Guide에서 사용자 검색 쿼리의 의도 및 컨텍스트를 기반으로 가능한 가장 정확한 검색 결과를 생성하는 방법으로 시맨틱 검색을 사용하기 시작했습니다. 키워드에 대한 문자 그대로의 일치를 찾는 검색 방법과 달리 시맨틱 검색은 검색 쿼리의 의미를 파악하여 최종 사용자와 상담사가 사용할 정확한 키워드에 대한 사전 지식 없이도 콘텐츠를 검색하고 찾을 수 있도록 도와줍니다.
시맨틱 검색이 사용 설정되어 있는지 여부와 배포 계획이 어떤지 알아보는 방법을 이해하려면 시맨틱 검색 배포 계획 이해하기를 참조하세요.
시맨틱 검색이란 무엇인가요?
시맨틱 검색은 인공 지능(AI)을 활용하여 인간이 하는 것과 유사한 방식으로 검색 쿼리에 사용된 언어의 전체 의미와 의도를 처리하고 이해합니다. 특히 머신 러닝(ML)과 자연어 처리(NLP) 기술이 시맨틱 검색에 함께 사용되어 사용자가 검색 쿼리를 제출할 때 검색 엔진이 사용자의 의도를 이해할 수 있도록 돕습니다. 사용자가 사용하는 키워드와 관계없이 실제로 찾고 있는 것이 무엇인지 이해하면 검색 엔진이 가장 관련성 높은 결과를 리턴하고 순위를 매기는 데 도움이 됩니다.
예를 들어 시맨틱 검색을 사용하면 최종 사용자와 상담사가 최상의 결과를 얻기 위해 어떤 키워드를 사용할지 걱정하지 않고 자연어로 질문할 수 있습니다. 새 상담사가 쿼리에 사용할 가장 좋은 키워드나 키워드 시퀀스에 대해 고민할 필요 없이 “Guide를 사용하려면 어떻게 해야 하나요?”라고 마치 대화하듯 물을 수 있습니다. 시맨틱 검색에서는 사람에게 묻듯이 자연스럽게 질문을 입력할 수 있고 결과 맨 위에서 가장 관련성 높은 문서를 볼 수 있습니다.
시맨틱 검색 작동 방식
Guide 검색은 쿼리와 콘텐츠(예: 문서, 커뮤니티 게시물 또는 외부 레코드) 간의 키워드 일치를 찾는 방법에 의존해 왔습니다. 하지만 이 방법으로는 쿼리의 “의미“ 즉, 시맨틱을 파악하지 못했습니다. 반면 시맨틱 검색은 자연어 처리를 통해 검색 쿼리의 내용과 콘텐츠를 이해합니다. 이로써 검색 엔진이 그렇지 않으면 놓칠 수도 있는 복잡한 패턴을 식별하는 데 도움이 됩니다. 많은 경우에 시맨틱 검색은 쿼리와 인덱싱된 콘텐츠 간에 정확하게 겹치는 단어가 없을 때에도 관련 결과를 찾을 수 있습니다.
언어 모델에 의존하는 시맨틱 검색은 쿼리 및 헬프 센터 문서를 벡터(숫자 표현)로 변환하여 그 거리를 측정할 수 있습니다. 언어 모델에 의해 벡터 공간에 더 가까운 문서가 더 유사한 것으로 간주됩니다. 언어 모델은 많은 텍스트 예제를 대상으로 훈련되며 이러한 예제를 통해 텍스트의 의미를 정확하게 해석하는 방법을 배워왔습니다.
시맨틱 검색을 사용하면 검색 엔진이 의미상 더 나은 일치 항목의 관련성을 높입니다. 이렇게 하면 검색 쿼리의 의도 및 컨텍스트에 따라 가장 관련성이 높은 콘텐츠가 검색 결과 맨위에 표시됩니다. 검색이 수행될 때마다 검색 결과 순위가 키워드 일치뿐만 아니라 의미론적 일치에 따라 매겨집니다.
Guide에서 시맨틱 검색을 사용하여 검색 환경을 향상하는 방법
시맨틱 검색은 더욱 직관적인 검색 환경을 제공하여 헬프 센터 방문자들이 원하는 용어를 사용하여 검색할 수 있도록 합니다. Guide에서 시맨틱 검색을 통합하기 시작한 이후 역순위 평균(MRR, Mean Reciprocal Rank) 및 클릭률(CTR, Click Through Rate)과 같은 검색 품질 메트릭의 개선이 관찰되었습니다. 특히 영어 Zendesk 헬프 센터의 시맨틱 검색 첫 시행에서 MRR이 평균 7% 향상되었습니다. 클릭을 통한 검색도 더 많이 관찰되었습니다.
시맨틱 검색은 검색 관련성을 개선하고 가장 관련성이 높은 결과를 맨 위에 배치함으로써 다음과 같이 헬프 센터를 개선하고 있습니다.
- 최종 사용자가 원하는 정보를 더 쉽게 찾을 수 있어 헬프 센터의 티켓 수를 줄이는 데 기여하고 있습니다.
- 상담사는 더욱 신속하게 답을 찾을 수 있어 업무 효율성을 더욱 높일 수 있습니다.
시맨틱 검색의 효과 정도는 사용자의 검색 동작에 따라 다릅니다. 시맨틱 검색은 특히 긴 검색 쿼리에 대해 긍정적인 이점이 있지만 모든 유형의 검색에 대한 관련성도 향상시킵니다.