Tripin
Navigator pencarian hotel dan ide liburan yang ditenagai oleh ulasan TripAdvisor. Sebuah sistem cerdas yang mengubah kekacauan ulasan menjadi rekomendasi yang jelas.
"Memilih hotel adalah soal apakah itu cocok untuk Anda sendiri. Kami membantu menemukannya dalam hitungan menit." — filosofi Tripin
Tentang proyek
Ini adalah kolaborasi kami dengan mitra yang membangun proyek berdasarkan pengalaman hidupnya sendiri. Bagi dia, sangat penting untuk menemukan hotel di mana tamu mengonfirmasi bahwa seprai benar-benar bersih dan segar setiap saat. Dengan informasi seperti itu, seorang pelancong bisa memilih hotel tiga bintang daripada lima bintang, ketika hotel-hotel lima bintang di sekitarnya memiliki keluhan tentang seprai atau perlengkapan. Bayangkan: Anda sedang merencanakan liburan. Anda butuh hotel. Anda membuka TripAdvisor dan melihat... 847 ulasan. Lima bintang, dan ada yang menulis tentang kebisingan, ada yang tentang perabot tua, ada yang terpesona. Bagaimana Anda tahu apakah tempat itu cocok? Tripin menyelesaikan ini melalui pencarian berbasis ulasan. Kami menganalisis ribuan ulasan, menemukan pola, dan mengubahnya menjadi informasi yang jelas: apakah hotelnya tenang, apakah lokasinya nyaman, apakah layanannya baik. Karakteristik nyata yang membantu memutuskan dalam hitungan menit. Masalah memilih hotel akrab bagi setiap pelancong. Ratusan ulasan, puluhan situs, data yang bertentangan — informasi terlalu banyak dan sering bertentangan dengan dirinya sendiri. Apa yang bagi satu orang "sangat baik", bagi yang lain bisa "tak tertahankan". Waktu yang bisa dipakai untuk merencanakan perjalanan itu sendiri mengalir ke membaca ulasan. Pencarian berbasis ulasan mengungkap hal-hal yang terlewat begitu saja oleh filter agregator. Anda dapat mengenali renovasi, memeriksa kesegaran ulasan. Detail situasional: ketika tiga minggu lalu seorang tamu meninggalkan catatan tentang kebersihan atau frekuensi perawatan kamar, dan beberapa lainnya mengonfirmasi — itu berarti sesuatu. Setidaknya, kami menghindari memutuskan untuk pengguna; kami menyoroti: lihat, perhatikan, kami menemukan hotel-hotel ini. Pencarian berbasis ulasan itu jujur, terbatas, dan membuka lapisan interaksi lain dengan data. Hal-hal yang dilihat oleh orang-orang nyata, hal-hal yang terlewat oleh penulis ulasan berbayar. Dan ketika tamu berbagi dari hati — sesuatu mengganggu mereka, sesuatu membuat mereka senang — sinyal itu membawa informasi yang jauh lebih benar. Itulah sebabnya layanan ini ada untuk pencarian ala geek semacam ini.
Galeri (grid)
Cara kerjanya
Tripin memahami ulasan. Sistem memproses ulasan dalam berbagai bahasa dan mengekstrak tema-tema kunci: lokasi (kedekatan dengan pusat, transportasi, kebisingan jalan), kondisi (kebersihan, kenyamanan, keadaan kamar), layanan (staf, sarapan, layanan tambahan), lingkungan (pantai, pemandangan, infrastruktur di sekitarnya). Anda menentukan prioritas — ketenangan, lokasi, atau layanan — dan sistem menemukan hotel yang disebut positif tentang hal itu. Ia memilih opsi dengan akses transportasi yang nyaman. Ia menonjolkan tempat dengan staf yang luar biasa. Semuanya bekerja berdasarkan ulasan nyata.
Dua gambar (block two)
Teknologi
Kami mengumpulkan 500 ribu ulasan untuk destinasi Phuket — jauh dari lengkap; cakupan tempat-tempat populer cukup memadai. Kami mem-parsing, mendigitalkan, membangun kartu hotel, menemukannya di basis data lain, dan mengaitkannya ke peta. Proyek ini menggunakan pencarian hibrida: pencarian vektor dan pencarian indeks (Vespa). Pencarian hibrida membandingkan hasil dari dua kelompok ini dan mencampurnya, memilih yang paling sesuai melalui sistem bobot. Lebih banyak ulasan tentang topik — koefisien lebih tinggi. Kecocokan khusus pada nuansa permintaan pengguna — peningkatan bobot hotel. Sistem bekerja dalam berbagai mode: Anda dapat membaca ulasan atau hanya menerima daftar hotel dan menyelam dari sana. Ketika secara matematis ada lebih banyak ulasan dalam model ini, koefisien naik. Ketika muncul kecocokan khusus pada nuansa permintaan, hotel itu mendapatkan bobot lebih besar. Prototipe bekerja dengan sangat baik: menemukan persis apa yang dibutuhkan, berkat sistem di mana pencarian vektor, pencarian indeks, dan pencarian hibrida bekerja bersama.
Gambar lebar
Status proyek
Proyek sedang dalam pengembangan — semacam "pengembangan tidak lucu", karena saat ini bukan prioritas. Kami ingin membuat eksperimen itu sendiri menjadi publik, sehingga bahkan dengan koleksi yang dibekukan ini orang-orang dapat melihat cara kerjanya. Dan mungkin ia akan bertumbuh menjadi layanan komersial. Sistem CRM kompak di Telegram. Manajemen klien, tugas, dan penjualan langsung di messenger tanpa antarmuka yang rumit.
CRM Kompak