Was ist Enterprise Search?
Unter Enterprise Search versteht man den Prozess der Abfrage digitaler Inhalte aus mehreren Datenquellen über eine einzige Suchleiste. Sie wird normalerweise für das Web, E-Commerce, den Kundendienst und den Wissenszugriff verwendet. Sie ist außerdem grundlegend für fundierte generative KI-Anwendungen. Die effizienteste Art der Enterprise Search ist die einheitliche Suche.
Mit einem großartigen Enterprise-Suchtool können Mitarbeiter in zahlreichen Enterprise-Inhaltsquellen – wie Salesforce, Blogs, Google Drive, SharePoint, Slack usw. – nach den relevantesten Inhalten suchen. Wir beleuchten die notwendigen Elemente, erklären, warum sie wichtig sind, die verschiedenen Enterprise-Search-Methoden und wie sie funktionieren.
-
Vereinheitlichen Sie strukturierte und unstrukturierte Inhalte in einem einzigen IndexEinheitlicher Index
-
Flexible, mandantenfähige Cloud-InfrastrukturSuche als Service.
-
KI und die Effizienzvorteile der Automatisierung nutzenMaschinelles Lernen
-
Erkennen Sie die Absicht des Benutzers anhand von Signalen wie Klicks und Verweildauer auf der Seite und verstehen Sie die ReiseVerhaltensdaten
Sometimes called information retrieval, enterprise search is a critical solution for knowledge management and collaboration. And it’s crucial for customer service.
The promise of enterprise search is that a person can discover the most relevant data and content that exists across enterprise data sources through a single interface. This helps improve proficiency, productivity, and employee satisfaction. It also can lead to greater profitability - as now critical, customer-facing information can be found quickly.
When employees need to open documents, read them, assess if they are the right ones (or move on to the next ones), and then rinse and repeat dozens of times in a day, it creates stress. Compound this by the number of possible documents - and the number of questions an employee will wonder about.
No wonder they are burnt out.
Enterprise Search-Lösung kann verschiedene Bezeichnungen haben, darunter kognitive Suchmaschine, Insight Engine, einheitliche Suche, föderierte Suche (obwohl föderierte Suche manchmal mit Data Warehouses und Data Lakes assoziiert wird).
Damit eine Unternehmenssuchmaschine jedoch zur primären Suchlösung wird, der das gesamte Unternehmen vertraut, muss sie eine Suchtechnologie nutzen, die auf Millionen von Dokumenten und mehrere Datentypen skalierbar ist.
Der Vorteil der Enterprise Search besteht darin, digitalen Mitarbeitern so schnell wie möglich die relevantesten Informationen bereitzustellen. Dies trägt zur Verbesserung der Kompetenz, Produktivität und Mitarbeiterzufriedenheit bei. Dies kann auch zu einer höheren Rentabilität führen, da wichtige kundenbezogene Informationen nun schnell gefunden werden können.
Wenn Mitarbeiter suchen, sind die benötigten Informationen oft tief in unstrukturierten oder halbstrukturierten Inhalten verborgen. Denken Sie an Sätze, Dokumente, PDFs, Handbücher und Anrufprotokolle. Die Art von Inhalt, der nicht gut in Tabellen oder Zeilen passt.
Diese Art der Suche ist am schwierigsten zu lösen.
Stellen Sie sich vor, Sie suchen nach leckeren Rezepten – und Sie haben drei Möglichkeiten. Fragen Sie drei Freunde und jeder von ihnen gibt Ihnen einen Stapel Rezepte. Fragen Sie einen Freund, der mehrere Stapel Rezepte mitbringt. Oder fragen Sie einen Freund, der alle Rezepte sammelt, sie nach Ihren Vorlieben und Abneigungen ordnet und Ihnen eine entsprechende Liste gibt. Was würden Sie bevorzugen?
Diese Suchtypen werden in der folgenden Tabelle genauer erläutert.
Drei Arten der Suche
Lassen Sie uns genauer untersuchen, wie die bei jeder dieser Sucharten angezeigten Ergebnisse dem Benutzer präsentiert werden.
Eine Suchmaschine funktioniert, indem sie zunächst den Inhalt indiziert (denken Sie an die Rückseite eines Lehrbuchs, auf der angegeben ist, wo sich Wörter oder Themen befinden). Dann ein Mechanismus zum Durchsuchen des Index und schließlich zum Anzeigen der Ergebnisse.
Jedes Repository verfügt über einen eigenen Index, eine eigene Suche und eine eigene Anzeige.
Jedes Repository ist indiziert, aber ein Föderator sendet eine Suchanfrage an jeden Index – und ruft die Antworten ab.
Der Entwickler hat zwei Möglichkeiten- Präsentieren Sie die Informationen sortiert nach Datenquelle
- Ordnen und kombinieren Sie die Ergebnisse, NACHDEM die Informationen abgerufen wurden
Eine erweiterte Option ist die Zusammenführung zur Indexzeit. Unabhängig von der Anzahl der Datenquellen wird nur ein Index erstellt und durchsucht – und eine einzige einheitliche Ergebnisliste angezeigt.
