搜索
专业服务

埃森哲: 强化搜索,提供最好的客户服务

企业概况

作为全球领先的专业服务企业,埃森哲旨在引领改善全球生活与工作方式的创新。在过去 30 年间,咨询顾问处理了数百万个项目,积攒出了与公司服务相关,涉及战略、咨询、数字化、技术和运营方面的大型资料库。对于一家拥有超过 40 万名员工的企业而言,在如此庞大的知识库中,强大的结构化和非结构化搜索是查找关联信息所必备的。

为提供最好的客户服务而强化搜索

埃森哲与《财富》世界 500 强企业中的 75% 都建立了合作关系,服务的客户遍及全球 120 多个国家/地区。在其最重要的 100 家客户中,98 家都合作了 10 年以上。每一秒都有埃森哲的员工进行数次内部搜索,在全公司内查找相关信息和专家。不论是为相关技术或行业收集资料库以定制业务,还是使用历史数据创建新的提案,咨询顾问都依赖快速得到的答案,确保在与客户合作的各个阶段都能提供有价值的帮助。

鉴于对在 50 多种不同内容来源间获取快速、相关搜索的需求不断增长,埃森哲花费大量精力重新构思企业搜索,与 Elastic 的合作也是其中一部分。Elasticsearch 帮助员工在埃森哲丰富的资源中查找人员、专家、政策、培训和交付成果,改进了内部操作和客户服务,为在全公司范围内搜索提供后盾。现在,搜索结果瞬间就能拿到,而且关联性有了大幅度提升,用户满意度显著提高。最重要的是,这些都并非昙花一现,新取得的搜索引擎可见性让埃森哲可以持续不断地对拓展可能性和搜索能力进行改进。

埃森哲与 Elastic 的合作过程

谁在做:成立 Search Excellence 团队

埃森哲的内部 IT 部门(也被称为 CIO Group 小组)有近 8000 人,他们为公司的 40 多万名员工提供支持,服务从客服中心和应用外包部门到线上咨询顾问等各个部门的员工。这个小组负责一系列应用,包括内部门户、信息平台、合作平台和企业搜索。

为了让搜索平台现代化,埃森哲在 CIO Group 小组内部组建了一支 25 人的 Search Excellence 团队。分布在马尼拉和芝加哥的团队成员们同时负责搜索技术和搜索的持续改进及处理。

做什么:让搜索可见性替代“黑匣子”

一直以来,搜索都是埃森哲用户期待有所改善的方面。尽管知道能够找到所需内容,但是由于查找过程效率一直较低,通常最终结果都是放弃搜索。员工感到很沮丧,年度调研结果显示,在埃森哲向员工提供的所有应用中,搜索是其中最不受欢迎的之一。

Search Excellence 团队知道用户并不满意,但他们缺少可见性和工具来衡量并影响搜索排名。“黑匣子”解决方案无法为他们提供进行改进的所需信息(例如为什么某些结果靠前)。虽然将内容更新了,但是由于有 50 多个内容来源和几百个条目,测试和实施变更非常浪费时间。

埃森哲高级主管 Chip Allen说:“我们希望可以引进能大幅提升搜索能力的服务。它能提供无缝服务,让查找所需内容变得简单方便,让整个流程更舒畅。”

这样做的理由:灵活的搜索引擎可以提升速度,并不断改进

在2016 年 7 月,经过长达 10 个月的原始概念验证后,Search Excellence 团队取得了新的突破:引入可以不断改进的搜索方式,即对耦合自定义扩展和工具的开源搜索技术的创新使用。埃森哲选择 Elasticsearch 的理由是它提供清晰易懂的搜索结果和灵活的查询语言。

现在他们可以自己动手调整,达到满意的工作状态。

“Elastic 最先做的就是让我们可以充分查看搜索引擎”,Chip 这样介绍道。”我们能够深入了解一些特定结果显示的基本原理,从而更好地优化和提供搜索结果。”

现在,团队可以监控哪些搜索条件可能不会得到预期的结果,并找出相关原因,例如是否可用内容间有空白,或者是否内容在搜索中没有显示。

例如,如果团队发现 “Fitbit” 是热门搜索,但没有任何搜索结果,他们就会意识到员工搜索的是公司的新健身追踪计划 “Accenture Active”。即使 “Fitbit” 没有出现在网站上的任何地方,团队也可以轻松丰富搜索结果。

每当团队了解到新内容,他们可以迅速理解为什么当前的关联没有带来正确结果、建议和测试更改,并快速将改善的模型投入使用。

怎么做:优化数据,生成埃森哲搜索结果

除了核心 Elasticsearch 引擎,埃森哲团队还增加了数据层,以改进、标准化和丰富多个数据源间的元数据。最终解决方案包括 5 个主要组件:爬虫、增强层、Elasticsearch 搜索引擎、用户演示和报告及分析。

Example architecture

埃森哲的搜索架构

所有的数据首先进入埃森哲的“脏索引”。增强流程会把数据标准化处理后放入运行所有查询的”干净索引”。

以前,在有近 50 个不同源和 50 多个不同组管理数据时,如果数据所有者想要向内容添加更好的元数据以让搜索更容易,是一个很大的挑战。

“我们看到的是不断的推送和提取,”Chip 说。“最终我们认识到,大家不愿意做的事是没办法强迫做到的,所以我们决定除了增强系统外,再建立一个元数据服务。”

这样的架构让团队可以写入元数据管理中间层,在增强流程期间,这会让搜索团队在数据进入干净索引前实现搜索引擎优化。团队可以轻松将不同的源结合起来,并快速操作数据和查询,以得到关联性最高的搜索结果。

“这个方案的最大优势是搜索速度更快、关联性更高,鼓励了大家使用我们内容丰富的各种资源,可以更好地服务客户。现在的新搜索能力更强,同时我们也制定了相关持续改善计划。”

– Chris Crawford, 协作应用常务董事

成果:快速高相关性搜索,为客户更好地提供服务

搜索结果关联性和准确度更高,用户对速度也很满意。与以前的 2 - 3 秒相比,现在的搜索延迟不到 1 秒。搜索和索引率以及延迟都有了显著的改善,通过使用 Kibana 也更容易理解和分析(如下图所示)。

Dashboard

分析埃森哲的延迟以及搜索和索引率

通过将开源软件与运行服务器更少、更小的解决方案相结合,前端的风险更低,升级和管理变得更容易,更具成本效益。 “以核心搜索引擎技术开始的搜索提升了用户满意度,额外的响应能力提升了整体质量。”

– Chris Crawford, 协作应用常务董事

放弃搜索的情况得到了好转,关联性值也在稳步提升。基于搜索质量的埃森哲员工门户和内部知识交流满意度也均有提升。

埃森哲技术解决方案主管 John Evangelista 说,这简直是“180 度转变”。现在通过搜索可以轻松找到想要的内容,反馈也表现出了绝对的好评。

埃森哲集群信息

  • 集群
    3:干净索引、脏索引、Kibana
  • 数据量
    3 TB
  • 节点
    干净索引:3、脏索引:1、Kibana:1
  • 摄取率
    134/秒 = 5788800/天
  • 文件
    213145844
  • 硬件数据
    CPU:32 个核心, 2.8GHz,RAM:60GB