効果的な機械学習検索エンジンは、単純な検索またはAI技術を凌駕します。
- ユーザーのためにパーソナライズされた関連コンテンツを自動的に発見
- 低品質なクエリを修正し、データと他のユーザーとの間の関係を発見
- 機械学習検索アルゴリズムと最新のインデックス作成技術を組み合わせる
「米国では、インターネットを使用している成人の36%が、小売業者はよりパーソナライズされた体験を提供するべきだと回答しています」(Forrester)
顧客は自分が何がほしいのかを知っています。しかしながら、あなたが知っている名前とは違う名前を使っているかもしれません。ヘッドアンドテール分析は、自動的に類義語を検出し、顧客の意図を理解し、クエリを修正します。
「85%の社員は、職場で進んで物事に取り組んでいるわけではありませんが、積極的にさぼることもしていない状態です。」(Gallup)
組織内でも、用語体系は変わることがあります。ヘッドアンドテール分析は、類義語検出を自動化し、クエリを修正します。そのため、ユーザーは必要なものを見つけ、エンゲージメントを継続し、行動を起こすのです。
人間が個別のアイテムを手動でブーストしたり、ブロックしたりする代わりに、機械学習検索エンジンがユーザーの行動を調べ、最も関連するアイテムを上位に表示することが可能です。ユーザーの行動が十分ではない場合は、結果のパターンを認識し、より良くマッチするドキュメントを自動的にブーストするように機械に教示することができます。
協調フィルタリングでは、クエリに対してユーザーが実際に何をクリックしたのかを使用して、頻繁にクリックされているアイテムをブーストまたは推奨できます。
手動で作成されたルール以上の結果を得るために、与えられたクエリに対する検索結果の順番が最適化されるように機械学習検索エンジンに教示します。それにより、システムはアイテムを適切にランク付けすることを学びます。
同じ言葉で検索していても、違うものを探しているということはありえます。もし、わたしがワシントンにいて、1月にショベルを探しているとします。たぶん、わたしが探している「ショベル」とジョージアにいる誰かが4月に探している「ショベル」は違う種類のものでしょう。これは、営業担当者が求めている「販売予測」と重役が求めている「販売予測」のデータが異なる場合があるのと似ています。
機械学習技術は、これらの違いを理解して、検索をよりパーソナライズすることが可能です。
顧客や従業員を各自の興味に基づいて識別し、キーワードに基づいてラベルを割り当てます。
既存のコンテンツカテゴリーまたは部門、およびどのコンテンツがそれらに属するのかを認識できるよう機械学習モデルに教示します。
ユーザーが何も結果を見つけられなかった原因を理解します。検索時のつづり間違い、間違った順番、間違った説明があるユーザークエリを修正します。
2個のクエリで1つの言葉またはフレーズが異なり、そのフレーズまたは用語のつづりが似ている場合、つづりを間違えているのかもしれません。つづり間違いのクエリを実際に結果を返すヘッドクエリとマッチするように、修正することが可能です。
2個のクエリがよく似ていて、同じようなコンテキストで使われているか、類義語が含まれていることを検出します。どちらのクエリがクリックスルー率においてより効果的かを評価し、クエリを置き換えます。
知能は人口的なものは何もありません。拡張知能とは、AIが人間の判断を置き換えるのではなく、拡張することです。
機械学習と検索エンジンが、いかに顧客と従業員にとってパワフルな体験を生み出す素晴らしい組み合わせであるかを学びます。
クラスタリングおよび分析アルゴリズムは、どのように従業員と顧客の検索体験を向上できるのでしょう。
パフォーマンスの低いクエリはすべての人を悩ませます。ヘッドアンドテール分析はその悩みを解決します。
ユーザーは継続的に何が好きで、何が嫌いなのかを伝えてきています。あなたはその声に耳を傾けていますか?
自分が何を探しているのか(ほぼ)正確に把握しているのは一部のユーザーです。ファセットはクエリごとに、すべてのユーザーにより正確な検索結果をまとめて提供します。
最高の検索アプリケーションは、企業のすべてのデータにインデックスを作成し、1つの統一された検索体験をもたらします。
パーソナライゼーションとは、それぞれ名前を持つ一人の人間として、ユーザーの要望に対処することです。ハイパーパーソナライゼーションでは、彼らが本当は何を望んでいるのかを明らかにします。
もし人間同士が会話するのと同じようにコンピューターと話すことができたらどうでしょう。 自然言語検索はそれを実現します。