3 unverzichtbare Anwendungsfälle semantischer Suche

Hinweis: Dieser Blogartikel wurde aus seiner Originalversion übersetzt und kann geringfügige Abweichungen enthalten. Einige der Links in diesem Artikel führen zu Inhalten, die nur auf Englisch verfügbar sind.

„Understanding Semantic Search“ ist eine fortlaufende Serie. Dies ist der dritte Beitrag dieser Reihe. Falls Sie sie verpasst haben, lesen Sie unsere ersten beiden Artikel „Semantische Suche verstehen“ und „Die Evolution von Suchmaschinen“.

Nachdem Sie nun die Grundlagen der semantischen Suche verstanden haben, ist es an der Zeit zu betrachten, wie Sie diese nutzen können, um maximale Ergebnisse zu erzielen. Die Verbesserung des Information Retrieval ist für Unternehmen von entscheidender Bedeutung.

Eine Studie von Obrizum berichtete, dass etwa ein Fünftel der Arbeitnehmer mindestens einmal täglich nicht in der Lage ist, arbeitsrelevante Informationen zu finden, wobei 62 % mehr als zwei Stunden mit der Suche verbringen und 28 % drei bis vier Stunden suchen. Dies ist nicht überraschend, wenn nur ein Drittel der Unternehmen ihre Informationen zentral indiziert, um sie leichter auffindbar zu machen. Sie kamen zu dem Schluss, dass Unternehmen jährlich 13.291,18 £ pro britischem Mitarbeiter bzw. 31.754,20 $ pro US-Mitarbeiter aufgrund von Zeitverschwendung bei der Suche nach relevanten Informationen, der Überarbeitung veralteter Ressourcen oder der Belästigung von Kollegen um Hilfe verschwenden.

Um solche erschreckenden Kosten zu vermeiden, haben wir drei entscheidende Wege aufgezeigt, wie Sie semantische Suche in Ihr Unternehmen integrieren sollten. Anschließend erläutern wir die erwarteten Vorteile dieser Implementierungen.

Glossar relevanter Begriffe

• Generative KI (GenAI): Dies ist eine Kategorie von KI, die Inhalte produziert – Text, Bilder, Audio, Code –, um zu versuchen, menschliche Kreativität nachzuahmen. Sie verwendet Datensätze, um Muster zu untersuchen und auf der Grundlage dieser Daten Inhalte als Reaktion auf Prompts (Anweisungen) zu produzieren.
• Retrieval Augmented Generation (RAG): RAG ist der Prozess zur Verbesserung der Ausgaben eines Large Language Model (LLM). Dies geschieht durch dynamisches Hinzufügen von Daten zum Zeitpunkt der Abfrage an das LLM. Dadurch hat das LLM Zugriff auf spezifische, genaue und aktuelle Informationen, ohne dass ein erneutes Training erforderlich ist.

Anwendungsfälle semantischer Suche für Unternehmen

Wie wir im ersten Artikel gesehen haben, haben Ähnlichkeitssuche und Stichwortsuche jeweils ihre eigenen Vor- und Nachteile. Eine Art der Suche ist nicht universell besser als die andere. Ihre Kombination in einem Hybridmodell eröffnet jedoch eine Welt neuer Möglichkeiten. Es gibt spezifische Bereiche und Workflows, in denen Unternehmen von der Implementierung einer solchen semantischen Suche profitieren können. Wir empfehlen, mit diesen drei geschäftlichen Anwendungen zu beginnen.

Sales Enablement

Technische Dokumentation ist ein wichtiges Asset für SEO und Markenbekanntheit: Tausende Seiten erstklassiger Inhalte mit den richtigen Keywords, bereit zur Indexierung durch Google und Bing. Doch technische Dokumentation kann eine noch größere Rolle bei der Unterstützung der Vertriebsleistung spielen. Der Verkauf anspruchsvoller Produkte und Dienstleistungen bedeutet oft die Beantwortung von Angebotsanforderungen (RFPs) und die Bearbeitung endloser Fragebögen über die Produktfähigkeiten, Sicherheit und verschiedene Compliance-Aspekte Ihres Unternehmens. Es ist immer dasselbe, aber jedes Mal ein wenig anders. Vertriebsmitarbeiter müssen Lösungsexperten mobilisieren, die sich bei dieser sich wiederholenden Arbeit langweilen.

