仔細想想，我們就會意識到自己曾經多么依賴在線搜索。想找找附近有哪些泰國餐廳?只需要在搜索引擎中輸入這個問題，網頁就會逐頁列出我們所在位置周邊的泰式料理選項。打算了解奧斯汀市的天氣預報，同樣輸入查詢，就可以收到最近三天、五天的天氣信息，甚至是全年天氣指數平均值等更多補充數據。

這就是我們當前所處的世界。即使是出生在互聯網誕生之前的人們，如今也開始接受文化歷史學家兼媒體學者Siva Vaidhyanathan提出的“萬物谷歌化”理論——只要我們輸入查詢并瀏覽頁面，想要了解的一切信息都將出現在結果頁面當中。

但令人驚訝甚至令人費解的是，作為如今生活中的一大重要技術領域，搜索引擎服務在某種程度上一直沒有跟上時代的發展步伐。可以說時至今日，它仍與剛剛誕生時差別不大。

　　脫離時代的搜索引擎

Northern Light公司(一家位于波士頓的戰略研究門戶網站供應商)CEO David Seuss表示：“搜索服務從1994年誕生至今已經20多年，而直到現在個人數字助手出現，才真正帶來了模式層面的改變。1994年，當我們訪問搜索框時，可以在上面填寫查詢內容，點擊搜索按鈕并收取信息反饋。我們可以手動查看這些內容，選擇其中相關度最高的部分瀏覽。時間快進到2019年，整個操作過程還是一樣。而回顧整個歷程，幾乎所有技術領域都發生了翻天覆地的變化——包括寬帶、無線、移動云計算以及人工智能等等。只有搜索被排除在外，仍然保持著原來的樣子。”

盡管研究表明用戶對于現有搜索模式感到沮喪，但Seuss認為這種創新缺失的問題主要源自缺乏豐富的構圖。目前，每項查詢所對應的大量條目往往讓人不知所措。Madeline Jacobson在他的文章中寫道，“普通用戶最多只會查看搜索引擎結果頁面(簡稱SERP)中的前五頁。造成這一結果的原因可能是因為可用內容太多，但其組織方式卻相當糟糕，這逼迫著用戶必須從初始部分的結果當中尋找答案——即使其質量可能并不理想。”在Jacobson看來，“大多數人會從前幾項結果中選一個點擊，這可能是因為他們找到了需要的答案、不想再繼續往后看、時間緊迫或者是三者兼而有之。”

對此，被《福布斯》雜志評為全球十大營銷大師之一的Neil Patel則用一個笑話講述了其中的道理：“如果我們有某樣東西不希望被人們找到，應該把它放在哪里?”答案是——放在谷歌搜索結果的第二頁中。可悲的是，這其實并不完全是個笑話，因為Patel很清楚有調查證明高達四分之三的用戶從未查看過搜索結果的第二頁。另外，即使前兩頁給出的結果已經可以令人接受，但考慮到總結果頁數可能成百上千，這種操作方式對于信息領域仍然是種巨大的損害。由于搜索機制沒能與時俱進，無數重要的研究結果在默默無聞中被永遠擱置起來。更重要的是，這也使我們更難獲得自己真正需要的信息——因為顯示結果往往更傾向于那些付費廣告客戶以及通過搜索引擎優化提升自身搜索排名的公司。

基于上述各類問題，我們可以肯定的是，如今占在職員工總數35%以上的千禧一代(即2000年左右剛剛成年的一代)已經掀起一輪搜索方式回歸。相較于使用極耗時間且效率不高的手動查詢模式，新一代人正在使用所謂的“瀏覽內容”這一收效更好的模式——其主要強調通過值得依賴的平臺的相關整合信息。

Seuss表示：“千禧一代在信息收集方面與嬰兒潮一代(出生于1940年-1950年)乃至X世代(出生于1950年-1960年)完全不同。對于后兩者而言，搜索代表著他們的職業生涯開始出現根本性轉變。在此之前，他們需要到圖書館里尋找相關的書籍及雜志，而在互聯網時代，他們就可以通過學習如何成功上網來查找自己需要的信息。因此，嬰兒潮一代與X世代主要在網絡上進行研究及學習性質的搜索操作。在另一方面，千禧一代則以此為基礎并將搜索推向新的高度。速度，已經成為向千禧一代成功傳遞信息的決定性因素。事實上，他們是非常高效的信息收集者，只要擁有正確的工具以及與其喜好匹配的認知風格設計，他們就能快速獲得高相關度的信息。”

