Tutorial Pencarian Pertemuan & Chatbots

Pengantar

Confluence adalah alat kolaborasi yang dikembangkan oleh Atlassian, dirancang untuk membantu tim berkolaborasi dan berbagi pengetahuan secara efisien. Di ruang kerja modern, kemampuan bekerja sama secara digital sangatlah berharga. Confluence memfasilitasi hal ini dengan menawarkan platform tempat tim dapat membuat, berbagi, dan berkolaborasi dalam proyek, semuanya di satu tempat. Lebih dari sekadar kolaborasi, Confluence menonjol dengan fitur-fitur seperti pengeditan waktu nyata, integrasi dengan produk Atlassian lainnya, dan antarmuka yang ramah pengguna, menjadikannya pilihan utama bagi banyak organisasi.

Tutorial menggunakan Fitur Pencarian bawaan Confluence

Di Confluence, mencari informasi atau item tertentu adalah fitur yang mudah namun terbatas. Inilah cara Anda memanfaatkan kemampuan pencarian Confluence secara maksimal:

1. Pencarian Dasar:

Untuk memulai pencarian dasar:

• Klik ikon kaca pembesar yang ada di header atau cukup gunakan pintasan Shift + / untuk fokus pada bidang pencarian.
• Ketikkan kueri Anda ke dalam bilah pencarian yang muncul di bagian atas halaman. Saat Anda mengetik, Confluence akan memberikan hasil pencarian langsung, memberikan saran berdasarkan konten yang tersedia di situs Anda.

2. Pencarian Lanjutan:

Untuk hasil yang lebih baik, Pencarian Lanjutan adalah tempat yang harus Anda tuju:

• Klik ikon kaca pembesar dan kemudian “Pencarian Lanjutan” di sebelah bilah pencarian atau gunakan pintasan Shift + / diikuti oleh a.
• Di sini Anda dapat memfilter pencarian Anda berdasarkan berbagai kriteria seperti jenis konten (halaman, blog, lampiran, dll.), spasi, kontributor, rentang tanggal, dan lain-lain.

3. Menggunakan Sintaks Pencarian:

Confluence mendukung serangkaian sintaks pencarian untuk membantu mempersempit pencarian Anda:

• Tanda Kutip: Gunakan tanda kutip untuk mencari frasa yang tepat. Misalnya, “catatan rapat”.
• Wildcard: Gunakan tanda bintang * sebagai wildcard untuk mewakili sejumlah karakter dalam sebuah kata.
• Operator Boolean: Gunakan AND, OR, dan NOT untuk menggabungkan atau mengecualikan istilah.
• Pencarian Kedekatan: Gunakan tanda gelombang ~ diikuti dengan angka untuk mencari kata dalam jarak tertentu satu sama lain. Misalnya, “laporan tahunan”~10.
• Pencarian Bidang: Pencarian dalam bidang tertentu menggunakan sintaksis seperti title:, text:, creator:, dan modifier: diantara yang lain.

4. Mencari Lampiran:

Saat mencari lampiran tertentu:

• Navigasi ke Search > Advanced Search.
• Pilih “Lampiran” di bagian “Jenis”.
• Gunakan sintaks pencarian /.*<attachment type>.*/. Misalnya, untuk mencari file PNG, Anda akan menggunakan /.*png.*/.

5. Pencarian Database (untuk penerapan Server dan Pusat Data):

Bagi mereka yang memiliki akses ke database Confluence, kueri SQL tertentu dapat digunakan untuk mencari jenis lampiran tertentu. Misalnya, untuk menemukan semua lampiran PNG, Anda bisa menggunakan kueri SQL berikut:

select c.TITLE as Attachment_Name, s.spacename,
c2.TITLE as Page_Title, 'http://<confluence_base_url>/pages/viewpageattachments.action?pageId='||c.PAGEID as Location
from CONTENT c
join CONTENT c2 ON c.PAGEID = c2.CONTENTID
join SPACES s on c2.SPACEID = s.SPACEID
where c.CONTENTTYPE = 'ATTACHMENT' and c.title like '%.png%';

Kueri SQL dapat disesuaikan berdasarkan jenis lampiran yang Anda cari.

