Når du søger i Viva Engage, sker der meget bag kulisserne, alt sammen på mindre end et sekund. Søgning i Engage omfatter en samling innovative funktioner til at fokusere søgeresultaterne til de ønskede mål for din forespørgsel. Følgende billede viser arbejdsprocessen for Engage søgning, som bruger en effektiv funktion kaldet hybridsøgning.
Hybridsøgning: Søgeordsmatchning + betydning matchende
Viva Engage bruger en arkitektur kaldet hybridsøgning, som er to fundamentalt forskellige søgemetoder, der kører på samme tid og supplerer hinanden:
- Søgeordsmatchning finder indlæg, der indeholder præcis de ord, du angiver. Den bruger en gennemprøvet informationsindhentningsteknik, der ikke kun overvejer, om dine søgeord vises, men hvor ofte de vises, og hvor karakteristiske de er. Et sjældent, specifikt ord som "hackathon" vejer tungere end et almindeligt ord som "team". Dette er velegnet til bestemte termer som projektnavne, akronymer eller en persons navn. Hvis du søger efter "OKR'er for FY26 Q3", finder matchning af nøgleord indlæg, der bruger præcis disse ord. Søgeordsmatchning trækker også på to puljer af indhold: udforskningsresultater (opdagelsesfokuseret, på tværs af alt indhold, du har adgang til) og tilhørsforholdsresultater (tilpassede, vægtet mod personer og fællesskaber, du interagerer mest med). Disse to puljer flettes for at give dig både bredde og tilpasning lige fra starten.
- Meningsmatchning bruger kunstig intelligens til at forstå hensigten bag din forespørgsel. Din forespørgselstekst konverteres til en matematisk repræsentation af dens betydning (kaldet en "indlejring") og sammenlignes derefter med indlejringer for alle tråde i netværket. Indlæg med lignende betydning vises, selvom de bruger helt forskellige ord. Hvis du f.eks. søger efter "idéer til teammoral", betyder det, at matchning kan registrere og vise et opslag med titlen "Sjove aktiviteter, der øger teamengagementet". Der er ingen ordoverlapning, men betydningen er den samme. Kun resultater, der opfylder en minimumsgrænseværdi for lighed, medtages, hvilket sikrer kvaliteten.
Hvorfor bruge begge dele? Matchning af nøgleord er præcis og forudsigelig. Det betyder, at matchning hjælper dig med at opdage indhold, du måske er gået glip af. Sammen kaster de et bredt net og evaluerer typisk hundredvis af kandidatstillinger, før de indsnævrer de mest relevante resultater.
Beskyttelse af personlige oplysninger og tilladelser
Engage anvender streng tilladelseskontrol. Du får kun vist indhold, du har adgang til. Indlæg fra private grupper, du ikke er medlem af, eller tråde, der er blevet slettet, vises aldrig. Indhold fra community'er, som du har slået lyden fra fra, vises stadig i søgeresultaterne. Slå lyden fra påvirker dit feed, ikke søgningen.
Tilpasset rangering
Efter at have fundet alle de potentielt relevante indlæg bruger Engage en maskinlæringsmodel til at rangere dine søgeresultater. Modellen evaluerer hvert kandidatopslag på tværs af over 100 forskellige signaler, organiseret i flere kategorier:
- Tekstrelevans: hvor godt indholdet af indlægget matcher din forespørgsel, målt gennem flere dimensioner, herunder ordfrekvens, vigtighed af ord, matchtæthed, og hvilken del af indlægget matchet vises i (titel, brødtekst eller svar).
- People tilhørsforhold: hvor meget du interagerer med den person, der har skrevet indlægget, på tværs af Engage, Outlook, Teams og andre Microsoft 365-værktøjer. Systemet beregner en personlig tilhørsforholdsscore mellem dig og hver forfatter i resultatsættet.
- Communitytilhørsforhold: Hvor aktiv du er i det community, hvor indlægget blev delt, baseret på dine besøg, svar og interaktionshistorik med det pågældende community.
- Semantisk lighed: tre separate AI-beregnede lighedsscorer: hvor tæt din forespørgsels betydning er på indlæggets indhold, på indlæggets forfatter og på det community, hvor den blev slået op.
- Aktualitets- og tidssignaler: hvornår indlægget blev oprettet, hvor lang tid der er gået, og tidsforringelsesfaktorer, der naturligt booster nyere indhold.
- Engagementssignaler: Antal visninger, antal svar, reaktioner og brugerens egen søge- og klikhistorik hjælper med at forudsige, hvad brugeren vil finde værdifuldt.
- Fremhæv kvalitet: hvor i indlægget matchene vises, hvor koncentrerede de er, og hvor fremtrædende de matchende sektioner er.
