Kibana 대시보드를 통해 사용자의 Elastic Workplace Search 클릭 및 쿼리에 대한 더 나은 인사이트를 얻을 수 있습니다. 평균 클릭 위치, 클릭이 없는 상위 쿼리, 문서 유형별 상위 클릭 등 유용한 정보를 확인하세요.

<p>7.10 릴리즈의 Elastic Workplace Search에서는, <a href="/kr/blog/analyzing-elastic-workplace-search-usage-kibana-dashboard">새로운 분석 로깅 기능 일부를 소개하며</a> 몇 가지 샘플 분석 시나리오를 간략하게 단계별로 살펴보았습니다. <a href="/kr/blog/whats-new-elastic-enterprise-search-7-11-0-web-crawler-box-content-source">7.11 릴리즈</a>에서는 유용한 대시보드와 시각화를 통해 쿼리와 클릭 데이터 탐색을 위한 새로운 가능성을 열어주는 분석 필드를 도입하였습니다.
</p><p>분석 이벤트 로그 출력을 최대한 유연하게 할 수 있도록 구성했습니다. Workplace Search 사용에서 어떤 유형의 분석을 보려는 지에 대한 Elastic 자체의 아이디어가 있지만, 사용자가 적합하다고 생각하는 측정 기준에 따라 세부적으로 분할하실 수도 있습니다. 데이터를 직접 살펴보실 것을 권장하지만 이 포스팅에서 이제 추가 데이터 포인트로 수행할 수 있는 몇 가지 구체적인 사용 사례와 예를 제공해 드리겠습니다.
</p> <strong><h2>새로운 내용</h2></strong><p>7.11 릴리즈에는 다음과 같은 수많은 새로운 분석 필드가 추가되었습니다.&nbsp;
</p><ul>
	<li>쿼리 정제</li>
	<li>쿼리 필터</li>
	<li>쿼리 해시 값</li>
	<li>문서 유형(쿼리 및 클릭)</li>
	<li>쿼리 피드백 이벤트</li>
</ul><p><a href="/kr/blog/analyzing-elastic-workplace-search-usage-kibana-dashboard">지난 번 블로그 포스팅</a>에서는 Kibana Lens를 사용하여 빠르게 시각화하는 방법을 보여드렸습니다. 이 포스팅에서는 한 걸음 더 나아가 이 새로운 필드 위에 좀 더 정교한 시각화 몇 가지를 구축하기 위한 복잡한 과정에 대해 알아보겠습니다.
</p><p>이전과 마찬가지로, 원시 분석 이벤트 데이터는 인덱스 패턴 <code>.ent-search-workplace-search-analytics-ecs-ilm-logs-*</code>를 사용하여 확인할 수 있습니다. 몇 가지 더 정교한 쿼리를 위해, <a href="/guide/en/elasticsearch/reference/7.11/transforms.html">Elasticsearch 데이터 트랜스폼 인덱스</a>를 활용하여 여러 필드에서 사전 집계를 수행할 예정입니다. 아래에서 정의한 대시보드 및 메트릭의 경우, 쿼리당 세션 수준에서 다음 메트릭을 집계하는 데이터 트랜스폼(<a href="https://gist.github.com/markjhoy/7bcbb987461ff9ee511a59796c1a0684">여기에서 소스 gist 이용 가능</a>)을 생성했습니다.
</p><ul>
	<li>모든 쿼리 정제 및 정제 수</li>
	<li>사용된 모든 쿼리 필터 및 필터 수</li>
	<li>이 쿼리 세션의 총 클릭 수</li>
	<li>쿼리 세션의 시작 및 종료 타임스탬프</li>
	<li>쿼리 세션 시작부터 첫 번째 결과 클릭까지의 시간(초)</li>
</ul><p>데이터 트랜스폼을 생성하고 사용할 때 고려해야 할 특정한 장단점이 있습니다. 데이터의 스크립트로 작성된 집계는 Kibana 시각화와 쌍을 이룰 때 상당히 강력할 수 있습니다. 이는 데이터 트랜스폼을 생성하고 유지하기 위해 추가 계산 및 스토리지 리소스를 할당하는 것입니다. Workplace Search 사용을 분석하려는 메트릭을 정의할 때는 데이터를 통해 무엇을 얻으려는 지를 분명히 알고 데이터를 탐색하는 데 사용할 데이터 트랜스폼 수와 대상을 직접 결정해야 합니다.
</p> <strong><h2>분석 대시보드에 대한 시각화 생성</h2></strong><p>로그된 필드에서 가져올 수 있는 새로운 분석 및 메트릭의 일부를 예시하기 위해, 이 업데이트에서 사용할 수 있는 대부분의 새 분석을 보여주는 <a href="/kr/kibana">Kibana</a> 대시보드를 만들 수 있습니다. 여기에는 다음이 포함됩니다.
</p><ul>
