Графики знаний: введение
Графики знаний меняют то, как мы организуем и воспринимаем информацию.
Объединяя точки данных и выявляя взаимосвязи между ними, эти мощные инструменты преобразуют отрасли — от поисковых систем до цифрового маркетинга.
В этой статье рассматриваются основы графов знаний и их отношение к поиску информации и современному поиску.
График знаний: связь между данными и значением
Хотя Google популяризировал термин «график знаний» в 2012 году, концепция представления знаний как взаимосвязанной информации уходит корнями в 1980-е годы.
Учёные-компьютерщики и исследователи уже давно осознали необходимость в системах, которые могли бы обрабатывать информацию более близко к человеческому пониманию.
Сегодня графы знаний стали краеугольным камнем искусственного интеллекта и технологий поиска, помогая системам ИИ придавать значение данным, определяя отношения между объектами.
Графики знаний не только улучшают результаты поиска, но и предлагают мощный способ связать и контекстуализировать информацию, более естественно согласуясь с тем, как люди думают об отношениях.
Однако, несмотря на растущую важность, понимание того, что такое графы знаний и почему они необходимы, остается сложной задачей для многих специалистов.
Прежде чем углубляться в их практическое использование, важно понять основы:
Как графы знаний организуют информацию?
Почему они были созданы?
И какие проблемы они решают, которые не могут решить традиционные базы данных?
Давайте разберем эти понятия с помощью простой аналогии, знакомой профессионалам в области цифровых технологий.
Копайте глубже: SEO для объектов: полное руководство
Задание по ведению заметок
Представьте, что вы управляете аккаунтами клиентов в агентстве цифрового маркетинга. В первые дни, когда клиентов всего несколько, ваши заметки будут случайными и неструктурированными. Разговоры проходят естественно:
«Расскажите мне о своих маркетинговых усилиях».
«Какие инструменты вы сейчас используете?»
«Где ты хочешь быть через год?»
В ваших заметках отражается все, что кажется важным: некоторые клиенты испытывают трудности с маркетингом по электронной почте, другие не могут отслеживать рентабельность инвестиций в социальные сети, а некоторые даже не начали заниматься аналитикой.
Каждый документ отражает уникальный ход разговора и в общих чертах отражает потребности каждого клиента.
Но перенесемся на два года вперед. Сейчас ваше агентство обслуживает сотни клиентов из разных отраслей, а ваша команда перегружена разрозненной информацией в многочисленных документах. При попытке проанализировать эти данные возникают проблемы:
Один клиент называет свой технологический стек «HubSpot для всего».
Другой разбивает отдельные инструменты, такие как «MailChimp, Google Analytics, Later for Instagram».
Другой клиент просто отмечает «основные инструменты электронной почты и социальных сетей».
Некоторые упоминают «Google Ads», другие говорят «PPC» или «поисковая реклама» — технически одно и то же, но не в их заметках.
Информация есть в ваших заметках, но сейчас с ней становится все сложнее работать из-за несоответствий и отсутствия стандартной структуры.
Это разочарование отражает общую проблему в управлении данными: по мере роста данных растет и потребность в их структуре и последовательности.
Давайте рассмотрим потенциальное решение.
Первое решение: введение онтологий
Ваша команда собирается разобраться с растущим хаосом в документации, и решение кажется очевидным: создать стандартизированную базу данных для отслеживания информации о клиентах.
Однако быстро становится очевидным, что недостаточно просто перечислить данные о клиентах: вам нужна структура, которая сможет отразить разнообразие и сложность различных профилей клиентов.
Другими словами, вам нужна онтология – структурированная схема, которая классифицирует и определяет отношения между различными частями информации, чтобы они имели смысл для клиентов.
Вы начинаете с создания базовой онтологии:
Имя клиента: уникальный идентификатор для каждого клиента.
Отрасль: сегментация по типу бизнеса.
Текущие маркетинговые инструменты. Конкретные инструменты в технологическом наборе каждого клиента.
Маркетинговые цели. Такие цели, как «увеличение конверсий» или «улучшение охвата бренда».
Основные проблемы. Распространенные проблемы, с которыми сталкиваются клиенты, например «низкая вовлеченность по электронной почте» или «ограниченная рентабельность инвестиций в социальные сети».
Ежемесячный бюджет: информация о диапазоне бюджета.
Целевая аудитория: демографические предпочтения или предпочтения платформы (например, «молодые люди в Instagram»).
С помощью этой онтологии вы пытаетесь организовать свои данные, стандартизируя такие записи, как «HubSpot для всего», в отдельные компоненты (например, HubSpot CRM, HubSpot Marketing Hub).
Вы объединяете такие термины, как «PPC» и «Поисковая реклама», в «Google Реклама». Раскрывающиеся списки добавлены для обеспечения единообразия при вводе данных в будущем.
Результаты многообещающие. Вы можете запускать простые запросы для выявления закономерностей и потребностей клиентов, например:
Показать всех клиентов, использующих HubSpot в качестве CRM.
Составьте список клиентов, ориентированных на аудиторию поколения Z.
Выявляйте клиентов, сталкивающихся с проблемами при взаимодействии с электронной почтой.
Впервые у вас есть структурированный обзор вашей клиентской среды с возможностью поиска, что дает вашей команде возможность отвечать на вопросы, не просматривая заметки вручную. Однако по мере того, как ваша команда продолжает использовать эти структурированные данные, возникают новые проблемы.
Вы понимаете, что, хотя онтология и организует основную информацию о клиенте, ее не хватает, когда вы пытаетесь ответить на более тонкие вопросы, например:
«Используют ли MailChimp другие клиенты с низким уровнем взаимодействия с электронной почтой или это отдельная проблема?»
«Какое сочетание инструментов обычно коррелирует с более высоким уровнем вовлеченности для клиентов, ориентированных на рентабельность инвестиций в социальные сети?»
«Какие диапазоны бюджетов и комбинации инструментов характерны для клиентов в сфере электронной коммерции?»
Эти вопросы раскрывают более глубокие закономерности, которые фиксированная онтология с трудом уловит.
Например, знания того, какие инструменты использует клиент, недостаточно, чтобы оценить, поддерживают ли эти инструменты его цели или соответствуют его задачам.
Разнообразие потребностей клиентов и маркетинговых сценариев требует гибкости, которую не могут обеспечить традиционные базы данных.
На этом этапе становится ясно, что, хотя онтология обеспечивает структуру, ей не хватает адаптируемости, необходимой для выявления скрытых взаимосвязей и понимания.
Организация информации — это только начало долгого пути. По мере продвижения вперед вам понадобится система, которая не только хранит факты, но и выявляет связи. Она может развиваться с учетом уникального контекста каждого клиента и растущей базы знаний агентства.
Анонсы наших новых статей в Телеграме