Slimmer zoeken met AI: zo verbetert AI de zoekfunctie op je website

Een zoekbalk lijkt misschien een klein onderdeel van een website of digitaal platform. Maar zodra je honderden producten, artikelen, documenten of diensten aanbiedt, wordt goede zoekfunctionaliteit essentieel.

Traditionele zoekfuncties zijn vaak sterk afhankelijk van de woorden die iemand intypt. Staat een zoekterm niet letterlijk in een productnaam, document of tekst? Dan krijgt de gebruiker soms slechte resultaten of helemaal niets te zien. AI maakt een andere vorm van zoeken mogelijk.

Met semantic search, vector search en natuurlijke taalverwerking kan een zoekmachine beter begrijpen wat iemand bedoelt, in plaats van alleen te kijken naar de exacte woorden die worden gebruikt.

Van zoekwoorden naar zoekintentie

Stel: iemand zoekt in een webshop naar:

“Een lichte laptop waarmee ik een hele vlucht kan werken.”

Een traditionele zoekmachine zoekt vooral naar pagina’s waarop woorden als licht, laptop en vlucht voorkomen. Een semantische zoekmachine probeert de betekenis achter die vraag te herkennen. De gebruiker zoekt waarschijnlijk naar een laptop die:

• relatief weinig weegt;
• een lange batterijduur heeft;
• geschikt is om onderweg te werken;
• gemakkelijk mee te nemen is.

Die eigenschappen hoeven niet letterlijk in dezelfde bewoordingen op een productpagina te staan. Dat is het belangrijkste verschil tussen traditionele keyword search en semantisch zoeken: de zoekmachine kijkt niet alleen naar afzonderlijke woorden, maar probeert ook betekenis en context mee te nemen.

Wat is semantic search?

Semantic search, of semantisch zoeken, is een vorm van zoeken waarbij software probeert te bepalen welke betekenis achter een zoekopdracht zit. Daarvoor kunnen technieken als natural language processing, machine learning en vector search worden gebruikt.

Bij vector search worden teksten, producten of andere gegevens vertaald naar numerieke representaties: embeddings. Content met een vergelijkbare betekenis krijgt een vergelijkbare positie in een zogeheten vectorruimte. Daardoor kan het systeem inhoud vinden die semantisch bij een zoekvraag past, ook als niet precies dezelfde woorden worden gebruikt.

In de documentatie over semantic search van Elastic wordt bijvoorbeeld uitgelegd hoe een zoekopdracht als “vacation rules” toch een document over “annual leave policy” kan vinden. De gebruikte woorden verschillen, maar de betekenis ligt dicht bij elkaar.

Op dezelfde manier kan een systeem proberen te begrijpen dat:

• “schoenen voor een bruiloft” om een bepaald type gelegenheid en uitstraling gaat;
• “betaalbare gezinsauto” eigenschappen als prijs, ruimte en gebruikssituatie bevat;
• “hoe wijzig ik mijn factuuradres?” waarschijnlijk bij documentatie over account- of factuurinstellingen hoort.

Voor de gebruiker voelt dat vooral alsof de zoekfunctie slimmer is geworden.

AI search is meer dan alleen semantisch zoeken

AI search wordt soms als één technologie gepresenteerd, maar in de praktijk kunnen verschillende technieken samenwerken. Een moderne zoekoplossing kan bijvoorbeeld gebruikmaken van:

• keyword search voor exacte woorden, namen en productcodes;
• semantic search voor betekenis en context;
• vector search om inhoudelijke overeenkomsten te vinden;
• filters en bedrijfsregels om resultaten af te bakenen;
• personalisatie op basis van relevante en toegestane gebruikerssignalen;
• reranking om gevonden resultaten opnieuw op relevantie te ordenen;
• generatieve AI om een antwoord te formuleren op basis van gevonden informatie.

Juist de combinatie kan krachtig zijn. Een productcode, artikelnummer of persoonsnaam wil je bijvoorbeeld exact kunnen vinden. Maar bij een vraag als “welke jas is geschikt voor een regenachtige stedentrip in oktober?” is begrip van context veel belangrijker.