Die Antworten existieren jedoch bereits in Ihren Inhalten, Ihren Prozessbeschreibungen und früheren Antworten auf ähnliche RFPs. Mit semantischer Suche kombiniert mit der Leistung von LLMs können Sie die Antworten auf diese Fragebögen automatisieren: Für jede Frage identifiziert die semantische Suche die passenden Passagen zum Thema, und mit einem so einfachen Prompt wie „Sie sind ein Produktexperte. Bitte beantworten Sie diese Frage … unter Verwendung dieses Wissens …“ generieren Sie die passende Antwort. Und voilà. Sie sehen, wie viel schneller und besser Sie Antworten auf dieselben endlosen Fragen automatisieren, Ihre Vertriebsmitarbeiter stärken, mühsame Arbeit beseitigen und Neuankömmlinge einarbeiten können.

Lösung von Kundensupport-Tickets

Leistungsstarke semantische Suchmaschinen sind für Kundensupport-Operationen äußerst vorteilhaft. Wenn ein Support-Mitarbeiter einen komplexen Fall hat, der Recherche erfordert, muss er traditionell manuell Support-Dokumente, Wissensdatenbanken und frühere Tickets durchsuchen, um relevante Informationen zu finden.

Mit einer semantischen Suchmaschine wird jedoch das gesamte Kundenticket zur Suchanfrage. Eine Stichwort-Suchmaschine wäre von der Anzahl der Stichwörter in einer langen Problembeschreibung überfordert. Die Ähnlichkeitssuche hingegen teilt den Text in Fragmente auf, die dann in Embeddings umgewandelt werden. Die Vektorkoordinaten des Embeddings werden mit der bestehenden Vektordatenbank verglichen, um die relevantesten Fehlerbehebungsanleitungen, Benutzerhandbücher, FAQs, zuvor gelösten Tickets oder andere Datenquellen zu identifizieren.

Unternehmen können noch weiter gehen, indem sie die Suchmaschine mit einem RAG-fähigen LLM kombinieren. Das LLM liefert Ergebnisse mit vertrauenswürdigen Informationen aus Ihrer Produktwissensdatenbank und gibt die Antwort als konversationelle Antwort aus. Die Mitarbeiter können dann die Antworten ändern oder validieren, um die Genauigkeit sicherzustellen. Schließlich kopieren die Mitarbeiter, sobald die Antwort genehmigt ist, die Informationen einfach, fügen sie ein und senden sie an den Benutzer. Dies beschleunigt die Problemlösung und reduziert den Aufwand von normalerweise zehn Minuten auf zwei Minuten.

Nutzer-Self-Service

Unternehmen betreiben Kunden-Self-Service, wenn sie Benutzern einfachen Zugang zu den Tools und Ressourcen bieten, die sie benötigen, um ihre Probleme autonom zu lösen. Das Ziel von Self-Service ist es, die systematische Notwendigkeit der direkten Interaktion mit dem Support-Team zu eliminieren. Durch die Einbettung semantischer Suche in Self-Service-Optionen wie Kundenportale, Wissensdatenbanken, FAQ-Seiten, Community-Foren und GenAI-Chatbots können Benutzer problemlos nach den benötigten Informationen suchen. Über eine typische Stichwortsuche hinaus sind semantische Suchoptionen wie Chatbots, die ein konversationelles Sucherlebnis bieten, vorteilhaft für Benutzer, die nicht wissen, wonach sie suchen. Manchmal stoßen Benutzer auf ein Problem und können beschreiben, was passiert, aber sie kennen nicht die Ursache des Problems oder welche Dokumentation zur Lösung des Problems benötigt wird. Es kann mehrere Hin- und Her-Klärungen erfordern, bis die Engine die Ergebnisse ermittelt, die die Benutzer benötigen, was semantische Suche erforderlich macht, um die Aufgabe zu erledigen.

