Wie Sie eine kognitive Suchplattform auswählen

Eine Übersicht über die wichtigsten Funktionen, auf die Sie bei der Auswahl einer kognitiven Suchplattform achten sollten, und wie Sie den Erfolg messen können.

Ist die kognitive Suche nicht nur eine schicke Umschreibung für „Unternehmenssuche“? Irgendwie schon.

Software für die Unternehmenssuche – Anwendungen, die den Mitarbeitern helfen, die Daten und Dokumente zu finden, die sie für ihre Arbeit benötigen – ist schon ziemlich in die Jahre gekommen. Aber die Weiterentwicklung von KI und maschinellen Lerntechniken ermutigt viele Unternehmen, ihre derzeitige Lösung für die Unternehmenssuche zu überdenken und zu prüfen, ob eine kognitive Suchplattform der richtige Ansatz zur richtigen Zeit sein könnte.

Was ist eine kognitive Suchplattform?

Eine kognitive Suchplattform nutzt KI-gestützte Technologie, um die Absicht eines Benutzers besser zu verstehen und ihn mit den Daten und Dokumenten zu verbinden, nach denen er sucht. Der Benutzer könnte in diesem Fall ein Käufer sein, der in einem Online-Produktkatalog stöbert, ein Kunde, der in einem Support-Portal nach Hilfe sucht – oder sogar ein Mitarbeiter, der versucht, Antworten für seine eigenen internen Projekte zu finden.

Die kognitive Suche ist eine Weiterentwicklung der Art und Weise, wie wir über Suche und Big Data in Unternehmen und am Arbeitsplatz denken. Stellen Sie sich das so vor wie Siri, Alexa oder Google Home, aber für Ihr Unternehmen. Dank der Fortschritte bei der Verarbeitung natürlicher Sprache, künstlicher Intelligenz und künstlicher Intelligenz (KI) sind wirklich intelligente Such- und Discovery-Anwendungen jetzt einsatzbereit.

Hauptmerkmale einer kognitiven Suchplattform

Auf der Suche nach der besten kognitiven Suchplattform für Ihr Unternehmen – oder um eine bestehende Plattform zu ersetzen – finden Sie hier eine Übersicht über die Funktionen, die Sie unbedingt haben sollten:

Auf der grundlegenden Ebene gibt es die Konnektoren für Ihre Datenquellen, die Ihre Daten und Dokumente importieren und indizieren. Die wichtigste Frage ist nicht, ob die Lösung die meisten Konnektoren unterstützt, sondern ob die Lösung Ihre einzigartige Mischung von Datenquellen unterstützt. Parser arbeiten in Verbindung mit Datenquellenkonnektoren, um Ihre Daten zu verarbeiten und zu indizieren.

Ein Großteil der KI- und maschinellen Lernfunktionen einer kognitiven Suchlösung wird durch die Signalerfassung ermöglicht. Unter Signalerfassung versteht man die Aufzeichnung von Ereignissen wie Benutzeranfragen, Klicks, Hinzufügungen, Käufe und andere ähnliche Clickstream-Daten. In fortschrittlicheren Anwendungen können auch Informationen zum Benutzerprofil integriert werden, wie z.B. die Rolle im Beruf, der Standort des Büros, der Vektor, die Höhe oder jede Art von Ereignisdaten.

Diese Signale sind ein wichtiger Bestandteil der Empfehlungen, die eine kognitive Suchplattform gibt. Die Daten der Nutzersignale werden aggregiert, um ein personalisiertes Erlebnis für jeden Nutzer, für jeden Besuch und jede Anfrage zusammenzustellen. Im Idealfall kann die Plattform auch vorhandene Daten und ML-Modelle importieren und integrieren, die von Ihrem Data Science Team erstellt wurden.