Daarom wordt steeds vaker gesproken over hybrid search: een combinatie van traditionele zoekmethoden en semantische technieken. Keyword search is sterk in exacte overeenkomsten, terwijl semantic search vooral waardevol is wanneer gebruikers niet precies weten welke woorden in de brondata worden gebruikt.

Wat zijn de voordelen van een slimme zoekfunctie?

1. Relevantere zoekresultaten

Het meest voor de hand liggende voordeel is dat bezoekers sneller kunnen vinden wat ze zoeken. Ze hoeven niet precies te weten welke woorden jouw organisatie gebruikt.

Een klant kan bijvoorbeeld zoeken naar “bank voor kleine woonkamer”, terwijl producten intern worden omschreven als “compacte 2-zitsbank”. Een goede semantische zoekfunctie kan de inhoudelijke relatie tussen die omschrijvingen herkennen.

Dat betekent niet dat ieder semantisch resultaat automatisch relevant is. De kwaliteit hangt onder andere af van het gebruikte model, de productdata, ingestelde filters, zoekregels en de manier waarop resultaten worden gerangschikt.

2. Minder zoekopdrachten zonder resultaat

Een frustrerend moment in iedere zoekervaring is:

0 resultaten gevonden.

Dat gebeurt vaak omdat een gebruiker een ander woord, synoniem of andere formulering gebruikt dan in de database staat. Semantisch zoeken kan inhoudelijke alternatieven herkennen en daarmee het aantal zoekopdrachten zonder bruikbaar resultaat verminderen.

Daarbij blijft het belangrijk om zoekgedrag te analyseren. Zoekopdrachten zonder resultaat kunnen namelijk ook wijzen op ontbrekende producten, onvolledige content of informatie waar bezoekers wel behoefte aan hebben, maar die nog niet beschikbaar is.

3. Zoeken in natuurlijke taal

Gebruikers raken steeds meer gewend aan het stellen van complete vragen aan zoekmachines, chatbots en andere AI-systemen. Die verwachting nemen ze mee naar websites en digitale producten.

In plaats van:

“retourvoorwaarden”

kan iemand zoeken naar:

“Kan ik een product terugsturen als ik de verpakking al heb geopend?”

Een AI-gestuurde zoekfunctie kan zulke langere vragen interpreteren en relevante informatie naar voren halen. De bezoeker hoeft daardoor minder na te denken over de precieze zoekterm of de manier waarop de website is ingericht.

4. Sneller zoeken in grote hoeveelheden informatie

AI search is niet alleen interessant voor webshops. Het kan juist veel waarde hebben bij organisaties met grote hoeveelheden content of documenten.

Denk aan:

• kennisbanken;
• helpcenters;
• universiteiten en onderwijsplatforms;
• overheidswebsites;
• vacaturebanken;
• productcatalogi;
• interne bedrijfsplatforms;
• technische documentatie.

Een gebruiker hoeft dan niet altijd door tientallen categorieën, documenten en filters te klikken om bij de juiste informatie te komen. Wel blijven filters en navigatie waardevol, bijvoorbeeld wanneer bezoekers resultaten willen beperken op prijs, datum, locatie, beschikbaarheid of documenttype. De zoekfunctie is daarmee een belangrijk onderdeel van goed UX-design: hoe minder moeite iemand hoeft te doen om de juiste informatie te vinden, hoe beter de digitale ervaring.

Van zoekresultaat naar direct antwoord

Een volgende stap is dat zoeken steeds meer op een gesprek gaat lijken. In plaats van alleen een lijst met zoekresultaten te tonen, kan een systeem relevante informatie ophalen en vervolgens een antwoord formuleren.

Bijvoorbeeld:

Gebruiker: “Welke regeling geldt voor medewerkers die langer dan zes maanden in het buitenland werken?”

