De waarde van knowledge graphs voor de klantbeleving

Dankzij de digitalisering van onze wereld zijn er tegenwoordig duizenden datasets vrij beschikbaar op het web. Van het actuele aantal vrije oplaadpalen tot een historisch overzicht van het gemiddeld inkomen per bevolkingsgroep: het ligt allemaal voor het oprapen als je weet waar te zoeken. Ook veel organisaties beschikken over datasets, met data die niet openbaar beschikbaar zijn. Waardevolle data die je kunt inzetten voor allerlei doeleinden, bijvoorbeeld om de beleving van je klant sterk te verbeteren. Met een knowledge graph help je jouw klanten of bezoekers de weg te vinden in een grote hoeveelheid aan informatie. Lees hieronder hoe een knowlegde graph werkt en hoe je die voor jouw bedrijf kunt inzetten.

Klanten denken niet in datasets

Als jouw potentiële klanten op zoek zijn naar informatie, denken ze niet in termen van datasets. Je klant heeft een doel. Dat doel kan zijn het vinden van het antwoord op een vraag of een oplossing vinden voor een uitdaging. Mogelijk is jouw product of dienst die oplossing. Als organisatie kun je datasets inzetten om meer waarde te genereren voor klanten.

Je kunt je huidige klanten een betere verkoopervaring bieden door aanbod te delen dat gerelateerd is aan eerdere aankopen. Of je kunt de zoekervaring van potentiële klanten sterk verbeteren. Dat doe je bijvoorbeeld door bezoekers met behulp van data meer intuïtief en gepersonaliseerd door je aanbod te laten navigeren. Hoe beter je je klant hierbij kan helpen, hoe beter de klantbeleving is.

Optimale zoekervaring voor je klant

Om te komen tot die optimale klantbeleving, kun je gebruik maken van een knowledge graph. Een knowledge graph bestaat uit een kennismodel waarin allerlei informatie betekenisvol met elkaar verbonden is. Je kunt het zien als relaties die vastgelegd zijn tussen de verschillende stukjes informatie. Het helpt een potentiële klant om systematisch te zoeken door een verzameling content, of om een antwoord op een vraag te vinden.

In zo’n knowledge graph wordt data niet getoond in afzonderlijke tabellen of datasets, maar als een netwerk van entiteiten en relaties tussen die entiteiten. Deze associatieve kijk op data sluit dan ook beter aan bij de manier waarop mensen denken dan de tabelgerichte kijk van traditionele systemen. Een mooi voorbeeld hiervan is hoe Google dit inzet. Zoek je bijvoorbeeld op Covid-19, dan krijg je een informatieblok in beeld met allerlei informatie over het virus. Informatie wordt daarin automatisch verzameld, vanuit allerlei verschillende bronnen, door de knowledge graph van Google.

Zoek je op Mark Rutte, dan komen de meeste gegevens die je in het informatie blok ziet staan uit Wikipedia. Maar op de Wikipediapagina over Rutte wordt met geen woord gerept over zijn ouders Hermina Cornelia Dilling, Izaäk Rutte of zelfs maar de term ‘ouders’. Deze informatie komt dus uit een andere bron, maar Google toont het wel in het informatieblok over Mark Rutte. Dit is het effect van een knowledge graph.

De intelligente machine die feiten begrijpt en verbindt

Zoekmachines zoals Google werken dus ook met een knowledge graph. Google lanceerde de knowledge graph jaren geleden om van de zoekmachine meer dan een overzicht van websites te maken. Het is een intelligent algoritme dat gebouwd is om van Google een zoekmachine te maken die feiten over mensen, plaatsen, bedrijven, enzovoort ‘begrijpt’ en met elkaar verbindt. Bij het zoeken naar bepaalde informatie geeft Google zelf antwoorden, zonder dat je daarvoor op een webpagina hoeft te klikken. Deze resultaten toont Google direct als je een deel van de informatie intypt. Het resultaat is dat mensen een betere zoekervaring hebben én vaker vinden wat zij zoeken. In 2013 deelde Peter J. Meyers 101 voorbeelden van antwoorden die door Google gegeven worden met behulp van een knowledge graph.

Doordat je als organisatie entiteiten, de typen entiteiten en de relaties tussen de entiteiten gedefinieerd en vastgelegd hebt, kan de gebruiker informatie ontdekken waarvan hij misschien niet eens wist dat hij ernaar op zoek was. Als een klant op zoek is naar een boek en alleen een genre of auteur in zijn hoofd heeft, ben je als uitgeverij in staat om nog veel meer gerelateerde boeken te tonen. Niet zoals het nu meestal gaat: op basis van een categorie of andere metadata, maar door relevante informatie te tonen uit andere bronnen. Als je uitgaat van het boek La Superba van Ilja Leonard Pfeiffer, zie je dat de plaats Genua vaak voorkomt in de tekst.

