Hamish Ogilvy, CEO en mede-oprichter van Search.io – Interviewreeks

Hamish Ogilvy is de CEO en mede-oprichter van Search.io, een AI-gepowered zoek- en productontdekkingsplatform dat miljarden zoekopdrachten verwerkt voor enkele van de grootste organisaties ter wereld. Zij richten zich op het verhogen van de conversie en omzet van on-site zoekopdrachten met behulp van machine learning. Dit wordt bereikt met behulp van eigen zoektechnologie.

Wat trok je aanvankelijk aan tot het gebied van machine learning?

Ik begon in de natuurkunde met het ontwerpen van lasers, maar ik was ook altijd vrij goed in het zien van patronen in gegevens. Dat trok me naar analytics en het voorspellen van verschillende dingen, waar ik enkele jaren aan werkte. Machine learning was een logische uitbreiding om waarde te kunnen extraheren uit gegevens. Dat lijkt nu vrij normaal, maar toen lachten mensen eigenlijk om me omdat ik de functietitel “hoofd van data” had, dus de wereld is enigszins veranderd!

Kunt u het verhaal achter Search.io delen?

Zoekopdrachten irriteerden me altijd; het is een beetje verbeterd, maar het is nog steeds voor het grootste deel vrij slecht. Ik dacht altijd dat het beter context en persoonlijke intentie moest begrijpen. Dus het begon met die gedachte, en jaren later zijn we veel dichter bij ons doel. Larry Page zei ooit dat zoekopdrachten geen probleem zijn dat in ons leven opgelost zal worden, en ik begrijp nu volledig waarom. Maar we hebben het spel drastisch veranderd en zijn een lange weg verwijderd van wat we ons hadden voorgesteld.

Search.io gebruikt zelflerende zoektechnologie op basis van “neuronale indexes”, wat zijn neuronale indexes precies?

Oude zoektechnologie creëert indexes op specifieke trefwoorden, net zoals de index in het achterste deel van een boek die verwijst naar de pagina’s waar het trefwoord voorkomt. Neuronale indexes creëren indexes van specifieke neuronen in speciaal ontworpen neurale netwerken. Deze neuronen zijn ontworpen om te activeren voor gerelateerde context en betekenis, in plaats van trefwoorden, dus het is mogelijk om snel gerelateerde items te identificeren, zelfs in verschillende talen. Zelfleren stelt deze indexes in staat om aan te passen en te verbeteren wanneer mensen artikelen kopen of andere positieve feedbackgebeurtenissen.

Kunt u bespreken op welke manieren versterking learning wordt gebruikt om zoekresultaten te optimaliseren?

Voornamelijk wordt dit gebruikt om de zoekresultaten te herschikken om een specifiek doel te maximaliseren, zoals klikken of aankopen. Dit is een klassiek explore vs exploit-probleem waarbij de beste volgorde aanvankelijk onbekend is. Er was een beroemde zegswijze dat de beste plek om een dode te verbergen was op pagina 2 van de Google-resultaten! Dat komt omdat vrijwel niemand het einde van pagina 1 bereikt. Dus als je 10.000 relevante resultaten voor een query hebt en slechts 10 per pagina laat zien, helpt enige probabilistische randomisatie om verschillende resultaten te roteren en die te verhogen die resoneren met het bedrijfsdoel.

Wordt diepe learning gebruikt, en zo ja, op welke manieren?

Ja, op veel manieren. We gebruiken diepe learning om taal om te zetten in vectoren en vervolgens vectoren in neurale hashes.

Het platform stelt bedrijven in staat de ingebouwde learning te controleren door aanpassingen mogelijk te maken, kunt u bespreken hoe dit proces werkt?

Zelfleren gebruikt typisch gebeurtenissen om “duwtjes” te geven aan de neurale hashes naar dingen die eerder geresoneerd hebben, zoals gekochte artikelen versus niet-gekochte. In sommige gevallen kan dit te lang duren en weet het bedrijf wat een geweldig resultaat zou moeten zijn. Dus we laten hen ons dat vertellen en dat leert de relevantie om beter intentie te begrijpen. Dit versnelt eigenlijk het leerproces.

Wat zijn enkele van de uitdagingen achter het ontcijferen van gebruikersintentie wanneer een zoekopdracht wordt gedaan?

Taal is zeer dubbelzinnig. Een “bank” kan een financiële instelling zijn, een rivieroever, een vliegtuig dat draait, een basketbalmoment, enz. Om het erger te maken, voor iemand uit Los Angeles die zoekt naar een “jas”, zou dat een heel andere intentie zijn dan voor iemand uit Boston. Man versus vrouw, nog meer verschillend. Taal vangt intentie niet goed, perfectionering is eigenlijk onmogelijk, dus zoekopdrachten zijn een spel van waarschijnlijkheid.

Wat is het proces voor het integreren van Search.io in een website?

Het varieert afhankelijk van de complexiteit. Voor Shopify-winkels en content-gebaseerde websites kun je binnen enkele minuten actief zijn, terwijl geavanceerde e-commerce-winkels met complexe catalogi en hoge personalisatie enkele weken tot enkele maanden kunnen duren.

Is er nog iets anders dat u over Search.io zou willen delen?

Als u een data-intensief bedrijf bent dat online-transacties probeert te verhogen, neem dan contact met ons op. We hebben consistent de online prestaties van onze klanten massaal verbeterd via verbeterde zoek- en ontdekkingservaringen.

Bedankt voor uw deelname aan dit interview, als iemand die al meer dan twee decennia zoekmachines bestudeert, was dit vrij fascinerend. Lezers die meer willen leren, moeten Search.io bezoeken.