De zoektechnologie vindt relevante beleidsdocumenten en een AI-model stelt op basis daarvan een antwoord samen. De gebruiker kan vervolgens een vervolgvraag stellen:

Gebruiker: “En geldt dat ook voor freelancers?”

Een veelgebruikte techniek hiervoor is Retrieval-Augmented Generation, meestal afgekort tot RAG. Volgens de uitleg van Google Cloud over RAG combineert deze aanpak een taalmodel met externe informatiebronnen. Het systeem zoekt eerst relevante informatie op en gebruikt die vervolgens als context voor het antwoord.

De zoekfunctie wordt daarmee steeds minder een losse zoekbalk en steeds meer een interface waarmee gebruikers met informatie kunnen communiceren.

Een AI-antwoord moet controleerbaar blijven

Een direct antwoord is gebruiksvriendelijk, maar brengt ook een nieuw risico met zich mee. Een generatief AI-model kan informatie verkeerd interpreteren, belangrijke nuances missen of een antwoord formuleren dat overtuigend klinkt, maar niet volledig klopt.

Daarom moet een goede AI-zoekfunctie niet alleen een antwoord tonen. Afhankelijk van de toepassing wil je ook:

• de gebruikte bronnen zichtbaar maken;
• links naar de oorspronkelijke documenten aanbieden;
• aangeven wanneer onvoldoende informatie is gevonden;
• voorkomen dat verouderde bronnen worden gebruikt;
• toegangsrechten op vertrouwelijke documenten respecteren;
• kritieke antwoorden door een medewerker laten controleren.

Het Generative AI Profile van het Amerikaanse NIST uit 2024 benadrukt onder andere het belang van herkomst, traceerbaarheid en controle bij AI-gegenereerde informatie.

Bij onderwerpen als zorg, juridische informatie, financiën, veiligheid of interne bedrijfsregels is controleerbaarheid geen extra functie, maar een belangrijk onderdeel van het ontwerp.

Hoe wordt AI search in de praktijk gebruikt?

Grote digitale platforms investeren al langer in machine learning en AI om zoekresultaten, ranking en personalisatie te verbeteren.

Airbnb publiceerde in 2024 bijvoorbeeld onderzoek naar een platform waarmee het bedrijf gebruikersintentie beter probeert te begrijpen. Daarvoor worden deep-learningtechnieken en gegevens over gebruikersgedrag ingezet om verschillende onderdelen van het platform van relevantere signalen te voorzien. Het onderzoek is te vinden via de onderzoekspublicaties van Airbnb.

Ook Zalando gebruikt machine learning en large language models binnen zijn zoekomgeving. In een onderzoekspublicatie uit 2024 beschrijft Zalando hoe multimodale taalmodellen kunnen worden ingezet om de semantische relevantie van productresultaten op grote schaal te beoordelen. De methode werd getest op 20.000 voorbeelden en is bedoeld om zoekkwaliteit efficiënter te kunnen evalueren.

AI search is inmiddels niet meer alleen bereikbaar voor bedrijven van die omvang. Technologieplatforms als Elasticsearch en Algolia bieden functionaliteiten voor semantic search, vector search en hybride zoekoplossingen.

Dat maakt de techniek toegankelijker, maar een standaardfunctie inschakelen is nog geen garantie voor een goede zoekervaring. De oplossing moet worden ingericht op de content, gebruikers, bedrijfsregels en technische omgeving van de organisatie.

Een slimme zoekfunctie begint met goede data

AI lost niet automatisch ieder zoekprobleem op. De kwaliteit van de zoekervaring blijft afhankelijk van de informatie die beschikbaar is.

Als productdata incompleet is, documenten verouderd zijn, metadata ontbreekt of verschillende systemen elkaar tegenspreken, kan ook een slimme zoekmachine moeite hebben om het juiste resultaat te geven. AI kan ontbrekende broninformatie niet betrouwbaar repareren.

