仔細想想，我們就會意識到自己曾經(jīng)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(wǎng)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(shù)平均值等更多補充數(shù)據(jù)。

　　這就是我們當前所處的世界。即使是出生在互聯(lián)網(wǎng)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(xiàn)在結(jié)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(shù)領(lǐng)域，搜索引擎服務在某種程度上一直沒有跟上時代的發(fā)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(zhàn)略研究門戶網(wǎng)站供應商)CEO David Seuss表示：“搜索服務從1994年誕生至今已經(jīng)20多年，而直到現(xiàn)在個人數(shù)字助手出現(xiàn)，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(nèi)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(nèi)容，選擇其中相關(guān)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(shù)領(lǐng)域都發(fā)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(xiàn)有搜索模式感到沮喪，但Seuss認為這種創(chuàng)新缺失的問題主要源自缺乏豐富的構(gòu)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(jié)果頁面(簡稱SERP)中的前五頁。造成這一結(jié)果的原因可能是因為可用內(nèi)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(jié)果當中尋找答案——即使其質(zhì)量可能并不理想�！痹贘acobson看來，“大多數(shù)人會從前幾項結(jié)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(xù)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(jié)果的第二頁中�？杀�的是，這其實并不完全是個笑話，因為Patel很清楚有調(diào)查證明高達四分之三的用戶從未查看過搜索結(jié)果的第二頁。另外，即使前兩頁給出的結(jié)果已經(jīng)可以令人接受，但考慮到總結(jié)果頁數(shù)可能成百上千，這種操作方式對于信息領(lǐng)域仍然是種巨大的損害。由于搜索機制沒能與時俱進，無數(shù)重要的研究結(jié)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(jié)果往往更傾向于那些付費廣告客戶以及通過搜索引擎優(yōu)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(shù)35%以上的千禧一代(即2000年左右剛剛成年的一代)已經(jīng)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(nèi)容”這一收效更好的模式——其主要強調(diào)通過值得依賴的平臺的相關(guān)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(yè)生涯開始出現(xiàn)根本性轉(zhuǎn)變。在此之前，他們需要到圖書館里尋找相關(guān)的書籍及雜志，而在互聯(lián)網(wǎng)時代，他們就可以通過學習如何成功上網(wǎng)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(wǎng)絡上進行研究及學習性質(zhì)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(jīng)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(guān)度的信息�！�

　　使用這種新的內(nèi)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(jīng)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(fā)展。

　　利用人工智能，讓內(nèi)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(lǐng)域取得新的技術(shù)突破，從而升級這個長期以來一直未能“進化”的行業(yè)?機器學習是一個重要的方向。

　　在人工智能技術(shù)的幫助下，以往需要由研究人員完成的任務如今已經(jīng)可以交給計算機處理。利用后者強大的模式構(gòu)建與預測能力，搜索引擎甚至可以觀察用戶的行為，根據(jù)他們下載、分享、評論或者收藏的內(nèi)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(guān)內(nèi)容。這意味著與傳統(tǒng)搜索模式中以頁面作為內(nèi)容硬性分割線的排名核心型方法不同，現(xiàn)在我們可以讓內(nèi)容尋找用戶，而非由用戶尋找內(nèi)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(nèi)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(guān)注的大事要事。此外，Northern Light公司通過基于AI的平臺也實現(xiàn)了類似的功能，即對關(guān)鍵內(nèi)容進行有效總結(jié)。Seuss解釋道：“這意味著用戶不必以手動方式滾動瀏覽搜索結(jié)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(jù)其重要性總結(jié)出一份摘要內(nèi)容。”

　　這種信息可操作性的升級，對于企業(yè)在競爭日益激烈的商業(yè)環(huán)境中保持狀態(tài)更新至關(guān)重要。擁有最新的信息對于IT領(lǐng)域的組織而言尤其關(guān)鍵，因為閃電般的產(chǎn)品開發(fā)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(yè)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(jīng)常發(fā)現(xiàn)自己的努力由于龐大的數(shù)據(jù)總量與可觀的數(shù)據(jù)來源而難以為繼。鑒于研究結(jié)果不斷變化且正在迅速過時，許多人可能會更關(guān)注那些能夠聚合并集中展現(xiàn)關(guān)鍵內(nèi)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(yè)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(nèi)容合作伙伴(例如Forrester、IDC以及Informa等)處收集與業(yè)務相關(guān)的內(nèi)容。此外，該平臺還能夠提供符合廣泛行業(yè)與業(yè)務戰(zhàn)略分類標準的文本分析功能，并具備對來自關(guān)聯(lián)次級來源、內(nèi)部主要來源、新聞、政府以及網(wǎng)絡的內(nèi)容進行自定義的匯總能力。根據(jù)對最新競爭性信息的收集，從而為企業(yè)客戶提供豐富的按需整理內(nèi)容。

　　除了集中收集所需信息之外，Northern Light還致力于解決與傳統(tǒng)搜索相關(guān)的另一個重大難題：如何及時收集相關(guān)度最高、實用性最強的信息。大多數(shù)人都習慣了在面對大量結(jié)果后，以手動篩選的方式過濾掉垃圾內(nèi)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(shù)自動在搜索結(jié)果中總結(jié)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(xiàn)最重要的，最能夠表達精辟思想的內(nèi)容。大家可能經(jīng)常發(fā)現(xiàn)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(shù)就會發(fā)揮作用——包括確定句子之間的關(guān)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(xiàn)的順序?qū)�報告中的句子進行排序，而后按照文件在搜索結(jié)果上的順序?qū)Ω骶渥舆M行分組與再次排序�！�

　　利用這類機器學習方案，企業(yè)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(lián)網(wǎng)密切相關(guān)的行為一直沒有跟上不斷變化的時代步伐。當然，隨著技術(shù)的持續(xù)發(fā)展，將有更多想象中的成果逐步轉(zhuǎn)化為現(xiàn)實，這意味著搜索業(yè)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(xiàn)在我們面前。在這背后，需要機器學習技術(shù)以其“智能”不斷預測我們的信息需求。