Lorsque vous effectuez une recherche dans Viva Engage, beaucoup de choses se passent en arrière-plan, en moins d’une seconde. La recherche dans Engage implique une collection de fonctionnalités innovantes pour concentrer les résultats de la recherche sur les objectifs souhaités de votre requête. L’image suivante montre le flux de travail de la recherche Engage, qui utilise une fonctionnalité puissante appelée recherche hybride.
Recherche hybride : Correspondance de mots clés + correspondance de signification
Viva Engage utilise une architecture appelée recherche hybride, qui est deux approches de recherche fondamentalement différentes qui s’exécutent en même temps et se complètent :
-
La correspondance par mot clé recherche les publications qui contiennent les mots exacts que vous entrez. Il utilise une technique de récupération d’informations éprouvée qui prend en compte non seulement si vos mots clés apparaissent, mais aussi à quelle fréquence ils apparaissent et à quel point ils sont distinctifs. Un mot rare et spécifique comme « hackathon » a plus de poids qu’un mot courant comme « équipe ». Cela est idéal pour des termes spécifiques tels que les noms de projet, les acronymes ou le nom d’une personne. Si vous recherchez « OKR FY26 Q3 », mot clé correspondance recherche les billets qui utilisent ces termes exacts. La mise en correspondance des mots clés s’appuie également sur deux pools de contenu : les résultats d’exploration (axés sur la découverte, sur tout le contenu auquel vous pouvez accéder) et les résultats d’affinité (personnalisés, pondérés pour les personnes et les communautés avec lesquelles vous interagissez le plus). Ces deux pools sont fusionnés pour vous donner de l’étendue et de la personnalisation dès le début.
-
La mise en correspondance de sens utilise l’IA pour comprendre l’intention derrière votre requête. Le texte de votre requête est converti en une représentation mathématique de sa signification (appelée « incorporation »), puis comparé aux incorporations pour tous les threads du réseau. Les billets avec une signification similaire sont exposés, même s’ils utilisent des mots complètement différents. Par exemple, si vous recherchez « idées de moral de l’équipe », ce qui signifie que la correspondance peut détecter et afficher un billet intitulé « Activités amusantes pour stimuler l’engagement de l’équipe ». Il n’y a pas de chevauchement de mots, mais la signification est la même. Seuls les résultats qui atteignent un seuil de similarité minimale sont inclus, ce qui garantit la qualité.
Pourquoi utiliser les deux ? La correspondance de mot clé est précise et prévisible. La correspondance de sens vous aide à découvrir le contenu que vous avez peut-être manqué. Ensemble, ils jettent un filet large, en évaluant généralement des centaines de postes candidats, avant d’affiner les résultats les plus pertinents.
Confidentialité et autorisations
Engage applique des contrôles d’autorisation stricts. Vous verrez uniquement le contenu auquel vous avez accès. Les publications de communautés privées que vous n’avez pas jointes ou les threads qui ont été supprimés ne sont jamais affichés. Le contenu des communautés que vous avez désactivées apparaît toujours dans les résultats de recherche : le son affecte votre flux, et non la recherche.
Classement personnalisé
Après avoir trouvé tous les billets potentiellement pertinents, Engage utilise un modèle Machine Learning pour classer vos résultats de recherche. Le modèle évalue chaque billet candidat sur plus de 100 signaux différents, organisés en plusieurs catégories :
-
Pertinence du texte : dans quelle mesure le contenu du billet correspond à votre requête, mesuré par plusieurs dimensions, notamment la fréquence des termes, l’importance du terme, la densité de correspondance, et la partie du billet dans laquelle la correspondance apparaît (le titre, le corps du texte ou les réponses).
-
People affinité : la quantité d’interactions que vous entrez avec la personne qui a écrit le billet, dans Engage, Outlook, Teams et d’autres outils Microsoft 365. Le système calcule un score d’affinité personnalisé entre vous et chaque auteur dans le jeu de résultats.
-
Affinité avec la communauté : votre niveau d’activité dans la communauté où le billet a été partagé, en fonction de vos visites, de vos réponses et de votre historique d’engagement avec cette communauté.
-
Similarité sémantique : trois scores de similarité calculés par IA distincts : la proximité de la signification de votre requête par rapport au contenu de la publication, à l’auteur du billet et à la communauté où elle a été publiée.
-
Récurrence et signaux de temps : quand le billet a été créé, le temps écoulé et les facteurs de décroissance qui augmentent naturellement le contenu plus récent.
-
Signaux d’engagement : les nombres d’affichages, le nombre de réponses, les réactions et l’historique des recherches et des clics de l’utilisateur permettent de prédire ce qu’il trouvera précieux.
-
Mettre en évidence la qualité : où les correspondances apparaissent dans le billet, leur concentration et leur importance dans les sections correspondantes.