Daarom begint een goed AI-searchproject vaak bij vragen als:

• Welke informatie willen gebruikers vinden?
• Welke zoekopdrachten leveren nu slechte resultaten op?
• Welke data en metadata zijn beschikbaar?
• Hoe actueel en volledig is die informatie?
• Welke systemen bevatten de broninformatie?
• Welke resultaten moeten altijd exact gevonden worden?
• Wanneer is semantisch zoeken nuttiger?
• Welke filters en bedrijfsregels moeten worden toegepast?
• Wie mag welke informatie zien?
• Mag het AI-systeem zelf antwoorden formuleren of moet het alleen bronnen tonen?

De technologie komt daarna.

Hoe meet je of AI search werkelijk beter werkt?

Een slimme zoekfunctie moet niet alleen indrukwekkend klinken, maar aantoonbaar betere resultaten opleveren. Daarom is het verstandig om vooraf vast te leggen hoe succes wordt gemeten.

Mogelijke meetpunten zijn:

• het percentage zoekopdrachten zonder resultaat;
• de positie waarop het juiste resultaat verschijnt;
• het percentage gebruikers dat op een zoekresultaat klikt;
• het aantal zoekopdrachten dat nodig is om informatie te vinden;
• conversie na het gebruik van de zoekfunctie;
• feedback van gebruikers op gegenereerde antwoorden;
• de juistheid en herleidbaarheid van AI-antwoorden;
• de snelheid en kosten per zoekopdracht.

Test daarbij niet alleen met eenvoudige voorbeeldvragen. Gebruik ook echte zoekopdrachten, spelfouten, synoniemen, productcodes, lange vragen en situaties waarin het systeem juist géén antwoord zou moeten geven.

Bij een maatwerkoplossing spelen naast de kwaliteit van de zoekresultaten ook ontwikkeling, modelverbruik, infrastructuur en beheer een rol. In ons artikel over de kosten van een AI-applicatie lees je welke factoren de investering en terugkerende kosten bepalen.

Wanneer is AI search interessant voor jouw website?

Niet iedere website heeft een AI-zoekmachine nodig. Heb je twintig pagina’s en een overzichtelijke navigatie? Dan voegt een complexe zoekoplossing waarschijnlijk weinig toe.

AI search wordt vooral interessant wanneer gebruikers moeite krijgen om binnen grote hoeveelheden informatie het juiste resultaat te vinden. Bijvoorbeeld wanneer je:

• duizenden producten aanbiedt;
• veel artikelen of documenten hebt;
• meerdere databronnen wilt doorzoeken;
• veel verschillende woorden voor dezelfde onderwerpen tegenkomt;
• bezoekers ingewikkelde vragen stellen;
• meerdere talen moet ondersteunen;
• zoekdata laat zien dat veel zoekopdrachten geen goed resultaat opleveren.

Of zo’n zoekfunctie relevant is, hangt dus sterk samen met het type website of digitaal platform dat je hebt en wat gebruikers daar moeten kunnen doen.

Dan kan de zoekfunctie veranderen van een praktisch hulpmiddel in een belangrijk onderdeel van de gebruikerservaring.

Van zoekbalk naar intelligente interface

De grootste verandering is uiteindelijk niet dat AI een betere zoekbalk oplevert. Het verandert de manier waarop mensen digitale systemen gebruiken.

Gebruikers hoeven steeds minder te begrijpen hoe een website, kennisbank of platform is georganiseerd. Ze kunnen beschrijven wat ze nodig hebben en verwachten vervolgens relevante resultaten of een bruikbaar antwoord.

Dat stelt andere eisen aan de inrichting van websites en achterliggende systemen. De uitdaging ligt daarom niet alleen bij het toevoegen van AI. Content, productdata, zoektechnologie, autorisaties, systemen en gebruikerservaring moeten goed op elkaar aansluiten.

Een slimme zoekfunctie begint niet bij de technologie, maar bij begrijpen wat iemand probeert te vinden.

Bij Ninjible kijken we daarom naar de volledige digitale omgeving: van gebruikerservaring en informatiestructuur tot data, API’s, AI en de systemen achter een website of platform. Zo wordt zoeken niet alleen slimmer, maar vooral nuttiger voor de mensen die het gebruiken.