Op basis van deze informatie kan de knowledge graph ook reisgidsen van Genua tonen.

Relaties binnen de knowledge graph

Je hebt nu kort kennisgemaakt met de voordelen van een knowledge graph. Nu gaan we in op de werking van de graph. Om kennis vast te leggen zijn verschillende kennismodellen te noemen. Zo zijn er modellen waarin je de betekenis van en relaties tussen begrippen vastlegt. Zoals Nederland – Gelderland, waarbij Gelderland als provincie een onderdeel is van Nederland. Als de zoekmachine op jouw website of kennisbank gebruik maakt van een van deze kennismodellen, kun je specifiekere informatie tonen.

Bijvoorbeeld: een artikel gaat over doping en dat is gerelateerd aan sport. Sport heeft zo ook weer gerelateerde termen. Deze termen kun je gebruiken als metadata bij bijvoorbeeld documenten of producten. Hierdoor kun je gerelateerde documenten of producten tonen. Echter, alle documenten (assets) moeten met deze begrippen gemetadateerd worden. Soms kan dit automatisch, maar vaak is er nog menselijk denkvermogen voor nodig. Dit is arbeidsintensief en vereist ook een goed centraal begrippenbeheer. Het beheren ervan kost dus tijd, geld en is werk voor specialisten. De knowledge graph kan een goede oplossing zijn, omdat het informatie combineert uit diverse informatiebronnen.

Verras je klant met extra informatie zoals Airbnb

In een knowledge graph leg je vast uit welke bronnen informatie kan worden opgehaald. Denk aan Airbnb, ook zij werken met een knowledge graph. In een database is de informatie van een b&b-adres vastgelegd. Deze informatie is ingegeven door de verhuurder en wordt nog eens gevalideerd door de huurder. Maar Airbnb wil haar bezoekers meer aanbieden. Daarvoor heeft Airbnb de knowledge graph ingezet. Airbnb toont evenementen die plaatsvinden in de gezochte verblijfsperiode en plaats. Dit doen ze door een link te maken met informatiebronnen waarin evenementen opgenomen zijn.

Airbnb heeft ook een link gelegd met een geografische database. Hierdoor weet de knowledge graph informatie op te halen over plaatsen in buurt. Door die informatie te combineren met de evenementen, weet je als huurder dus ook welke evenementen in de omliggende plaatsen plaatsvinden.

Hoe weet het systeem welke plaatsen in de buurt liggen? Stel, je logeert in Deventer. Deventer is een plaats in Overijssel. Een andere plaats in Overijssel is Zwolle. Tot zo ver nog geen spannende dingen. In dit voorbeeld kijkt de knowledge graph ook in Wikipedia. Daar wordt over Deventer het volgende gevonden: “Het dorp is gelegen in de landelijke omgeving tussen de steden Deventer en Apeldoorn...” Deze zin gaat over een dorp. Dat blijkt Twello te zijn, dat in Gelderland ligt, maar wél heel dicht bij Deventer. Dit zorgt ervoor dat de knowledge graph informatie over evenementen in Twello ook meeneemt. Interessant is dat er op Wikipedia ook geschreven wordt over de rivier de IJssel en de plaats Apeldoorn.

Natuurlijk kun je in dit voorbeeld de zoekactie baseren op (geo)databases. Dan waren plaatsen op een X aantal kilometer afstand meegenomen of plaatsen uit een regio, zoals een provincie. Maar stel dat je dat niet hebt en je informatie minder gestructureerd is? Dan zul je sneller traditioneel moeten metadateren of een knowledge graph moeten gebruiken.

Excellente UX met een knowledge graph

Het wordt nog leuker als je ook het weer erbij neemt. Dan kun je aanbevelingen doen voor activiteiten in de buurt die geschikt zijn voor een bepaald weertype. Denk aan een goed museum als het regent. Of bij mooi weer die fietstocht langs de IJssel, als je dan toch in Deventer bent. Een museum zal bijvoorbeeld gevonden worden in Gorssel, namelijk Museum More. Dat komt doordat dit museum op Tripadvisor gepresenteerd wordt in relatie met de plaats Deventer.

Zo kun je als organisatie veel relevante informatie vinden en tonen aan je bezoekers via een knowledge graph, zonder zelf te metadateren. Daardoor ben je in staat om je klant een complete zoekervaring en dus een betere online dienstverlening te bieden.

Kortom, een knowledge graph biedt veel mogelijkheden om een goede gebruikerservaring (UX) neer te zetten. Hiermee voeg je meer waarde toe voor de gebruiker en kun je gemakkelijker personaliseren. Informatie gedreven functionaliteiten noemen we dat. Uiteraard mensgericht.