	<li><strong>평균 클릭 위치 및 역순위 평균(MRR)</strong>: 클릭 이벤트가 발생한 결과의 평균 순위와 그 반대의 역순위 평균입니다.</li>
	<li><strong>쿼리에서 첫 클릭까지 평균 초: </strong>쿼리를 실행할 때부터 사용자가 결과를 클릭할 때까지의 경과된 시간입니다.</li>
	<li><strong>상위 트리거 성공률:</strong> 클릭 수에 따라 정의된 트리거를 생성한 상위 쿼리입니다.</li>
	<li><strong>문서 유형별 상위 클릭:</strong> 클릭된 상위 문서 유형입니다.</li>
	<li><strong>콘텐츠 소스별 상위 클릭:</strong> 클릭된 문서의 상위 콘텐츠 소스입니다.</li>
	<li><strong>콘텐츠 소스별 상위 클릭 문서: </strong>콘텐츠 소스당 클릭 수가 가장 많은 문서입니다.</li>
	<li><strong>클릭이 없는 상위 쿼리:</strong> 사용자가 어떤 결과도 클릭하지 않은 가장 일반적인 쿼리입니다. 이를 통해 사용자가 검색하고 있지만 관련 결과를 찾지 못하는 항목을 쉽게 파악할 수 있습니다. 그런 다음 도움이 될 수 있도록 쿼리 결과를 조정하거나 추가 콘텐츠를 만들어 격차를 해소할 수 있습니다.</li>
</ul><p>아래에서 각 대시보드를 만드는 방법에 대해 알아보겠습니다. 이 대시보드를 다시 만들려면 <a href="https://gist.github.com/markjhoy/9a665b7b46cba7b2832a3a03f4a2c584">이 gist</a>를 다운로드하여 Kibana로 가져올 수 있습니다.
</p> <strong><h3>평균 클릭 위치 및 역순위 평균</h3></strong><p>Kibana에서 평균 클릭 위치에 대한 메트릭 보기를 생성하려면,
</p><ul>
	<li>Lens를 사용하여 위의 일반 인덱스 패턴과 수평 막대 차트 유형을 선택합니다.</li>
	<li>시각화 메트릭을 <code>SearchMetrics.click.result.rank</code> 필드로 설정합니다.</li><img class="shadow" src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt6aaef9e155bbf0d1/6033b8f4b44dcf7721649b2c/workplace-search-analytics-average-click-_position-blog.png" data-sys-asset-uid="blt6aaef9e155bbf0d1" alt="Elastic Workplace Search 분석: 평균 클릭 위치" width="450" style="display: block; margin: auto;">
</ul><p>역순위 평균에 대한 메트릭 시각화를 생성하려면,
</p><ul>
	<li>분석 인덱스 패턴을 사용하여 새 Lens 메트릭 시각화를 생성합니다.</li>
	<li><code>SearchMetrics.click.result.reciprocal_rank</code> 필드에서 시각화 메트릭을 설정합니다.</li>
	<img class="shadow" src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt19c6524281044fc4/6033bd1119e43d7b181cd1f1/workplace-search-analytics-mean_reciprocal-rank-blog.png" data-sys-asset-uid="blt19c6524281044fc4" alt="Elastic Workplace Search 분석: 역순위 평균" width="450" style="display: block; margin: auto;">
</ul><p><strong></strong>
</p><h3><strong>쿼리에서 첫 클릭까지 평균 초</strong></h3><ul>
	<li>위에서 정의한 데이터 트랜스폼을 사용하여 새 Lens 메트릭 시각화를 생성합니다.</li>
	<li><code>time_to_first_click</code> 필드에서 시각화 메트릭을 설정합니다.</li>
	<img class="shadow" src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt6dd62e84fddede0e/6033beebba193a162890188c/workplace-search-analytics-seconds-first-_click-blog.png" data-sys-asset-uid="blt6dd62e84fddede0e" alt="Elastic Workplace Search 분석: 첫 클릭까지의 초" width="450" style="display: block; margin: auto;">