6. Pencarian Folder Lampiran (platform tertentu):

Pada platform tertentu, sintaks pencarian Unix dapat digunakan langsung dalam folder lampiran Confluence untuk menemukan jenis file tertentu:

find /<confluence_home>/attachments -type f | xargs file | grep PNG

Ini akan mencari dan mencantumkan semua file PNG dalam direktori lampiran instance Confluence Anda.

Masing-masing metode ini memberikan tingkat perincian dan kontrol yang berbeda atas pencarian Anda, memastikan Anda menemukan apa yang Anda butuhkan di Confluence.

Anda dapat mempelajari lebih dalam pencarian bawaan Confluence dengan membaca artikel ini –

Kekurangan Fitur Pencarian bawaan Confluence

Kompleksitas yang melekat dalam pencarian Confluence terutama berasal dari ketidakmampuannya memanfaatkan esensi kontekstual dari permintaan pencarian, tidak seperti mesin pencari seperti Google. Berikut rincian tantangannya:

• Pengulangan dalam Kueri Penelusuran: Kemunculan kueri penelusuran yang identik dalam riwayat penelusuran sering kali menghambat keakuratan hasil penelusuran, karena terbatasnya data kontekstual yang tersedia dari penelusuran sebelumnya. Hal ini menjadi masalah terutama ketika pengguna mencari informasi terkini atau terkini, yang mungkin terkubur di bawah hasil yang ketinggalan jaman atau kurang relevan.
• Pemahaman Semantik: Kurangnya kapasitas platform untuk membedakan sinonim atau mengabaikan kata-kata penghenti sering kali menyebabkan saran konten menjadi kurang relevan. Misalnya, membedakan antara “IT” sebagai singkatan dari Teknologi Informasi dan “it” sebagai kata ganti bisa jadi rumit. Selain itu, kurangnya pemahaman semantik ini dapat menyebabkan kebingungan ketika jargon atau akronim industri umum digunakan dalam kueri penelusuran.
• Dilema Pencocokan Tepat: Saat mencoba menghilangkan kata-kata berhenti, Confluence terkadang mengganggu pencarian pencocokan tepat, sehingga membuat tugas menjadi lebih menantang. Hal ini berpotensi menyebabkan pengguna tidak menemukan dokumen atau informasi yang mereka cari, sehingga menghambat produktivitas.
• Dilema yang berlaku umum: Keberagaman dalam struktur organisasi, informasi internal, dan tujuan pengguna memerlukan sistem pencarian yang lebih personal. Pendekatan Pembelajaran Mesin (ML) yang belum sempurna berpotensi meningkatkan pengalaman penelusuran dengan memanfaatkan data interaksi pengguna untuk menyempurnakan relevansi penelusuran dari waktu ke waktu. Membahas ML, algoritme seperti pemfilteran kolaboratif atau pembelajaran mendalam dapat dieksplorasi untuk membuat penelusuran Confluence lebih intuitif dan berpusat pada pengguna.

Sederhananya, jika Alice mencari topik (katakanlah X) hari ini dan menemukan dokumen (doc3) berguna, maka ketika Bob mencari topik yang sama (X) besok, doc3 akan muncul lebih tinggi dalam hasil pencarian karena itu adalah membantu Alice. Untuk mewujudkan hal ini, sistem perlu melacak dokumen mana yang dianggap berguna oleh pengguna. Namun pelacakan ini perlu dilakukan dengan cara yang menghormati privasi, sehingga hanya orang yang seharusnya melihat dokumen tertentu yang dapat melihatnya. Selain itu, proses ini dapat menghabiskan banyak sumber daya komputer seperti memori dan penyimpanan, sehingga dapat menjadi perhatian. Beberapa organisasi mungkin tidak memiliki sumber daya atau staf tambahan untuk mengelola hal ini, sehingga mereka lebih memilih sistem yang lebih sederhana yang mungkin tidak akan membaik seiring berjalannya waktu namun mudah dipelihara dan tidak membuat mereka pusing lagi seperti kehabisan memori.