Le résultat final est que deux personnes recherchant la même chose peuvent voir des résultats différents. Si vous travaillez en étroite collaboration avec une personne de l’équipe d’ingénierie et qu’elle a publié sur le « hackathon », son poste est naturellement plus élevé pour vous que pour quelqu’un qui n’a jamais interagi avec eux.
Vitesse et performances
Toutes ces fonctionnalités, y compris la génération de candidats hybrides, le calcul des fonctionnalités sur plus de 100 signaux, le classement machine learning et le filtrage des autorisations, ont lieu en moins d’une seconde. Plusieurs techniques rendent cela possible :
Parallélisme : mot clé et la correspondance de sens s’exécutent simultanément, pas l’un après l’autre, de sorte que le temps total correspond à la durée de la recherche la plus lente, et non à la somme des deux
Mise en cache intelligente : lorsque vous affichez la première page de résultats, Engage pré-extrait et met en cache la page suivante en arrière-plan. Cela signifie que la pagination semble instantanée : cliquer sur la page 2 ou 3 pour obtenir les résultats mis en cache sans délai
Traitement par lots : les signaux tels que l’historique des engagements et les métadonnées de la communauté sont extraits et calculés dans des lots optimisés plutôt qu’un à la fois
Le résultat est une expérience de recherche qui se sent instantané tout en effectuant un travail sophistiqué en arrière-plan.
Recherche de personnes
Viva Engage recherche ne concerne pas uniquement les conversations. C’est également un moyen puissant de trouver des personnes dans votre organization. Lorsque vous recherchez une personne, Engage correspond à :
-
Nom d’affichage : prénom, nom ou les deux (par exemple, « Rajesh Jha »)
-
Poste : recherche par rôle (par exemple, « responsable de l’ingénierie » ou « principal PM »)
-
Email ou alias : recherche par adresse e-mail ou préfixe d’alias
People résultats s’affichent à la fois dans la liste déroulante des suggestions instantanées et dans l’onglet People de la page des résultats de la recherche. Chaque résultat affiche le nom, la photo de profil, la fonction et l’e-mail de la personne, ce qui vous permet d’identifier rapidement la bonne personne même en cas de plusieurs correspondances.
Conseil : Si vous connaissez l’alias de messagerie d’une personne, la recherche de celui-ci (par exemple, « chrzeng ») est souvent le moyen le plus rapide de les trouver. La recherche par poste (par exemple, « chef de produit Engage ») vous permet de découvrir des personnes que vous ne connaissez peut-être pas par leur nom.
Recherche de communautés
Vous recherchez une communauté à rejoindre ? La recherche correspond aux noms et descriptions de la communauté. Cela signifie que vous pouvez effectuer une recherche par rubrique (par exemple, « accessibilité », « intégration », « leadership des femmes ») et trouver des communautés pertinentes, même si le mot exact n’est pas dans le nom de la communauté.
Les résultats de la communauté apparaissent également dans les suggestions instantanées à mesure que vous tapez, ce qui facilite l’accès direct à une communauté sans accéder à la page complète des résultats.
Voici quelques exemples de fonctionnement de la recherche dans la communauté :
|
Vous recherchez... |
Vous trouverez des communautés comme... |
|---|---|
|
« accessibilité » |
Engage accessibilité, communauté connectée à l’accessibilité, communauté de leadership en matière d’accessibilité |
|
« leadership des femmes » |
SME&C Women in Leadership, Women’s Leadership Community (WLC), Technical Women Leaders |
|
« Azure DevOps » |
Azure DevOps/ 1ES et les communautés d’ingénierie Azure associées |
|
« intégration » |
Intégration, Intégration d’Alchemy, Intégration des nouveaux employés |
Mise en surbrillance des mots clés
Lorsque vous accédez à la page des résultats de recherche, vos termes de recherche sont mis en surbrillance dans les préversions postérieures. Cela vous permet d’analyser rapidement les résultats et de comprendre pourquoi chaque publication a été retournée.
La mise en surbrillance s’affiche aux emplacements suivants :
-
Titre du thread (si le billet en a un).
-
Aperçu du corps du texte : Engage affiche l’extrait de code le plus pertinent du billet avec vos mots clés mis en surbrillance.
-
Réponses : si une réponse correspond à votre requête, elle apparaît avec des surbrillances sous le billet d’origine. Par exemple, la recherche de « outils d’IA et copilote » met en évidence chaque mot correspondant dans les résultats, ce qui permet de voir facilement comment le billet est lié à votre requête.
Remarque : La mise en surbrillance des mots clés peut ne pas apparaître de manière cohérente dans tous les types de résultats. Par instance, les noms des rubriques et des communautés sont indexés et peuvent faire l’objet d’une recherche, mais ne sont pas actuellement mis en surbrillance dans les résultats de la recherche. Nous travaillons activement à l’amélioration de la cohérence de la mise en évidence dans l’expérience de recherche.