</ul><h3><strong>상위 트리거 성공률</strong></h3><ul>
	<li>Lens를 사용하여 데이터 트랜스폼 인덱스 패턴과 수평 막대 차트 유형을 선택합니다.</li>
	<li>"1"의 "between"에 대한 <code>query_refinement_count</code> 필드에서 필터를 설정합니다. (그리고 "to" 필드는 비워둡니다.)</li>
	<li><code>query_value.keyword</code> 필드에서 시각화 필드를 설정합니다.</li>
	<img class="shadow" src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt34f1ecaf8fa1304e/6033bf7ae389247493ef3dff/workplace-search-analytics-top-trigger_success-blog.png" data-sys-asset-uid="blt34f1ecaf8fa1304e" alt="Elastic Workplace Search 분석: 상위 트리거 성공률" width="450" style="display: block; margin: auto;">
</ul><strong><h3>콘텐츠 소스별 상위 클릭</h3></strong><ul>
	<li>Lens를 사용하여 위의 일반 인덱스 패턴과 수평 막대 차트 유형을 선택합니다.</li>
	<li><code>SearchMetrics.click.result.content_source</code> 필드를 차트 영역으로 끌어서 놓습니다.</li>
	<img class="shadow" src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt3ad5bad0d15d63b5/6033c206ba193a16289018a4/workplace-search-analytics-top-clicks-content-source-blog.png" data-sys-asset-uid="blt3ad5bad0d15d63b5" alt="Elastic Workplace Search 분석: 콘텐츠 소스당 상위 클릭" width="450" style="display: block; margin: auto;">
</ul><strong><h3>문서 유형별 상위 클릭</h3></strong><ul>
	<li>Lens를 사용하여 위의 일반 인덱스 패턴과 수평 막대 차트 유형을 선택합니다.</li>
	<li><code>SearchMetrics.click.result.document_type</code> 필드를 차트 영역으로 끌어서 놓습니다.</li>
</ul><strong><h3>콘텐츠 소스별 상위 클릭 문서</h3></strong><ul>
	<li>Lens를 사용하여 위의 일반 인덱스 패턴과 수평 누적 막대 차트 유형을 선택합니다.</li>
	<li><code>SearchMetrics.click.result.content_source</code> 필드를 차트 영역으로 끌어서 놓습니다.</li>
	<li><code>SearchMetrics.click.result.id</code> 필드를 콘텐츠 소스 맨 위의 차트 영역으로 끌어다 놓습니다.</li>
</ul><strong><h3>클릭이 없는 상위 쿼리</h3></strong><p>위의 대시보드에서 이에 대한 시각화는 사용자 정의 스크립트로 작성된 메트릭 집계에서 Vega 스크립트를 사용하여 분석가가 임의 시간 간격으로 데이터를 세부적으로 분할할 수 있도록 합니다. 현재 사전 정의된 집계 유형에서 작동하는 Lens 또는 표준 Kibana 시각화에서는 이 작업이 불가능합니다. 쿼리는 스크립트 메트릭을 사용하여 연결된 클릭이 없는 지정된 시간 범위에 걸친 쿼리 빈도를 집계합니다. 그런 다음 상위 5개 쿼리에 대한 쿼리 수를 쉽게 그래프로 표시할 수 있습니다. 위에서 언급한 바와 같이 Vega 시각화 유형을 활용할 때 좋은 점은 Kibana 전역 타임스탬프 범위도 결과를 필터링하는 매개 변수로 정의할 수 있다는 점입니다.
</p><p><img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blte3643a01533bd070/6033c3062e76da7e3b023650/workplace-search-analytics-top-queries-no_click-blog.png" data-sys-asset-uid="blte3643a01533bd070" alt="Elastic Workplace Search 분석: 클릭이 없는 상위 쿼리" style="display: block; margin: auto;">