Pertemuan Pencarian dengan Bot Pertemuan Nanonets

Nanonets memperkenalkan solusi transformatif terhadap tantangan yang dihadapi dalam fungsi pencarian Confluence. Menggunakan chatbot khusus berbasis LLM kami sebagai asisten dapat menjembatani kesenjangan secara signifikan dan menyempurnakan pengalaman pencarian pengguna. Begini caranya:

• Pemahaman Kontekstual: Tidak seperti metode penelusuran tradisional, chatbot kami memahami konteks kueri penelusuran. Misalnya, pencarian “Java” akan memunculkan hasil yang berkaitan dengan bahasa pemrograman, bukan pulau atau kopi. Teknologi LLM (Model Bahasa) di balik chatbot kami dirancang khusus untuk memahami nuansa dan konteks dengan lebih baik, sehingga memberikan hasil pencarian yang lebih akurat dan relevan.
• Belajar dari Interaksi Pengguna: Chatbot kami dapat belajar dari cara pengguna berinteraksi dengan mesin pencari. Jika sebuah dokumen sering diakses melalui kueri tertentu, dokumen tersebut akan diberi peringkat lebih tinggi untuk penelusuran serupa di masa mendatang, seperti dokumen yang menjadi lebih populer saat ditelusuri dengan “Metodologi Agile”. Seiring waktu, pembelajaran ini dapat berkembang untuk mengantisipasi kebutuhan pengguna dengan lebih baik, sehingga membuat proses pencarian menjadi lebih intuitif.
• Hubungan Semantik: Chatbot berbasis LLM dapat mengenali sinonim dan istilah terkait, sehingga meningkatkan saran pencarian. Misalnya, penelusuran untuk “pelacakan bug” juga akan menampilkan dokumen yang terkait dengan “pelacakan masalah” dan “pelacakan kesalahan”.
• Konten yang Disarankan Pengguna: Pengguna dapat menyarankan konten untuk permintaan pencarian tertentu, sehingga meningkatkan database pencarian seiring waktu. Hal ini membuat dokumen lebih mudah ditemukan, seperti membuat dokumen lebih terlihat untuk pertanyaan tentang “praktik Scrum.”
• Manajemen Hak Akses: Kami memastikan hanya pengguna yang berwenang yang dapat mengakses dokumen tertentu selama pencarian. Misalnya, jika dua proyek memiliki dokumen rahasia, pencarian hanya akan menampilkan dokumen dari proyek milik si pencari, sehingga menjaga kerahasiaan dokumen proyek lain.
• Optimasi Sumber Daya: Solusi kami beroperasi secara efisien, menghemat waktu dan biaya, yang sangat penting bagi organisasi yang ingin menyederhanakan operasi dan mengurangi biaya operasional.

Integrasi Slack untuk Nanonets Confluence Bot

Chatbot kami hadir dengan integrasi Slack yang siap digunakan. Setelah chatbot Anda siap, Anda cukup mengautentikasi ruang kerja Slack Anda dan melakukan beberapa klik untuk mengonfigurasi integrasi. Setelah selesai, Anda akan dapat mengajukan pertanyaan dan bahkan melakukan percakapan mendetail tentang ruang pertemuan Anda dengan bot langsung dari aplikasi Slack Anda, tanpa harus beralih antar aplikasi. Integrasi ini mendorong ruang kerja digital terpadu, memungkinkan komunikasi dan kolaborasi yang efisien, sehingga meningkatkan produktivitas dan kepuasan pengguna.

Lihatlah demo di bawah ini.

[Embedded content]

Kesimpulan

Confluence by Atlassian memfasilitasi kerja tim digital tetapi memiliki fitur pencarian dasar. Nanonets Confluence Bot secara signifikan meningkatkan hal ini dengan memahami konteks dan belajar dari interaksi pengguna, menjadikan penelusuran lebih intuitif. Ini juga menjaga keamanan akses dokumen, memastikan hanya pengguna yang berwenang yang dapat mengakses informasi tertentu. Selain itu, integrasi Slack mendorong ruang kerja digital terpadu, meningkatkan produktivitas dan kepuasan pengguna. Melalui peningkatan ini, Nanonets Confluence Bot menyempurnakan pengalaman pencarian di Confluence, berkontribusi pada lingkungan kolaboratif yang lebih efektif untuk Anda dan tim Anda.

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
• Sumber: https://nanonets.com/blog/search-in-confluence/