Eine weitere Funktion der nächsten Generation ist die Null-Ergebnis-Verwaltung, so dass ein Benutzer nie die gefürchtete Seite „keine Ergebnisse gefunden“ sieht. Mit der semantischen Vektorsuche und verwandten Techniken kann eine kognitive Suchlösung die Absicht verstehen und immer Artikel vorschlagen, die mit der ursprünglichen Suchanfrage zusammenhängen. Dies erhöht die Konversionsrate, den durchschnittlichen Bestellwert und andere wichtige Kennzahlen.

Jeder Benutzer erwartet, dass das System jedes Mal, wenn er in ein Suchfeld eingibt, versucht, Vorschläge zu machen oder automatisch zu vervollständigen (auch bekannt als typeahead). Eine ausgefeilte Autovervollständigungsfunktion schlägt sofort Suchanfragen und verwandte Suchanfragen sowie Kategorien und Produkte mit Attributen wie Links, Preisen und Miniaturbildern vor.

Und selbst mit all diesen neuen Technologien und automatisierten Verbesserungen der Relevanz und der Benutzerfreundlichkeit kann es immer noch notwendig sein, Geschäftsregeln manuell anzupassen. Die Verwaltung von Geschäftsregeln bleibt wichtig für das manuelle Hinzufügen, Entfernen und Bearbeiten von Geschäftsregeln wie Boost, Block, Bury und Pin.

Auch die Sicherheit ist bei einer kognitiven Suchplattform entscheidend. Stellen Sie sicher, dass sie sich in Ihre bestehende Sicherheitsinfrastruktur integrieren lässt. Viele kognitive Suchplattformen lassen sich standardmäßig in die wichtigsten Sicherheitsmodelle wie Active Directory, LDAP, Kerberos und SAML oder andere Single Sign-On-Systeme integrieren. Dazu gehört eine rollenbasierte Sicherheitsautorisierung, um festzulegen, welche Benutzer Dokumente löschen, lesen, ändern oder erstellen sowie Systemänderungen vornehmen dürfen. Diese fein abgestuften Kontrollen stellen sicher, dass Benutzer in einer Reihe von Suchergebnissen, Empfehlungen oder sogar mit der Autovervollständigung keine Dokumente sehen, auf die sie keinen Zugriff haben.

Ein weiterer Schlüssel zur Relevanz ist die Erkennung von benannten Entitäten. NER verwendet Techniken zur Verarbeitung natürlicher Sprache, um alle „Dinge“ in Ihren Daten zu erkennen – Marken, Standorte, Branchenbegriffe, Preise, Daten, Mitarbeiternamen – alle Eigennamen. Dadurch können Anwendungen schneller das finden, wonach die Benutzer suchen.

Jede Standardsuchanwendung sollte auch die Erkennung von Synonymen beinhalten, d.h. Vorschläge machen, während der Benutzer tippt – selbst wenn er etwas falsch schreibt. Diese Funktion sollte über die einfache Ersetzung von Wörtern hinausgehen und maschinelles Lernen und Sprachanalyse nutzen, um gute Paarungen zwischen zwei Wörtern zu finden, die darauf basieren, wie oft sie zusammen oder an verschiedenen Stellen in Sätzen vorkommen.

Facettierung ist eine wichtige Funktion, die es Benutzern ermöglicht, mithilfe von Kontrollkästchen oder anderen UI-Elementen Ergebnisse nach bestimmten Feldern wie Farbe, Größe, Dateityp, Preis, Entfernung und anderen Parametern zu filtern. Facettierte Navigation und Bereichsfilter machen es dem Benutzer leicht, seine Suche auf bestimmte Kriterien zu beschränken.

A/B-Tests und multivariate Tests sind für den Administrator einer kognitiven Suchplattform unverzichtbar, um festzustellen, ob Änderungen in der Rangfolge der Suchergebnisse die Klickraten, Käufe oder andere Erfolgskennzahlen verbessern. Personalisierung, Empfehlungen und all die anderen Neuerungen sind großartig, aber genauso wichtig ist es, dass diese Anpassungen auch tatsächlich das tun, was sie sollen.