Vorteile der semantischen Suche

Der Einsatz einer semantischen Suchmaschine bietet viele Vorteile für interne Teams und externe Benutzer gleichermaßen.

Verbesserung der konversationellen und natürlichsprachlichen Suche

Stellen Sie sich vor, ein Support-Mitarbeiter sucht nach Antworten unter Verwendung des Textkörpers einer Helpdesk-E-Mail. Oder vielleicht ist sich ein Benutzer nicht sicher, welche Art von Dokumentation er benötigt, und gibt daher eine lange Erklärung in eine Self-Service-Suchleiste ein. In beiden Fällen wäre die Stichwortsuche nicht ideal. Lange, komplexe Erklärungen mit vielen Wörtern sind für Stichwort-Suchmaschinen zu verwirrend. Sie benötigen Suchanfragen, die minimale Wörter enthalten. Umgekehrt verbessert die Ähnlichkeitssuche die Suchgenauigkeit für die vorgestellten Fallstudien, da sie die kontextuelle Bedeutung der Wörter, die eine Person für die Suche verwendet, korrekt interpretiert.

Der Prozess der Ähnlichkeitssuchmaschine, relevante Dokumentation zu finden, indem Abfrage-Embeddings mit denen in der Vektordatenbank verglichen werden, verbessert die Genauigkeit der Suchergebnisse für diese Anwendungsfälle erheblich.

Verbesserung der Kundenzufriedenheit

Kunden finden gerne ihre eigenen Lösungen und 81 % der Benutzer wünschen sich mehr Tools, um dies tun zu können. Damit diese Tools Helpdesk-Tickets effektiv ablenken und Benutzerprobleme lösen können, müssen sie sich in Richtung eines konversationelleren Self-Service bewegen. Semantische Suche ermöglicht es Benutzern, komplexe Suchanfragen zu starten, bei denen sie die Situation erklären und Details angeben können, wie sie es bei einem Support-Mitarbeiter tun würden. Im Gegenzug erhalten sie genaue, relevante Informationen, wo und wann immer sie diese benötigen. Dies führt zu einer schnelleren, reibungsloseren Problemlösung, ohne dass mit einem echten Support-Mitarbeiter gesprochen werden muss. Wenn Kunden autonom schnelle und einfache Antworten finden, sind sie zufriedener, was die Support-Belastung reduziert.

Steigerung der Unternehmensproduktivität

Wenn es schwierig ist, Informationen zu finden, verschwenden Ihre Teams wertvolle Zeit. Ohne eine starke Suchmaschine zeigen Studien, dass in 80 % der Fälle in Großbritannien und den USA Mitarbeiter bis zu acht Versuche benötigen, um die benötigten Informationen zu finden. Die Bereitstellung einer semantischen Suchmaschine steigert die Teamproduktivität erheblich. Ihre Suchfunktionen ermöglichen es Mitarbeitern, Dokumente schnell zu finden, ohne zu wissen, ob sie existieren oder wie andere Teams die Dokumentation im internen Wissenshub des Unternehmens kennzeichnen. Dadurch verbringen Mitarbeiter weniger Zeit mit der Suche nach Dokumentation und mehr Zeit damit, autonom ihre täglichen Aufgaben voranzutreiben.

Fazit

Semantische Suche macht es Kunden und Mitarbeitern leicht, Informationen zu finden, die zuvor verloren waren und nicht in der Lage waren, die benötigten Antworten zu finden. Durch die Implementierung einer semantischen Suchmaschine in diese drei Kernanwendungsfälle wird Ihr Unternehmen die Produktivität steigern, die Benutzererfahrung verbessern und die Genauigkeit bei komplexen Suchen erhöhen. Mit diesen Empfehlungen im Hinterkopf bleibt nur noch, eine Lösung zu wählen! Die fortschrittliche Suchmaschine von Fluid Topics liefert relevante, personalisierte Ergebnisse über alle Benutzer-Touchpoints hinweg. Verpassen Sie nicht das Serienfinale, um mehr über unsere innovative Suchlösung zu erfahren in „Fluid Topics: Ihre semantische Suchlösung für relevante Ergebnisse„.