Hamish Ogilvy, CEO și co-fondator al Search.io – Seria de interviuri

Hamish Ogilvy este CEO și co-fondator al Search.io, o platformă de căutare și descoperire de produse bazată pe inteligență artificială care procesează miliarde de căutări pentru unele dintre cele mai mari organizații din lume. Ei se concentrează pe creșterea conversiei și a veniturilor din căutarea pe site utilizând învățarea automată. Acest lucru se realizează prin utilizarea tehnologiei de căutare proprietare.

Ce v-a atras inițial în domeniul învățării automate?

Am început în fizică, proiectând lasere, dar am fost și întotdeauna destul de bun la identificarea modelelor în date. Acest lucru m-a atras către analize și predicții, unde am petrecut câțiva ani. Învățarea automată a fost o extensie evidentă pentru a facilita extragerea valorii din date. Acest lucru pare destul de normal acum, dar pe atunci oamenii chiar râdeau de mine pentru că aveam titlul de “șef de date”, așa că lumea s-a schimbat puțin!

Puteți împărtăși povestea de origine din spatele Search.io?

Căutarea m-a enervat întotdeauna; s-a îmbunătățit mult, dar este încă destul de proastă în majoritatea cazurilor. Am crezut întotdeauna că ar trebui să înțeleagă mai bine contextul și intenția personală. Așa a început totul, și ani mai târziu suntem mult mai aproape. Larry Page a spus odată că căutarea nu este o problemă care va fi rezolvată în timpul vieții noastre, și acum înțeleg de ce. Dar am schimbat drastic jocul și suntem pe drumul cel bun spre ceea ce ne-am imaginat.

Search.io utilizează tehnologie de căutare autodidactă bazată pe “indici neuroni”, ce sunt în mod specific indici neuroni?

Tehnologia de căutare veche creează indici pe cuvinte cheie specifice, la fel ca indicele din spatele unei cărți care arată paginile unde apare cuvântul cheie. Indicii neuroni, în schimb, creează indici din neuroni specifici din rețele neuronale special proiectate. Acești neuroni sunt proiectați pentru a se activa pentru context și înțelesuri asociate, și nu pentru cuvinte cheie, astfel încât este posibil să identifici rapid articole asociate, chiar și în diferite limbi. Învățarea autodidactă permite acestor indici să se adapteze și să se îmbunătățească pe măsură ce oamenii cumpără articole sau au alte evenimente de feedback pozitiv.

Puteți discuta modurile în care învățarea prin întărire este utilizată pentru a optimiza rezultatele căutării?

În primul rând, acest lucru se utilizează pentru a reordona rezultatele căutării pentru a maximiza un anumit obiectiv, cum ar fi clicuri sau cumpărături. Acesta este un clasic problemă de explorare versus exploatare, unde cel mai bun ordin inițial este necunoscut. A existat o zicătoare care spunea că cel mai bun loc pentru a ascunde un cadavru era pe pagina 2 a rezultatelor Google ! Acest lucru se datorează faptului că practic nimeni nu ajunge la sfârșitul paginii 1. Așa că, dacă aveți, să zicem, 10.000 de rezultate relevante pentru o întrebare și afișați doar 10 pe pagină, o anumită randomizare probabilistică ajută la rotirea diferitelor rezultate și la promovarea celor care rezonă cu obiectivul de afaceri.

Este utilizată învățarea profundă, și dacă da, în ce moduri?

Da, în multe moduri. Utilizăm învățarea profundă pentru a transforma limbajul în vectori și apoi vectori în hash-uri neurale.

Platforma permite afacerilor să controleze învățarea încorporată prin ajustări, puteți discuta modul în care funcționează acest proces?

Învățarea autodidactă utilizează în general evenimente pentru a “împinge” hash-urile neurale către lucruri care au rezonat anterior, cum ar fi articole cumpărate versus necumpărate. În unele cazuri, acest lucru poate dura prea mult, și afacerea știe ce ar trebui să fie un rezultat excelent. Așa că le permitem să ne spună și astfel învață relevanța să înțeleagă mai bine intenția. Acest lucru accelerează învățarea.

Care sunt unele dintre provocările din spatele decodificării intenției utilizatorului atunci când se efectuează o căutare?

Limbajul este extrem de ambiguu. O “banca” poate fi o instituție financiară, o bancă de râu, o manevră a unui avion, un aruncător de baschet, etc. Pentru a face lucrurile și mai grave, pentru cineva din Los Angeles care caută o “jachetă”, intenția ar fi foarte diferită față de cineva care caută același lucru din Boston. Bărbat versus femeie, și mai diferit. Limbajul nu reușește să cuprindă intenția, perfecțiunea este de fapt imposibilă, așa că căutarea este un joc de probabilitate.

Care este procesul de integrare a Search.io pe un site web?

Acesta variază în funcție de complexitate. Pentru magazinele Shopify și site-urile cu conținut, puteți fi operaționali în câteva minute, în timp ce magazinele de comerț electronic avansate cu cataloage complexe și rezultate personalizate pot dura săptămâni sau luni.

Există altceva pe care ați dori să îl împărtășiți despre Search.io?

Dacă sunteți o organizație care se bazează pe date și încercați să creșteți tranzacțiile online, contactați-ne. Am îmbunătățit în mod consistent și masiv performanța online a clienților noștri prin experiențe îmbunătățite de căutare și descoperire.

Mulțumim pentru participarea la acest interviu, ca cineva care a studiat motoarele de căutare timp de peste două decenii, a fost destul de fascinant. Citiitorii care doresc să afle mai multe ar trebui să viziteze Search.io.