セマンティック検索
定義
セマンティック検索とは、キーワードの一致ではなく意味によってコンテンツを探す検索手法です。エンベディングを使うことで、クエリと共通する語が 1 つもなくても、概念的に関連する結果を見つけられます。
仕組み
クエリとコンテンツの両方をエンベディングに変換し、ベクトルデータベースで類似度を比較します。「カードが拒否された」という検索で「決済エラーとその直し方」という記事が出てくるのは、共通のキーワードがなくても意味が近いからです。
これは、語の字面の重なりに頼る従来のキーワード検索(レキシカル検索)とは対照的です。実運用のシステムでは、精度と意味的な再現率の両方を得るために、2 つを組み合わせたハイブリッド検索がよく使われます。
サポートにとっての意味
顧客がドキュメントと同じ言い回しで質問してくれることは、まずありません。セマンティック検索はその隔たりを埋めます。セルフサービスが劇的に改善するのはこのためであり、AI サポートエージェントに正確で根拠のある回答を供給する取得(リトリーバル)の工程でもあります。
よくある質問
セマンティック検索とキーワード検索の違いは何ですか?
キーワード検索は語の字面を一致させます。セマンティック検索はエンベディングを使って意味を一致させるため、クエリとまったく異なる言葉を使った関連文書も見つけられます。
セマンティック検索は RAG と同じものですか?
いいえ。セマンティック検索は、関連するコンテンツを見つける取得の工程です。RAG は、その取得したコンテンツを言語モデルに渡し、根拠のある回答を生成させます。
関連用語
埋め込み(エンベディング)
埋め込みとは、テキスト(あるいは画像やコードなど)を意味を捉えた数値ベクトルとして表現したものです。意味の近いコンテンツ同士が、高次元の空間で近くに配置されます。.
ベクトルデータベース
ベクトルデータベースとは、埋め込み(高次元のベクトル)を保存し、類似度で検索するために作られたデータベースです。クエリに意味が最も近いコンテンツを高速に見つけられます。.
検索拡張生成(RAG)
検索拡張生成(RAG)とは、AI モデルが問い合わせの時点で自社のナレッジソースから関連情報を取得し、それに基づいて回答を組み立てる手法です。学習時に記憶した内容だけに頼らずに済みます。.
ナレッジベース
ナレッジベースとは、操作手順、FAQ、トラブルシューティングガイド、ポリシーなどの記事を構造化し、検索できるようにまとめた資料庫です。顧客や担当者が、サポートに直接問い合わせることなく答えを見つけられるようにします。.
セルフサービス率
セルフサービス率とは、ヘルプセンター、FAQ、ポータル、自動化といったセルフサービスの手段だけで解決した顧客の疑問の割合です。サポート担当者への問い合わせを必要としなかったものを指します。.
アイデアを実装に
Macha は既に運用中のヘルプデスク (Zendesk、Freshdesk、Front、Intercom、Gorgias) の上に載る AI エージェント層です。
トライアルを開始