Und natürlich ist nichts von alledem ohne Skalierung möglich. Kundenorientierte und interne kognitive Suchplattformen müssen den stets unbeständigen Strömungen von Einkaufstrends oder internen Projekten und Teams trotzen. Marken und Einzelhändler haben jedes Jahr mit dem Schwarzen Freitag zu kämpfen, und HR-Teams müssen sich mit der offenen Einschulung befassen. Jede Suchinfrastruktur muss nach oben und unten und horizontal skaliert werden können, um die verschiedenen saisonalen (und plötzlichen) Nachfragespitzen und die Nutzung zu bewältigen. Wenn Sie einen Drittanbieter für das Hosting verwenden, müssen Sie sicherstellen, dass Ihr Anbieter nachweislich Erfahrung darin hat, Organisationen wie der Ihren zu helfen, das Beste aus ihrer Suche herauszuholen.

Messung des Erfolgs einer kognitiven Suchplattform

Neben den Funktionen ist ein weiterer wichtiger Aspekt bei der Auswahl einer kognitiven Suchplattform die Messung ihrer Effektivität. Bei E-Commerce-Suchanwendungen ist das viel einfacher: Entweder kaufen die Kunden oder sie kaufen nicht. Bei einer Suchanwendung für Mitarbeiter gibt es jedoch viel mehr Nuancen, wenn Sie den Wert der Investition in eine neue kognitive Suchplattform nachweisen wollen.

• Die Auslastung ist wichtig, und das Abfragevolumen misst, wie viele Abfragen pro Sekunde auf das System zukommen, und hängt von der Größe und Popularität Ihrer Benutzerbasis sowie davon ab, wie viele andere Personen das System gleichzeitig nutzen.
• Auch die Reaktionsfähigkeit ist wichtig. Die Antwortzeit auf eine Suchanfrage gibt an, wie lange die Anwendung braucht, um eine Suchanfrage zu erhalten, sie zu verstehen und dem Benutzer die Ergebnisse zu liefern.
• Die Anzahl der gleichzeitigen Benutzer zeigt Ihnen, wie gut das System bei verschiedenen Benutzerzahlen funktioniert und ob das System skalierbar ist, um die Belastung durch all diese Benutzer zu bewältigen. Für kleinere Unternehmen mit insgesamt weniger Benutzern ist dies weniger wichtig.
• Die Größe des Suchindexes ist ebenfalls wichtig, um die Menge an Daten und Dokumenten, die indiziert, durchsucht und abgerufen werden, stets im Blick zu behalten.
• Sackgassenabfragen, die keine Ergebnisse liefern, sind ein Indikator für mangelnde Relevanz oder dafür, dass die Anwendung die Absicht des Nutzers nicht richtig versteht. Die Anzahl der Abfragen mit Null-Ergebnissen ist ein Bericht, der Ihnen zeigt, welche Abfragen Null-Ergebnisse liefern und den Benutzer auf der Stelle stoppen.
• Ein direktes Feedback der Benutzer über ihre Meinung zur Such-App kann ein weicheres Mittel sein, aber die Ergebnisse der Benutzerzufriedenheit sind immer entscheidend.

Vergessen Sie die Grundlinie nicht!

Bevor Sie von Ihrer verkrusteten alten Plattform auf eine neue kognitive Suchplattform umsteigen, sollten Sie genügend Daten erfassen, damit Sie ein gutes Vorher-Nachher-Bild präsentieren können, um den Erfolg Ihrer Initiative und den ROI aufzuzeigen.

Die endgültige Entscheidung treffen

Bei der Suche nach Lösungen für die kognitive Suche und die Wissenserkennung gibt es einiges zu beachten. Letztendlich liegt es an Ihren Benutzern, den Erfolg Ihrer kognitiven Suchlösung zu messen. Mit den richtigen Funktionen und den richtigen Metriken erhalten Sie eine kognitive Suchlösung, die die Produktivität und die Auffindbarkeit für Ihre Kunden und Benutzer erhöht.

Ist Ihre Marke bereit für eine leistungsstarke kognitive Suchplattformlösung? Schreiben Sie uns eine Nachricht.