提供高相关性的搜索结果可能是企业面临的一大挑战。相关的搜索结果，或者平台生成的搜索结果与用户意图的关系有多契合，对用户体验至关重要。企业正在寻找增强搜索功能的解决方案，许多企业正转向数据驱动的见解和人工智能寻求帮助。

Lucidworks是一家位于旧金山的公司，提供企业搜索平台。该公司最近进行了一项研究调查，收集超过5万名搜索从业者对他们用来提高搜索相关性的方法和见解。

100%的调查对象将搜索相关性列为高度重要。这并不奇怪，因为报告指出，搜索相关性差会导致沮丧、信任度下降，甚至失去业务。提供相关搜索的难度是另一个关键发现，96%的受访者表示他们在这一领域有中等或高难度，只有4%的人表示难度较低。

这项调查试图找出搜索从业者在寻找资源和技术以提高搜索效率时面临的最大障碍。一位受访者回答说，很难显示相关结果，也很难自动更正用户想要键入的内容，以便将他们引导到正确的位置。另一位受访者回答说，拥有相关、具体和一致的产品数据是一项挑战，因此也报告了与数据相关的困难。对其他人来说，通过数据分析报告收集有关搜索相关性的高质量标签数据是一项艰巨的任务。

搜索专业人员是如何克服这些障碍的？通过数据！获得洞察力的一种方法是尽可能收集最准确的“标签数据”，36%的人认为这是最重要的。“标签数据”是从搜索平台内的用户交互中收集的信息，以帮助理解用户行为和偏好。这些数据是从信标、数据流、客户数据平台和行为跟踪等领域收集的，可以包括搜索查询、点击率、浏览页面花费时间、搜索结果排名和导航模式等元素。可以分析标签数据来完善和改进搜索算法，34%的受访者将此列为提供搜索相关性的最重要方式。

Lucidworks首席客户官Lana Klestoff表示：“如今的用户从点击、购买和客户数据平台信息的隐含输入中提供了丰富的数据和标签。实时提供高度相关的搜索体验的机会是现实的。做得最好的公司将从其搜索管理工作中获得最佳结果。”

除了正确收集和使用数据外，人工智能解决方案是另一个有希望提升搜索效率的技术领域。该调查询问了参与者对人工智能及其在未来搜索中的作用的感受。在受访者中，88%的人表示人工智能对提供相关搜索很重要，52%的人表示极其重要。

人工智能通过能够解释搜索查询背后的用户意图的算法，为搜索相关性带来了福音。自然语言处理（NLP）是像GPT-4这样的大型语言模型（LLM）背后的技术，它为ChatGPT提供了动力，这是分析用户搜索查询的结构和上下文以更好地理解其意图的一种方法。

人工智能还可以帮助实现用户体验个性化，以提高相关性，因为算法可以使用用户的搜索历史、位置和偏好等信息来定制搜索结果。比如Lucidworks使用人工智能根据用户过去的购买和搜索来推荐产品。算法还可以识别和拒绝低质量的搜索结果，并分析内容的质量，以确定其是否足够相关和可信，从而被出现在结果中。

Lucidworks产品管理副总裁Melissa Hill指出：“人工智能不会解决所有搜索问题，但利用它最擅长的大规模复杂流程，是对庞大数据集和模型的自然应用，有助于提高搜索和浏览的相关性。”