</p><p>스크립트 자체는 복잡하지는 않지만 이 블로그 포스팅에 대해서는 다소 큽니다. 그래도 <a href="https://gist.github.com/markjhoy/51e849189ef480abd5dd010abe195726">참조하실 수 있는 gist</a>를 생성해 놓았습니다.&nbsp;
</p> <strong><h2>기타 메트릭 및 시각화</h2></strong><p>좀더 복잡하지만 그래도 유용한 분석을 위해 추가 데이터 트랜스폼을 생성할 수 있습니다. 또는 Kibana에서 인덱스의 Elasticsearch SQL과 소스 데이터로 생성한 데이터 트랜스폼을 사용해 데이터를 가져와 Canvas 워크패드를 생성할 수 있습니다. 위의 "클릭이 없는 상위 쿼리" 차트에서 보았듯이, 대시보드에 추가해야 하는 경우 이러한 수동 쿼리를 Vega 스크립트로 변환할 수도 있습니다.
</p><p>다음은 이 업데이트를 통해 제공되는 새 필드를 사용하는 다른 흥미로운 메트릭의 몇 가지 예입니다.
</p> <strong><h3>월간 활성 사용자 수</h3></strong><p>이것은 클릭 횟수와 쿼리 횟수의 비율을 기준으로 한 메트릭입니다. 검색 결과가 사용자에게 있어 정확한지, 아니면 적어도 흥미로운지를 나타냅니다. 클릭 대 쿼리 비율이 높을수록 검색 중인 사용자에게 그 결과가 좀더 흥미롭다고 가정할 수 있습니다.
</p><p>이 메트릭은 <a href="https://gist.github.com/markjhoy/15a2226f0b40b18bf1446176364bf43d">이 gist</a>에 표시된 대로 날짜 히스토그램과 버킷 스크립팅에 의해 가능합니다. 이 쿼리를 Vega 시각화로 좀더 조정하여 월간, 주간 또는 원하는 다른 시간 프레임별로 시간에 따른 참여를 표시하는 선 차트를 생성할 수 있습니다.
</p> <strong><h3>특정일 재방문율</h3></strong><p>로그된 새로운 분석 이벤트를 사용하여 매주(또는 매일 또는 매월) 작업 영역을 얼마나 많은 사람들이 사용하고 있는지에 대한 인사이트를 얻을 수 있습니다. 사용자 재방문율을 결정하는 기본 공식은 기간 종료 시 고유 사용자 수를 기간 시작 시 고유 사용자 수로 나누는 것입니다.
</p><p><a href="https://gist.github.com/markjhoy/a338439af2bc84330aeff63ca4e93f3c">이 gist</a>에 표시된 대로 날짜 히스토그램과 이동 함수 집계를 사용하여 이 작업을 수행할 수 있는 집계를 만들 수 있습니다. 다시 말씀드리지만, Vega를 사용해 이를 시각화로 전환하여 선 차트를 통해 검색 인스턴스가 얼마나 잘 사용자를 참여시키고 유지하는지 쉽게 확인할 수 있습니다.
</p> <strong><h2>결론</h2></strong><p>Workplace Search에서 수집한 분석 데이터를 통해 여러분과 여러분의 분석가는 사용자의 요구에 더 잘 맞도록 Workplace Search 인스턴스를 조정하는 방법에 대한 인사이트를 얻을 수 있습니다. 이 포스팅에 여러 가지 유용한 사용 사례가 나와 있지만, 궁극적으로 모든 분석가는 자신의 필요에 가장 적합한 사용 사례를 알고 있습니다. 여러분께 필요한 것을 얻을 수 있는 도구를 제공해 드렸기를 바랍니다.
</p><p>이것은 Workplace Search 분석에 추가한 기능에 대한 간단한 설명이며, 실제로는 훨씬 더 흥미로운 내용이 포함되어 있습니다. 또한 Workspace Search를 계속 사용할 때 보고자 하는 내용을 탐색, 테스트하고 <a href="https://discuss.elastic.co/c/enterprise-search/workplace-search">저희에게 피드백</a>해주시길 바랍니다.
</p>Workplace Search는 Slack, GitHub, Google Drive, Salesforce를 비롯하여 조직의 모든 업무 도구 전체에 걸쳐 통합 검색을 제공합니다. 또한 Workplace Search의 수많은 주요 기능을 무료로 사용하실 수 있습니다. <a href="https://cloud.elastic.co/registration?elektra=elastic-workplace-search-blog">Elastic Cloud의 Elastic Workplace Search 무료 체험판에 등록</a>하여 빠르고 실용적인 전사적 검색 경험을 팀에 제공해 보세요.