Die Erstellung eines einheitlichen Indexes in der Enterprise Search war ein schwieriges Problem, da sie Verbindungen zu einer Vielzahl strukturierter und unstrukturierter Informationsquellen herstellen musste.
Um mit der einheitlichen Suche in Ihrem gesamten Unternehmen suchen zu können, müssen Sie eine Verbindung zu Datenquellen herstellen. Und das geschieht über Konnektoren.
Ein „Connector“ ermöglicht es Ihnen, sich entweder über einen Crawler oder einen Push-Mechanismus mit einer Inhaltsquelle zu verbinden.
Crawler – Wie der Name schon sagt, durchsucht ein „Crawler“ alle Quellen, um Daten zu extrahieren – unabhängig davon, ob diese Daten strukturiert oder unstrukturiert sind.
- Strukturierte Daten sind Daten, die so formatiert sind, dass sie mit SQL-Abfragen durchsucht werden können. Zum Beispiel: Excel-Dateien, Produktbestand und Kundennamen.
- Unstrukturierte Daten sind Daten, die nicht in einer stark strukturierten Weise formatiert sind. Zum Beispiel: Textdateien, Audio-, Video- und Social-Media-Beiträge.
How do you implement Enterprise Search?
A secure, multi-tenant cloud-based platform with powerful AI search, recommendations, and personalization is the easiest way to implement enterprise search - at scale.
-
Simple and secured indexing
Coveo integrates content from many different sources using its connectors, and consolidates the information in a single, unified index that lives in your Coveo instance (organization).
-
Build Your Search Experience
Create a search user interface from scratch, use our WYSIWYG interface editor, or mix and match methods to deliver an intuitive search experience.
Any query into the search box (either standalone or from a Coveo integration) performs a call to Coveo, typically after an end-user interaction. In parallel, a second call is made to Coveo Usage Analytics, indicating an end-user performed a search. This data is then fed to Coveo Machine Learning, to understand which queries and results are useful for end users.
-
Set and forget Machine learning models
Easy-to-configure, 15+ Out-of-box machine learning models require little to no maintenance. Coveo self-learning AI personalizes and delivers the results your users expect.
-
Manage With Built-in Analytics
Lean and report on how your users are engaging with your search interface. Follow the data to find the gaps!
Search result ranking can be as simple as looking at how many times a given keyword appears in the text. More sophisticated ranking requires creating a relevancy score based on numerous factors, and then displaying these results in descending order.
These factors can include term proximity (that is, how close terms appear to one another in a given document), item modified date (that is, how recently a document was updated, sometimes also referred to as freshness), and term frequency (that is, how often a given term appears in a document), among others.
The way searchers interact with content also creates relationships between queries and results. Even if a term appears more often in one content piece than another, a result with fewer terms may satisfy a searcher’s intent. When users interact with that piece, the search engine can recognize this.
In the Coveo platform, a user’s search query also only retrieves term-containing documents that the user has access to, identified using security identities and permission sets. The search platform preserves an enterprise’s security by isolating only content that that given user has permission to read.
How Does AI Work in Search?
Machine Learning
To meet modern expectations, enterprise search should use artificial intelligence and machine learning to map the content so that the machine knows that a PDF about, say, “unified search,” is similar to a document on “index-time merging.” This enhances search results so the best-performing content always rises to the top.
Coveo’s machine learning models include:
- Automatic Relevance Tuning (ART)
- ART models can be configured to leverage the Coveo Intelligent Term Detection (ITD) feature.
- Query Suggestions (QS)
- Content Recommendations (CR)
- Dynamic Navigation Experience (DNE)
- Product Recommendations (PR)
- User Profile service
- User Stitching service
- Case Classification
- Smart Snippets
Role-based Access Controls
It is vital that a unified index must be able to understand the permissions a user has to access information. Modern enterprise search software uses access controls to enforce security policies on each enterprise user, to ensure security compliance within the search experience.
User Intent
By capturing signal data on every user’s action, modern enterprise search engines can determine intent. By also taking into account personal data (including geo-location) the machine can match a query to mapped content to retrieve the most relevant results.
Machine learning and deep learning algorithms have enabled a new level of relevance analytics for each enterprise search user. Each search result is uniquely tailored to individual users.
Equally, enterprise search capabilities are put to use for external-facing applications such as web search and app search. A robust enterprise search platform should support all these use cases, internally and externally to the enterprise.
Headless
With employees needing to access information from any device, a headless framework allows you to have ultimate control and flexibility of your search interface - regardless of device. Coveo works as a middle-layer for applications, opening a line of communication between the UI elements and Coveo.
Enterprise Search-as-a-Service
Coveo is an enterprise-class, multi-tenant SaaS/PaaS solution that provides a unified, scalable, and secure way to search for contextually relevant content across many enterprise systems
How Do I Determine the Best Search Engine Vendor?
Industry analysts regularly rank search engine vendors. Gartner refers to this category as an Insight Engine, while Forrester refers to it as Cognitive Search.
Unlike Elastic Enterprise Search, Solr, Amazon OpenSearch, or even Amazon Kendra, which require developers to build a search experience from scratch, Coveo enterprise search includes hosted search page templates to get started right away. You can quickly see what a typical search result will look like for a user.
