Hamish Ogilvy, CEO dan Co-founder Search.io – Seri Wawancara

Hamish Ogilvy adalah CEO dan Co-founder Search.io, sebuah platform pencarian dan penemuan produk yang ditenagai AI yang memproses miliaran pencarian untuk beberapa organisasi terbesar di dunia. Mereka fokus pada meningkatkan konversi dan pendapatan pencarian di situs web menggunakan pembelajaran mesin. Ini dicapai menggunakan teknologi pencarian paten.

Apa yang awalnya menarik Anda ke bidang pembelajaran mesin?

Saya memulai karir di fisika dengan merancang laser, tetapi saya juga cukup baik dalam melihat pola dalam data. Itu membawa saya ke analitik dan memprediksi berbagai hal di mana saya menghabiskan beberapa tahun. Pembelajaran mesin adalah ekstensi yang jelas untuk memfasilitasi ekstraksi nilai dari data. Itu tampaknya cukup normal sekarang, tetapi pada saat itu orang-orang sebenarnya tertawa pada saya karena memiliki judul pekerjaan “kepala data”, jadi dunia telah berubah cukup banyak!

Bagikanlah kisah awal Search.io?

Pencarian selalu mengganggu saya; itu telah membaik banyak, tetapi masih cukup buruk sebagian besar waktu. Saya selalu berpikir itu harus lebih memahami konteks dan niat pribadi. Jadi itu dimulai dengan pikiran itu, dan bertahun-tahun kemudian kita jauh lebih dekat. Larry Page terkenal mengatakan pencarian bukanlah masalah yang akan diselesaikan dalam seumur hidup kita, dan sekarang saya sepenuhnya memahami mengapa. Tetapi kita telah mengubah permainan secara dramatis dan jauh dari apa yang kita bayangkan.

Search.io menggunakan teknologi pencarian self-learning berbasis “neural indexes”, apa yang spesifik neural indexes?

Teknologi pencarian lama menciptakan indeks pada kata kunci tertentu, mirip dengan indeks di bagian belakang buku yang menunjuk ke halaman di mana kata kunci muncul. Neural indexes sebaliknya menciptakan indeks dari neuron tertentu dalam jaringan saraf khusus. Neuron ini dirancang untuk diaktifkan untuk konteks dan makna yang terkait, bukan kata kunci, sehingga memungkinkan untuk dengan cepat mengidentifikasi item yang terkait, bahkan di seluruh bahasa yang berbeda. Self-learning memungkinkan indeks ini untuk beradaptasi dan meningkatkan ketika orang membeli item atau acara umpan balik positif lainnya.

Diskusikan bagaimana pembelajaran penguatan digunakan untuk mengoptimalkan hasil pencarian?

Utamanya ini digunakan untuk mengatur ulang hasil pencarian untuk memaksimalkan tujuan tertentu, seperti klik atau pembelian. Ini adalah masalah klasik explore vs exploit di mana urutan terbaik awalnya tidak diketahui. Ada kata-kata terkenal yang mengatakan tempat terbaik untuk menyembunyikan mayat adalah di halaman 2 hasil pencarian Google ! Itu karena hampir tidak ada orang yang bahkan mencapai bagian bawah halaman 1. Jadi jika Anda memiliki, katakanlah, 10.000 hasil pencarian yang relevan untuk sebuah kueri dan hanya menampilkan 10 per halaman, beberapa randomisasi probabilistik membantu memutar item yang berbeda dan meningkatkan item yang sesuai dengan tujuan bisnis.

Apakah deep learning digunakan, jika ya, dalam cara apa?

Ya, dalam banyak cara. Kami menggunakan deep learning untuk mengubah bahasa menjadi vektor dan kemudian juga vektor menjadi hash neural.

Platform ini memungkinkan bisnis untuk mengontrol pembelajaran bawaan dengan memungkinkan penyesuaian, bagaimana proses ini bekerja?

Pembelajaran self-learning biasanya menggunakan acara untuk “mendorong” hash neural ke arah hal-hal yang sebelumnya sesuai, seperti item yang dibeli vs tidak dibeli. Dalam beberapa kasus itu dapat memakan waktu terlalu lama dan bisnis tahu apa yang seharusnya menjadi hasil yang hebat. Jadi kami memungkinkan mereka untuk memberitahu kami dan ini mengajarkan relevansi untuk lebih memahami niat. Ini pada dasarnya mempercepat pembelajaran.

Apa beberapa tantangan di balik memahami niat pengguna saat pencarian dilakukan?

Bahasa sangat ambigu. Sebuah “bank” bisa menjadi lembaga keuangan, tepi sungai, pesawat yang berbelok, tembakan bola basket, dll. Untuk memperburuk keadaan, bagi seseorang dari Los Angeles yang mencari “jaket”, itu juga akan menjadi niat yang sangat berbeda dari seseorang yang mencari dari Boston. Laki-laki vs perempuan, bahkan lebih berbeda. Bahasa tidak mencakup niat dengan baik, kesempurnaan sebenarnya tidak mungkin, jadi pencarian adalah permainan probabilitas.

Apa proses untuk mengintegrasikan Search.io di situs web?

Ini berbeda-beda tergantung pada kompleksitas. Untuk toko Shopify dan situs web berbasis konten, Anda dapat mulai dalam beberapa menit, sedangkan toko e-commerce lanjutan dengan katalog yang kompleks dan hasil yang sangat dipersonalisasi dapat memakan waktu beberapa minggu hingga beberapa bulan.

Apakah ada yang lain yang ingin Anda bagikan tentang Search.io?

Jika Anda adalah organisasi yang padat data yang mencoba meningkatkan transaksi online, hubungi kami. Kami telah secara konsisten memperbaiki kinerja online pelanggan kami melalui pengalaman pencarian dan penemuan yang ditingkatkan.

Terima kasih telah berpartisipasi dalam wawancara ini, sebagai seseorang yang telah mempelajari mesin pencari selama lebih dari dua dekade ini sangat menarik. Pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Search.io.