使用這種新的內容瀏覽模式的人群多具有以下特點：他們的生活都匆匆忙忙，總感到時間不足;都對已經陳舊不堪的查詢、篩選、下載而后再次重復的搜索模式感到不滿，并深切贊同應當建立起行之有效的策劃或“講故事”模式，從而促進競爭性信息(簡稱CI)的發展。

　　利用人工智能，讓內容尋找用戶

那么，這種新的“講故事”研究模式應該是怎樣的?如何才能在搜索領域取得新的技術突破，從而升級這個長期以來一直未能“進化”的行業?機器學習是一個重要的方向。

在人工智能技術的幫助下，以往需要由研究人員完成的任務如今已經可以交給計算機處理。利用后者強大的模式構建與預測能力，搜索引擎甚至可以觀察用戶的行為，根據他們下載、分享、評論或者收藏的內容來識別他們的興趣。利用由此積累到的知識，AI能夠在無需手動提示的情況下主動向用戶推薦相關內容。這意味著與傳統搜索模式中以頁面作為內容硬性分割線的排名核心型方法不同，現在我們可以讓內容尋找用戶，而非由用戶尋找內容。

除此之外，機器學習還能給搜索帶來更多的改進。任何習慣于收取RSS摘要或者電子郵件提醒的用戶，可能都清楚在策略儀表板中快速瀏覽并處理要點內容所帶來的便利。《紐約時報》等出版物就是通過這種方式提供每日新聞簡報，從而幫助讀者快速梳理這一天中值得關注的大事要事。此外，Northern Light公司通過基于AI的平臺也實現了類似的功能，即對關鍵內容進行有效總結。Seuss解釋道：“這意味著用戶不必以手動方式滾動瀏覽搜索結果清單以及單一文檔，從而自行收集問題的碎片答案。相反，搜索引擎會讀取所有文檔并根據其重要性總結出一份摘要內容。”

這種信息可操作性的升級，對于企業在競爭日益激烈的商業環境中保持狀態更新至關重要。擁有最新的信息對于IT領域的組織而言尤其關鍵，因為閃電般的產品開發速度與生命周期往往導致今天的重要信息到了明天就毫無價值。同樣的，也有不少企業正在遭受信息泛濫的沖擊。他們知道自己需要了解最新信息，但又經常發現自己的努力由于龐大的數據總量與可觀的數據來源而難以為繼。鑒于研究結果不斷變化且正在迅速過時，許多人可能會更關注那些能夠聚合并集中展現關鍵內容的平臺。

Seuss建立的SinglePoint知識門戶就是其中之一，目的是為來自各行各業的客戶——包括制藥、制造、物流、IT與酒店等——提供此類服務。通過為每家客戶提供個性化方法的方式，其能夠從一系列內容合作伙伴(例如Forrester、IDC以及Informa等)處收集與業務相關的內容。此外，該平臺還能夠提供符合廣泛行業與業務戰略分類標準的文本分析功能，并具備對來自關聯次級來源、內部主要來源、新聞、政府以及網絡的內容進行自定義的匯總能力。根據對最新競爭性信息的收集，從而為企業客戶提供豐富的按需整理內容。

除了集中收集所需信息之外，Northern Light還致力于解決與傳統搜索相關的另一個重大難題：如何及時收集相關度最高、實用性最強的信息。大多數人都習慣了在面對大量結果后，以手動篩選的方式過濾掉垃圾內容這種惱人的體驗。為了解決這一普遍痛點，Northern Light的方案是提供洞察報告，通過機器學習技術自動在搜索結果中總結文檔。

雖然是個好辦法，但其中還有重要的一個問題，即AI不能為客戶重寫文章。相反，其必須利用專有算法提取并呈現最重要的，最能夠表達精辟思想的內容。大家可能經常發現搜索引擎直接把文檔中的所有句子都羅列出來，這時人工智能技術就會發揮作用——包括確定句子之間的關系，從而合成用戶需要了解的最重要條目。Seuss解釋道：“機器會首先按照文件出現的順序對報告中的句子進行排序，而后按照文件在搜索結果上的順序對各句子進行分組與再次排序。”

利用這類機器學習方案，企業與個人的搜索壓力將得到明顯的減輕。更重要的是，與以往任何時候相比，如今的我們都更有理由努力跟上每天新增的大量信息。而令人難以置信的是，搜索這一與互聯網密切相關的行為一直沒有跟上不斷變化的時代步伐。當然，隨著技術的持續發展，將有更多想象中的成果逐步轉化為現實，這意味著搜索業務的最終消亡——或者說以新的形式建立起搜索2.0時代。我們不再依靠大量查詢來尋求自己需要的知識，而是引導更多信息主動呈現在我們面前。在這背后，需要機器學習技術以其“智能”不斷預測我們的信息需求。

【來源：科技行者】