hírnek.

Ez a szám azt sejteti, hogy a közösségi tartalmak le vannak maradva, azonban a híreknél jellemző a duplikálódás. A hírportálok ezt beleszámítva 280 ezer cikket írtak. Egy átlagos hírügynökségi anyagot 31 alkalommal publikálnak a weben.

Egy átlagos hírportálon a hírek 39%-a saját anyag és nem hírügynökségi. Érdekesség, hogy ezek jellemzően hosszabbak. Ha nem a cikkek számát, hanem a „leütések” számát nézzük a cikkek 52%-a saját írás.

Miről volt szó januárban?

Az év első hónapjának két legmeghatározóbb témája a BKV sztrájk és a Haitin történt katasztrófa volt. A létrejött új tartalmak 0,05%-a tartalmazza a „bkv” kifejezést. A „haiti” kifejezést január 12-én a létrejövő tartalmak 0,3%-a említette, egész január hónapban 0,04%. (Összehasonlításképp: az „obama” kifejezést 20x ritkábban fordult elő ennél.)

Ha csak az 500 leglátogatottabb oldalt vizsgáljuk látványosabb ez az arány. A „bkv” és a „haiti” egyenként, a keletkező új tartalmak 0,5%-nak témáját adták.

Január hónapban a belpolitikai témák aránya jelentősen megugrott, elsősorban a pártpolitika és a választások kapcsán. Decemberhez képest az újonnan keletkező belpolitikai témájú tartalmak száma 9,2%-kal nőtt.

Módszertani megjegyzés: Amikor a belpolitikát vagy más összetettebb témákat vizsgálunk egy automata rendszer először a kapcsolódó kulcsszavak, kifejezéseket listáját állítja össze. Ez alapján a jellemzően 2-3 ezer kifejezés alapján tudjuk azonosítani a belpolitikai témákat.

Emellett megjelent a Szörcs trendek oldal, ami tulajdonképpen egy alternatív híroldal. Átnézzük a friss tartalmakat az interneten és ha olyan témát találunk, ami hirtelen népszerű lett, azt szépen megjelenítjük. (Ez egy automatikus folyamat.) Ennek következtében nagyon jól látszódik, hogy aznap mi érdekli az internetezőket. Ami minket is meglepett, hogy mennyire gyors és pontos tud lenni ez a folyamat. De majd meglátjátok… használjátok egészséggel!

De nem csak játék és mese… Sajnos pont az éles változaton merült fel csak pár gyermekbetegség, amiket a következő pár nap folyamán mindenképp javítani fogunk. (Ilyen többek közt üres vagy nagyon rossz minőségű találatok esetleg nagyon hosszú keresési idő a keresések egy részénél.)

Mondanom se kell, hogy ettől a Szörcs még jobb lesz, hiszen relevánsabb és frissebb találatokat tudunk nektek mutatni.

És a Miner is jobb lesz, hiszen ők Szörcs motorra állnak át általános kereséseknél, eldobva a nagy gonosz multi által rájuk sózott eddigi rendszert.

Ez a kis grafikus felület persze csak eléggé a kezdet. Most végre bevezettük, hogy más a találathoz kapcsolódó ábrák is megjelenhessenek. Például így:

Nem minden találati oldalon jelenítünk meg egyelőre képeket, csak kb. a negyedüknél, de ennek az aránynak a bővítésén nagyon iparkodunk.

Van még néhány kevésbé látványos fejlesztésünk: például kicsit hegesztgettünk az idegen nyelvi találatok felismerésében, ennek eredményeképen könnyebben megtalálhatod a fontosabb külföldi tartalmakat is a Szörcsön.

A továbbiakban sok sok izgalmas fejlesztéssel készülünk (pl. ilyennel), érdemes lesz idefigyelni.

Miért nincs kiírva a találatok száma?

Többek közt ezen is most dolgozunk.

Komplex keresések lesznek?

Oldalon belüli, fájltípus szerinti keresés biztosan lesz. Hírkeresés esetén (hoppá, elszóltuk magunkat…) lesz idő alapján rendezés. Ez szintén végső tesztelési fázisban van és csak pár hét kérdése.

Lesz valami spéci kereső?

