Hamish Ogilvy, CEO y Co-fundador de Search.io – Serie de Entrevistas

Hamish Ogilvy es el CEO y Co-fundador de Search.io, una plataforma de búsqueda y descubrimiento de productos impulsada por inteligencia artificial que procesa miles de millones de búsquedas para algunas de las organizaciones más grandes del mundo. Se centran en aumentar la conversión y los ingresos de la búsqueda en el sitio utilizando el aprendizaje automático. Esto se logra mediante tecnología de búsqueda proprietaria.

¿Qué te atrajo inicialmente al campo del aprendizaje automático?

Empecé en física diseñando láseres, pero también siempre fui bastante bueno para ver patrones en los datos. Eso me llevó a los análisis y a predecir varias cosas, donde pasé varios años. El aprendizaje automático fue una extensión obvia para facilitar mejor la extracción de valor de los datos. Eso parece bastante normal ahora, pero en ese momento la gente se reía de mí por tener el título de trabajo “jefe de datos”, así que el mundo ha cambiado un poco.

¿Puedes compartir la historia de origen detrás de Search.io?

La búsqueda siempre me molestó; ha mejorado mucho, pero todavía es bastante mala en su mayoría. Siempre pensé que debería entender mejor el contexto y la intención personal. Así que empezó con ese pensamiento, y años después estamos mucho más cerca. Larry Page dijo famosamente que la búsqueda no es un problema que se resolverá en nuestra vida, y ahora entiendo completamente por qué. Pero hemos cambiado drásticamente el juego y estamos muy lejos de lo que habíamos imaginado.

Search.io utiliza tecnología de búsqueda de autoaprendizaje basada en “índices neuronales”, ¿qué son específicamente los índices neuronales?

La tecnología de búsqueda tradicional crea índices en palabras clave específicas, al igual que el índice al final de un libro que apunta a las páginas donde aparece la palabra clave. Los índices neuronales, en cambio, crean índices a partir de neuronas específicas en redes neuronales especialmente diseñadas. Estas neuronas están diseñadas para activarse para contextos y significados relacionados, en lugar de palabras clave, por lo que es posible identificar rápidamente artículos relacionados, incluso en diferentes idiomas. El autoaprendizaje permite que estos índices se adapten y mejoren a medida que las personas compran artículos u otros eventos de retroalimentación positiva.

¿Puedes discutir de qué manera se utiliza el aprendizaje de refuerzo para optimizar los resultados de búsqueda?

Principalmente se utiliza para reordenar los resultados de búsqueda para maximizar un objetivo específico, como los clics o las compras. Este es un problema clásico de exploración versus explotación, donde el mejor orden es inicialmente desconocido. Había un dicho famoso de que el mejor lugar para esconder un cadáver era en la página 2 de los resultados de Google. Eso es porque prácticamente nadie llega al final de la página 1. Así que si tienes, digamos, 10.000 resultados relevantes para una consulta y solo muestras 10 por página, una cierta randomización probabilística ayuda a rotar diferentes resultados y elevar aquellos que están resonando con el objetivo del negocio.

¿Se utiliza el aprendizaje profundo, y si es así, de qué manera?

Sí, de muchas maneras. Utilizamos el aprendizaje profundo para convertir el lenguaje en vectores y luego también vectores en hashes neuronales.

La plataforma permite a las empresas controlar el aprendizaje incorporado permitiendo ajustes, ¿puedes discutir cómo funciona este proceso?

El autoaprendizaje utiliza normalmente eventos para “empujar” los hashes neuronales hacia cosas que han resonado previamente, como artículos comprados versus no comprados. En algunos casos, esto puede tomar demasiado tiempo y el negocio sabe qué debería ser un gran resultado. Así que les permitimos decírnoslo y esto enseña a la relevancia a entender mejor la intención. Esto básicamente acelera el aprendizaje.

¿Cuáles son algunos de los desafíos detrás de descifrar la intención del usuario cuando se realiza una búsqueda?

El lenguaje es altamente ambiguo. Un “banco” podría ser una institución financiera, un banco de río, un giro de un avión, un tiro de baloncesto, etc. Para empeorar las cosas, para alguien de Los Ángeles que busca un “abrigo”, sería una intención muy diferente a alguien que busca desde Boston. Hombre versus mujer, incluso más diferente. El lenguaje encapsula mal la intención, la perfección es en realidad imposible, así que la búsqueda es un juego de probabilidad.

¿Cuál es el proceso para integrar Search.io en un sitio web?

Varía dependiendo de la complejidad. Para tiendas de Shopify y sitios web basados en contenido, puedes estar en funcionamiento en minutos, mientras que tiendas de comercio electrónico avanzadas con catálogos complejos y resultados personalizados pueden tomar semanas o incluso meses.

¿Hay algo más que te gustaría compartir sobre Search.io?

Si eres una organización con mucho datos tratando de aumentar las transacciones en línea, háznoslo saber. Hemos mejorado consistentemente el rendimiento en línea de nuestros clientes a través de experiencias de búsqueda y descubrimiento mejoradas.

Gracias por participar en esta entrevista, como alguien que ha estado estudiando motores de búsqueda durante más de dos décadas, esto fue bastante fascinante. Los lectores que deseen aprender más pueden visitar Search.io.