Slutresultatet er, at to personer, der søger efter det samme, kan få forskellige resultater. Hvis du arbejder tæt sammen med nogen i ingeniørteamet, og de har skrevet om "hackathon", rangerer deres indlæg naturligvis højere for dig end for nogen, der aldrig har interageret med dem.
Hastighed og ydeevne
Alle disse funktioner, herunder generering af hybride kandidater, funktionsberegning på tværs af 100+ signaler, rangering af maskinel indlæring og filtrering af tilladelser, finder sted på under et sekund. Flere teknikker gør dette muligt:
Parallelitet: Matchning af nøgleord og betydning kører samtidigt, ikke efter hinanden, så den samlede tid er varigheden af den langsommere søgning, ikke summen af begge
Smart cachelagring: Når du får vist den første side med resultater, foretager og cachelagrer Engage den næste side i baggrunden. Det betyder, at sideinddelingen føles øjeblikkelig – når du klikker til side 2 eller 3, vises cachelagrede resultater uden forsinkelse
Batchbehandling: Signaler som engagementshistorik og communitymetadata hentes og beregnes i optimerede batches i stedet for ét ad gangen
Resultatet er en søgeoplevelse, der føles øjeblikkelig, mens du udfører sofistikeret arbejde bag kulisserne.
Søge efter personer
Viva Engage-søgning er ikke kun til samtaler. Det er også en effektiv måde at finde personer på tværs af organisationen. Når du søger efter en person, matcher Engage mod:
- Visningsnavn: fornavn, efternavn eller begge dele (f.eks. "Rajesh Jha")
- Stilling: Søg efter rolle (f.eks. "teknisk chef" eller "ledende projektleder")
- Mail eller alias: Søg efter mailadresse eller aliaspræfiks
People-resultater vises både i rullemenuen med hurtige forslag og i fanen People på siden med søgeresultater. Hvert resultat viser personens navn, profilbillede, stilling og mail, så du hurtigt kan identificere den rigtige person, selvom der er flere matches.
Tip
Hvis du kender en persons mailalias, er søgning efter det (f.eks. "chrzeng") ofte den hurtigste måde at finde personen på. Søgning efter jobtitel (f.eks. "produktchef Engage") hjælper dig med at finde personer, du måske ikke kender ved navn.
Søgning efter community'er
Leder du efter et community at deltage i? Søg efter match med communitynavne og -beskrivelser. Det betyder, at du kan søge efter emne (f.eks. "tilgængelighed", "onboarding", "kvindeligt lederskab") og finde relevante communities, selvom det nøjagtige ord ikke er i communitynavnet.
Communityresultater vises også i de øjeblikkelige forslag, mens du skriver, hvilket gør det nemt at navigere direkte til et community uden at gå til den komplette resultatside.
Her er nogle få eksempler på, hvordan communitysøgning fungerer:
| Du søger efter... | Du finder grupper som... |
|---|---|
| "tilgængelighed" | Engage tilgængelighed, tilgængelighed, forbundet community, tilgængelighed, ledelsesfællesskab |
| "Kvindeligt lederskab" | SMV&C Kvinder i ledelse, Women's Leadership Community (WLC), Technical Women Leaders |
| "Azure DevOps" | Azure DevOps / 1ES og relaterede Azure-teknikercommunities |
| "onboarding" | Onboarding, Alchemy Onboarding, onboarding af nye medarbejdere |
Fremhævning af nøgleord
Når du lander på siden med søgeresultater, fremhæves dine søgeord i forhåndsvisninger af indlæg. Det hjælper dig med hurtigt at få overblik over resultaterne og forstå, hvorfor hvert indlæg blev returneret.
Fremhævning vises på følgende placeringer:
- Trådtitlen (hvis indlægget har en).
- Forhåndsvisningen af brødteksten: Engage viser det mest relevante uddrag af indlægget med dine søgeord fremhævet.
- Svar: Hvis et svar matcher din forespørgsel, vises det med fremhævninger under det oprindelige indlæg. Hvis du f.eks. søger efter "AI-værktøjer og copilot", fremhæves hvert matchende ord i resultaterne, hvilket gør det nemt at se, hvordan indlægget relaterer til din forespørgsel.
Bemærk
Fremhævning af nøgleord vises muligvis ikke konsekvent på tværs af alle resultattyper. For eksempel indekseres emnenavne og gruppenavne og søgbare i søgbare versioner, men fremhæves i øjeblikket ikke i søgeresultaterne. Vi arbejder aktivt på at forbedre ensartetheden i fremhævning på tværs af søgeoplevelsen.