Derselbe Klempner viermal gezählt - und warum wir die Korrektur nicht ausgeliefert haben
Gemessen über 72 Antworten: 454 extrahierte Namen für 424 echte Betriebe. Die naheliegende Korrektur schluckte 61 Doppelungen - und ließ 72 echte Läden verschwinden. Wir haben sie nicht ausgeliefert.
In diesem Artikel
Gestern schrieben wir, dass unser Auswerter kein Japanisch, Koreanisch, Chinesisch oder Arabisch lesen konnte. Behoben, liest er sie. Die Frage von heute folgt daraus: stimmt, was er liest?
Die gestern erhobenen 72 Antworten - sechs Märkte, zwei Gewerke, drei Assistenten - reichten, um das herauszufinden, ohne einen einzigen neuen Aufruf zu bezahlen. Wir haben sie noch einmal gelesen.
Ein Klempner, vier Zeilen
In einer einzigen Wettbewerbertabelle in Tokio erscheint die Firma Kurashian unter vier verschiedenen Bezeichnungen: ihr Name allein, ihr Name gefolgt von einem Doppelpunkt und einem beschreibenden Satz, ihr Name in Klammern, und ihr Name mit angehängter Ranglisten-Erwähnung. Vier Zeilen, ein Betrieb.
In Dubai erscheint Urban Company dreimal - einmal je Schreibweise ihres früheren Namens. In Lyon erscheinen Ring Twice, Yoojo, ThreeBestRated und StarOfService je zweimal: einmal allein, einmal gefolgt von einem Gedankenstrich und dem Wort Lyon.
Eine Tabelle, die denselben Rivalen auf drei Zeilen zeigt, zählt nicht nur falsch: sie verdünnt dessen Stimmanteil und verfälscht die Rangfolge.
Die Zählung, Name für Name über die sechs Märkte: 454 extrahierte Zeichenketten für 424 echte Betriebe. Dreißig Doppelungen. Das Japanische hält die Hälfte davon, aber das Französische hat auch welche - und dieses Detail machte die Ursache interessant.
Zwei Ursachen, von denen eine alle trifft
Die erste ist eine Alphabet-Geschichte, wie gestern. Unser Trenner schneidet einen Namen an seinem ersten Trennzeichen: « Marke - großartige Bewertungen » wird zu « Marke ». Seine Liste der Trennzeichen ist in ASCII-Zeichen geschrieben. Aber Japanisch und Chinesisch schreiben Doppelpunkte und Klammern in voller Breite, ohne Leerzeichen darum: nichts passt, also behält der Name seinen ganzen Satz.
Die zweite ist überhaupt nicht exotisch. Die Trennung galt nur für Namen in einer Aufzählung. Namen, die der Assistent mitten im Absatz fett setzt, gingen nie hindurch. Deshalb zählen « Ring Twice » und « Ring Twice - Lyon » in Lyon als zwei: das Französische war die ganze Zeit betroffen, und niemand hatte es gemessen.
Die Korrektur, geschrieben und gemessen
Eine Trennregel, geteilt von allen Auswertungspfaden, erweitert um Satzzeichen voller Breite. Etwa dreißig Zeilen. Über die 72 Antworten erneut laufen gelassen: aus 454 Zeichenketten werden 424. Kurashian ist wieder ein Betrieb, Urban Company auch.
Dann haben wir gezählt, was hinein- und was hinausging, Antwort für Antwort - und da ging es schief.
61 Doppelungen geschluckt.
Das war der Zweck.
72 Namen verloren
- darunter Maison Deschamps, eine echte Lyoner Bäckerei, vorher extrahiert und jetzt nicht mehr.
85 neue Einträge
, darunter « prüfen Sie die Qualifikationen » und « der Mundpropaganda-Reflex ». Ratschläge, keine Läden.
Warum eine richtige Korrektur etwas anderes kaputtmacht
Der Mechanismus lohnt das Verständnis, denn im Code ist er unsichtbar. Ein Name über vierzig Zeichen wird abgelehnt: eine alte Schranke, geschrieben, um Sätze fernzuhalten. Auf Japanisch läuft die Frage eines Assistenten typischerweise fünfundvierzig Zeichen, also fiel sie. An ihrer Klammer getrennt, ist sie bei einundzwanzig: sie kommt durch.
Die Längenschranke filterte also in den Schriften ohne Leerzeichen aus Versehen das Rauschen. Die Trennung zu reparieren nahm diesen ungewollten Schutz weg. Und da eine Wettbewerbertabelle nur acht Namen zeigt, verdrängt jeder eingelassene Ratschlagfetzen einen echten.
Wir haben nicht ausgeliefert. Die Korrektur ist geschrieben, gemessen und mit diesen Zahlen im Repository abgelegt. Sie geht raus, wenn die Ratschlagerkennung in allen vier Schriften funktioniert: das ist die eigentliche Arbeit, und sie verlangt, diese Regeln Sprache für Sprache zu schreiben.
Was das für Sie ändert
Zählen Sie die Zeilen einer Wettbewerbertabelle, bevor Sie ihr glauben.
Steht ein Name zweimal in zwei Formen darin, ist die Rangfolge falsch und die Stimmanteile sind verdünnt.
Ein Werkzeug kann sich gleichzeitig in beide Richtungen irren.
Unseres blähte die Zahl der Rivalen auf und ließ Ratschläge durch: das eine zu beheben legte das andere frei.
Fragen Sie, was gezählt wird, nicht nur wie viele.
« Acht Wettbewerber » bedeutet nichts, solange Sie nicht wissen, ob alle acht Betriebe sind.
Misstrauen Sie einer Zahl, die sich nie bewegt.
Die Obergrenze von acht wurde in fast allen unseren Messungen erreicht: das war ein Deckel, kein Ergebnis.
Die Grenzen
72 Antworten, sechs Märkte, zwei Gewerke, ein einziger Erhebungsmorgen: das ist eine Sondierung. Die Trennung von « Betrieb » und « Ratschlag » wurde von Hand gemacht, und ein Stück Urteil geht darin ein - ein Name wie « Professional Setup » könnte eine Firma sein. Die dreißig Doppelungen brauchen kein Urteil: es sind Zeichenketten, die mit demselben Namen beginnen.
Wir veröffentlichen eine Korrektur, die wir nicht ausgeliefert haben, weil das die nützliche Information ist. Ein Messwerkzeug, das Ihnen nur von seinen Erfolgen erzählte, würde schlecht messen und noch schlechter berichten.