Tripin

Navigator zur Hotelsuche und Urlaubsideen auf Basis von TripAdvisor-Bewertungen. Ein intelligentes System, das Bewertungschaos in klare Empfehlungen verwandelt.

„Die Hotelwahl ist die Frage, ob es zu dir passt. Wir helfen dir, das in Minuten herauszufinden." — Philosophie von Tripin

Über das Projekt

Das war unsere Zusammenarbeit mit einem Partner, der das Projekt aus seiner eigenen Lebenserfahrung heraus aufbaute. Für ihn war es besonders wichtig, Hotels zu finden, in denen Gäste bestätigen, dass die Wäsche wirklich jedes Mal sauber und frisch ist. Mit dieser Information kann ein Reisender ein Drei-Sterne-Hotel einem Fünf-Sterne-Hotel vorziehen, wenn die umliegenden Fünf-Sterne-Häuser Beschwerden über Wäsche oder Ausstattung haben. Stell dir vor: Du planst einen Urlaub. Du brauchst ein Hotel. Du öffnest TripAdvisor und siehst... 847 Bewertungen. Fünf Sterne — und jemand schreibt über Lärm, jemand über alte Möbel, jemand ist begeistert. Wie erkennst du, ob der Ort zu dir passt? Tripin löst dieses Problem durch die Bewertungssuche. Wir analysieren Tausende von Bewertungen, finden Muster und verwandeln sie in klare Informationen: Ist das Hotel ruhig, ist die Lage bequem, ist der Service gut. Echte Eigenschaften, die eine Entscheidung in Minuten möglich machen. Das Problem der Hotelwahl kennt jeder Reisende. Hunderte Bewertungen, Dutzende Seiten, widersprüchliche Daten — es gibt zu viel Information, und sie widerspricht sich oft selbst. Was für einen Menschen „ausgezeichnet" ist, ist für einen anderen „unerträglich". Zeit geht dabei für das Lesen von Bewertungen verloren, während sie in die Reiseplanung fließen könnte. Die Bewertungssuche deckt Dinge auf, die Aggregatorfilter schlicht übersehen. Man erkennt Renovierungen, prüft die Aktualität von Bewertungen. Situative Details: Wenn vor drei Wochen jemand etwas zur Sauberkeit oder zum Zustand des Zimmers schrieb und einige weitere es bestätigten — das bedeutet etwas. Zumindest entscheiden wir nicht für den Nutzer; wir heben hervor: Schau her, pass auf, wir haben diese Hotels gefunden. Die Bewertungssuche ist ehrlich, begrenzt, und eröffnet eine andere Ebene des Umgangs mit Daten. Dinge, die echte Menschen bemerken, Dinge, die Verfasser bezahlter Bewertungen übersehen. Und wenn Gäste von Herzen teilen — etwas ärgert sie, etwas erfreut sie — trägt das Signal weit wahrhaftigere Informationen. Darum existiert dieser Dienst genau für eine solche nerdige Suche.

Galerie (grid)

So funktioniert es

Tripin versteht Bewertungen. Das System verarbeitet Bewertungen in verschiedenen Sprachen und extrahiert Schlüsselthemen: Lage (Nähe zum Zentrum, Verkehr, Straßenlärm), Zustand (Sauberkeit, Komfort, Zimmerzustand), Service (Personal, Frühstück, Zusatzleistungen), Umgebung (Strand, Aussicht, Infrastruktur in der Nähe). Du gibst deine Prioritäten an — Ruhe, Lage oder Service — und das System findet Hotels, in denen genau das positiv erwähnt wird. Es wählt Optionen mit bequemer Verkehrsanbindung. Es hebt Häuser mit herausragendem Personal hervor. All das läuft auf Basis echter Bewertungen.

Zwei Bilder (block two)

Technologien

Wir haben 500 Tausend Bewertungen für die Region Phuket gesammelt — weit entfernt von vollständig; die Abdeckung der beliebten Orte passte einigermaßen. Wir haben sie geparst, digitalisiert, Hotelkarten aufgebaut, sie in anderen Datenbanken lokalisiert und auf der Karte verankert. Das Projekt nutzt hybride Suche: Vektorsuche und Indexsuche (Vespa). Die hybride Suche verglich Ergebnisse aus diesen beiden Gruppen und vermischte sie, indem sie über ein Gewichtungssystem die passendsten Treffer wählte. Mehr Bewertungen zum Thema — höherer Koeffizient. Eine besondere Übereinstimmung mit der Nuance der Nutzeranfrage — erhöhtes Gewicht für dieses Hotel. Das System arbeitet in verschiedenen Modi: Man kann Bewertungen lesen oder einfach eine Hotelliste erhalten und von dort aus tiefer einsteigen. Wenn rein rechnerisch mehr Bewertungen in diesem Modell vorlagen, stieg der Koeffizient. Wenn eine besondere Übereinstimmung mit einer Anfragen-Nuance auftrat, erhielt das Hotel mehr Gewicht. Der Prototyp lief ausgezeichnet: Er fand genau das, was gebraucht wurde, dank des Systems, in dem Vektorsuche, Indexsuche und hybride Suche zusammenarbeiten.

Breites Bild

Projektstatus

Das Projekt befindet sich in der Entwicklung — einer Art „unlustiger Entwicklung", weil es derzeit keine Priorität hat. Wir würden das Experiment selbst gerne öffentlich machen, sodass man schon mit dieser eingefrorenen Sammlung sehen könnte, wie es funktioniert. Und vielleicht wird daraus ein kommerzieller Dienst.

Weiter

Kompaktes CRM

Kompaktes CRM-System in Telegram. Kunden-, Aufgaben- und Verkaufsverwaltung direkt im Messenger ohne komplexe Schnittstellen.

→