blog-banner-release-workplace-search.png

blog-thumb-release-workplace-search.png

Analyzing Elastic Workplace Search usage in a Kibana dashboard — part 2

Kibana 대시보드에서 Elastic Workplace Search 사용 분석 — 2부

Kibana 대시보드에서 Elastic Workplace Search의 검색 분석을 시작하세요. 사용자가 무엇을 검색하고, 실제로 어떤 링크를 클릭하며, 어떤 검색이 미흡한지 알아보세요.

<p>먼저 좋은 소식으로 시작해보겠습니다. 7.9.0부터 <a href="/kr/workplace-search">Elastic Workplace Search</a> 배포에서는 귀하와 귀하의 팀을 위해 제품 사용 데이터를 수집하고 로깅하기 시작했습니다. 사용 데이터란 사용자가 무엇을 검색하고, 실제로 어떤 링크를 클릭하며, 어떤 검색이 미흡한지 등을 보여주는 데이터입니다. 여기에서 더 나아가 향후 릴리즈에서는 현존하는 가장 강력한 시각화 도구 중 하나인 <a href="/kr/kibana">Kibana</a>에서 간편하게 사용할 수 있도록 사전 구축된 Workplace Search 분석 대시보드를 추가할 예정입니다. 하지만 이 기능을 다듬어 Workplace Search와 함께 제공할 때까지는 이 블로그를 통해 Kibana에서 저장된 개체를 사용하여 검색 분석을 시작하는 방법을 안내하려고 합니다.
</p><p><img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt7a2233231e6f3a59/5fad4a86c1502b76a169be9b/workplace-search-analytics-kibana-dashboard-blog.jpg" data-sys-asset-uid="blt7a2233231e6f3a59" alt="Kibana에 Elastic Workplace Search 대시보드 생성" style="display: block; margin: auto;">
</p><strong><h2>Kibana</h2></strong><p>먼저 올바른 Kibana 배포를 사용하고 있는지 확인하겠습니다. <a href="/kr/cloud/">Elastic Cloud</a> 사용자의 경우 Workplace Search와 동일한 배포에 있는 Kibana 인스턴스를 사용해야 합니다.
</p><ol>
	<li><a href="https://cloud.elastic.co">Cloud 콘솔</a>에 로그인합니다.</li>
	<li>Workplace Search를 실행 중인 배포로 이동합니다.</li>
	<li>왼쪽에서 배포 &gt; [배포 이름] Kibana를 클릭합니다.&nbsp;</li>
	<li>Kibana로 이동하면 Discover를 통해 <code>.ent-search-workplace-search-analytics-ecs-ilm-logs-*</code> 인덱스 패턴과 일치하는지 확인합니다.</li>
</ol><p>다른 설치 유형의 경우 사용하고 있는 Kibana 배포가 Workplace Search와 동일한 Elasticsearch 클러스터를 가리키고 있어야 합니다. Workplace Search가 분석 이벤트 데이터를 Elasticsearch 인덱스에 직접 저장하기 때문입니다. Workplace Search는 <a href="https://www.elastic.co/guide/en/enterprise-search/7.10/log-retention.html">인덱스 수명 주기 관리</a>를 사용하여 오래된 분석 데이터가 삭제되도록 보장하므로 걱정하실 필요는 없습니다.
</p> <strong><h2>Workplace Search 분석 대시보드 가져오기</h2></strong><p>Kibana에서 인덱스 패턴, 시각화 및 대시보드를 생성하고 저장할 때 이는 Kibana에 <a href="https://www.elastic.co/guide/en/kibana/7.10/managing-saved-objects.html">저장된 개체</a>로 유지됩니다. 이렇게 하면 수동으로 직접 개체를 생성할 필요 없이 저장된 개체를 가져올 수 있으므로 매우 편리합니다.
</p> <strong><h3>가상화 및 대시보드 다운로드</h3></strong><p>Elastic에서는 여러 Workplace Search 시각화를 생성하여 대시보드에 추가한 후 모든 것을 저장된 개체로 내보냈습니다. 저장된 개체는 모두 <a href="https://gist.github.com/RossAllenBell/cfa81095435d34a2383e30f391b8efca">GitHub Gist</a>에서 다운로드하실 수 있습니다. ndjson 파일을 다운로드한 후 다음 단계를 위해 쉽게 액세스할 수 있는 위치에 저장하세요.
</p> <strong><h3>Kibana UI를 사용하여 대시보드 개체 업로드</h3></strong><p>다음으로 ndjson 파일을 가져와 Kibana UI를 사용하여 Kibana에 연결하겠습니다.&nbsp;
</p><ol>
	<li>Kibana 인스턴스의 기본 사이드바에서 아래쪽을 보면 <strong>스택 관리</strong> 메뉴가 있습니다.</li>