A hírkereső egy végső fejlesztési fázisban van. Vertikális alkeresőkben is gondolkozunk, de nem a hagyományos értelemben. A Szörcs erősen szemantikus felépítése nagyon sok lehetőséget ad ilyesmikre. Sok meglepi lesz ezen a téren.

Tényleg azt hiszitek, hogy le fogjátok gyűrni az XYZ céget?

Tényleg.

Mit gondoltok a többi magyar keresőről?

Minden tiszteletünk az övüké; nálunk jobban senki nem tudja, milyen szép és nehéz munka ez. A legtöbbükkel jó kapcsolatunk van. Ugyanakkor a ők jellemzően vagy vertikális keresésben (blogkereső, hírkereső, videókereső stb.) gondolkoznak, vagy licencelik a keresést magát.

Mi egészen mást csinálunk, mint ők.

Most épp min dolgoztok?

Blogposztot írunk.

Komolyan: Átalakítunk mindent. Nagy vonalakban a Szörcs eddig egy fejlesztő vállalkozásként működött. Most a munkánk nagy részét az teszi ki, hogy kibővítsük ezt egy üzletileg jól működő internetes céggé. Az algoritmusfejlesztők, felülettervezők, nyelvészek és DBA-k helyett most a pénzügyi tervezőké és üzleti stratégáké a főszerep. Nyakkendőt kötni tanulunk.

Mennyi ideje csináljátok és hányan?

Lassan négy éve. Jelenleg hatan vagyunk, összesen olyan két-három tucat ember keze munkája biztos benne van.

Kik állnak a Szörcs mögött?

Magyar magánszemélyek.

Milyen (programozási) nyelven íródott?

Főként C++, de a megjelenítés php. Bash, python, perl nyomokban megtalálható, javascript is van persze valamennyi. Mielőtt rákérdeztek, adatbázismotorból is három benne van.

Milyen vas kell neki?

Amiben sok diszk van. A Szörcs nagyon jól skálázódik, mind az adatbázis, mind felhasználószám tekintetében. Különleges hardvereszközöket (a sok diszktől eltekintve) nem igényel, azonban architekturálisan egészen más, mint mondjuk a Google. Az általuk használt megoldásokat is figyelembe vettük, de ilyen “kis adatmennyiségnél” nem éri meg azt használni. (Ha a magyar internet hússzor nagyobb lenne…)

Mennyi adatban kerestek?

Jelenleg 20 és 30 ezer Gb között van a szöveges adat önmagában. Ha ezt kiírnánk dvd-re és a lemezeket egymásra tennénk, a torony a hetedik emeletig érne. A crawler statisztikái (hogy mennyi új magyar tartalmat talál) azt mutatják, hogy ez a gyakorlatban lefedi a publikusan elérhető magyar nyelvű internetet.

A Szörcs amúgy nagyon tágan értelmezi a magyar internetet. Például a magyar nyelvű, de nem magyar oldalon lévő tartalmak is bekerülnek. (Magyar nyelvű youtube videók vagy twittek stb.)

Üzletileg miben gondolkoztok?

Szöveges hirdetések biztosan lesznek és nagyon sok másban is gondolkozunk, de ez már meglepi lesz.

Lesznek fizetett helyezések?

NEM!

Reklámmentesek lesznek?

Nem. A hirdetések jelenleg a keresőpiaci szereplők bevételeinek a gerincét alkotják. Ettől nem tudunk és nem akarunk elrugaszkodni. Szépen folyamatosan (először csak teszt jelleggel) fogunk bevezetni hirdetési lehetőségeket. Agresszív vagy zavaró reklámok (popup, interstitial, banner, stb.) viszont nem lesznek.

A kirakunk egy eTargetet dolognál is kicsit komolyabbak vagyunk.

Üzletileg hol tart a projekt?

A rohangálási fázisban. Befektetőket keresünk, üzleti kalkulációkat készítünk és terhelési szimulációkat végzünk, csak hogy a fontosabbak említsem.

További kérdéseim vannak, hol érlek el titeket?

A szorcs@szorcs.hu email címen keressetek.

Üzleti ügyben érdeklődöm, hol érlek el titeket?

A szorcs@szorcs.hu email címen vagyunk elérhetőek. Lehetőleg írd meg a telefonszámod is.