</ol><ol start="2">
	<li>이 메뉴에서 <strong>저장된 개체</strong>를 클릭합니다.</li>
</ol><ol start="3">
	<li>그런 다음 <strong>가져오기</strong>를 클릭하고 ndjson 파일을 선택합니다. 그러면 가져오는 데 성공했음을 알리는 녹색 체크 표시가 나타나고 이어서 저장된 개체 목록에 새로운 개체 세트가 표시됩니다.&nbsp;</li>
</ol><p>개체 가져오기가 완료되었으므로 이제 새로운 대시보드를 살펴보겠습니다.
</p> <strong><h2>대시보드 보기 및 공유</h2></strong><p>Kibana에서 왼쪽 위에 있는 메뉴를 클릭한 다음 Kibana &gt; 대시보드 옵션을 선택하면 해당 대시보드를 찾을 수 있습니다. Workplace Search 분석이라는 방금 만든 대시보드가 표시됩니다. 이 대시보드로 이동하면 다음과 같은 내용이 표시됩니다. 보고 기간을 변경하려는 경우 시간 범위를 조정하면 됩니다.
</p><p><img src="https://images.contentstack.io/v3/assets/bltefdd0b53724fa2ce/blt4421254bf4149b16/5fad4aca42256d5ffdf42bb0/workplace-search-analytics-lens-visualizations-blog.jpg" data-sys-asset-uid="blt4421254bf4149b16" alt="Lens를 사용해 생성된 Elastic Workplace Search 시각화" style="display: block; margin: auto;">
</p><p>다음과 같은 항목을 간략하게 보여주는 <a href="https://www.elastic.co/guide/en/kibana/7.10/dashboard.html#lens">Lens 시각화</a>가 표시됩니다.
</p><ul>
	<li><strong>검색 볼륨</strong>: 호출된 검색 수</li>
	<li><strong>클릭 볼륨</strong>: 클릭된 결과 수</li>
	<li><strong>상위 쿼리</strong>: 팀에서 가장 많이 사용한 쿼리</li>
	<li><strong>콘텐츠 소스 클릭</strong>: 콘텐츠 소스별 클릭 수</li>
	<li><strong>그룹별 쿼리</strong>: 그룹별 쿼리 수</li> <strong>
	<li><strong>결과가 없는 상위 쿼리</strong>: 빈도가 높게 호출되었지만 검색 결과를 반환하지 않은 쿼리. 조직 콘텐츠에서 부족한 부분을 찾을 수 있는 아주 좋은 방법입니다.</li></strong>
	<li>그 외 여러 가지</li>
</ul><p>시각화를 추가하거나 기존 시각화를 수정하여 대시보드를 강화할 수도 있습니다. 그러나 원래 대시보드 ndjson 파일을 다시 가져오면 대시보드의 현재 상태를 덮어쓰게 된다는 점에 유의하시기 바랍니다.
</p> <strong><h2>이제 그 다음은?</h2></strong><p><a href="/kr/workplace-search">Elastic Workplace Search</a>에서는 이 추적된 분석 데이터를 계속해서 개선해 나갈 것입니다. Kibana에서 여전히 시각화하기 다소 어려운 사용 데이터 관련 질문은 클릭 수가 0인 상위 검색은 무엇인가입니다. 적용 가능한 접근 방식은 <a href="https://www.elastic.co/guide/en/elasticsearch/reference/7.10/transforms.html">변환</a>을 사용하여 요약 이벤트를 생성하는 것입니다. 이와 같은 주제가 궁금하시다면 이전 블로그 게시물인 <a href="/kr/blog/analyzing-online-search-relevance-metrics-with-the-elastic-stack">Elastic Stack으로 온라인 검색 정확도 지표 분석</a>을 읽어보세요. Workplace Search의 향후 버전에서 이와 같은 기능을 더 많이 제공할 예정이니 기대해 주시기 바랍니다.
</p>Workplace Search는 Slack, GitHub, Google Drive, Salesforce를 비롯하여 조직의 모든 업무 도구 전체에 걸쳐 통합 검색을 제공합니다. <a href="https://cloud.elastic.co/registration?elektra=elastic-workplace-search-blog">Elastic Cloud의 Elastic Workplace Search 무료 체험판에 등록</a>하여 빠르고 실용적인 전사적 검색 경험을 팀에 제공해 보세요. Elastic 기본 라이선스에서는 수많은 주요 기능을 무료로 이용하실 수 있습니다.

Articles by Mark J. Hoy

Kibana 대시보드에서 Elastic Workplace Search 사용 분석 — 2부

Kibana 대시보드에서 Elastic Workplace Search 사용 분석

제품

회사 소개

리소스

솔루션

Elastic (ELK) Stack

새 소식

Articles by Mark J. Hoy

Kibana 대시보드에서 Elastic Workplace Search 사용 분석 — 2부

Kibana 대시보드에서 Elastic Workplace Search 사용 분석