Tripin

由 TripAdvisor 评论驱动的酒店搜索和度假创意导航器。一个将评论混乱转化为清晰推荐的智能系统。

"选择酒店关乎它是否真正适合你。我们帮你在几分钟内找到答案。" — Tripin 的理念

关于项目

这是我们与一位合作伙伴的合作,他基于自身的生活经验构建了这个项目。对他来说,找到那些客人反馈床品确实每次都干净清新的酒店尤其重要。有了这样的信息,当邻近的五星级酒店存在床品或配套方面的投诉时,旅行者可能会优先选择一家三星级酒店。 想象一下:你在规划假期。你需要一家酒店。你打开 TripAdvisor,看到……847 条评论。五星级——有人写到噪音,有人写到家具陈旧,有人赞不绝口。你怎么判断这个地方是否适合你? Tripin 通过基于评论的搜索解决这个问题。我们分析数以千计的评论,找出模式,并将其转化为清晰的信息:酒店是否安静、位置是否方便、服务是否良好。这些是帮助你在几分钟内做决定的真实特征。 选择酒店的难题对每位旅行者都不陌生。数百条评论、数十个网站、相互矛盾的数据——信息太多,常常自相矛盾。一个人眼中的"极佳",在另一个人看来可能是"难以忍受"。时间在阅读评论中流失,本可以投入到旅行本身的规划中去。 基于评论的搜索揭示了聚合平台筛选器所忽略的事情。你可以识别装修情况,检查评论的时效性。情境性细节:三周前有客人留言谈到房间的清洁或整理频率,之后又有几位确认——这意味着什么。至少我们避免替用户做决定;我们在提示:看,请留意,我们为你找到了这些酒店。 基于评论的搜索是诚实的、有限的,它打开了与数据互动的另一个层面。真实的人所注意到的事物,付费评论的作者往往会遗漏。当客人发自内心地分享时——有些让他们恼火,有些让他们开心——信号承载着真实得多的信息。所以这项服务正是为这种极客式搜索而存在。

画廊 (grid)

工作原理

Tripin 理解评论。系统处理多种语言的评论,提取关键主题:位置(靠近市中心、交通、街道噪音)、条件(清洁度、舒适度、房间状况)、服务(员工、早餐、附加服务)、周边(海滩、景观、附近基础设施)。 你设定优先事项——安静、位置或服务——系统就会找到在这些方面获得正面评价的酒店。它挑选交通便利的选项。它突出员工出色的地方。这一切都建立在真实评论之上。

两张图片 (block two)

技术

我们为普吉岛目的地收集了 50 万条评论——远谈不上全面;在热门地点的覆盖尚算合理。我们解析了它们,进行数字化,建立酒店卡片,在其他数据库中找到它们并锚定到地图上。 项目采用混合搜索:向量搜索和索引搜索 (Vespa)。混合搜索比较来自这两组的结果并将其混合,通过权重系统选择最合适的匹配。关于该主题的评论越多——系数越高。与用户查询细微差别的特殊匹配——提升该酒店的权重。 系统以不同模式运行:你可以阅读评论,也可以直接获得酒店列表并从那里深入查看。当这个模型中在数学上有更多评论时,系数会上升。当查询细节上出现特殊匹配时,该酒店获得更大权重。 原型运行得非常出色:它能找到确切所需的内容,得益于向量搜索、索引搜索与混合搜索协同工作的系统。

宽幅图片

项目状态

项目处于开发阶段——一种"不那么好笑的开发",因为目前它不是优先事项。我们希望把这个实验本身公开,这样即便使用这份冻结的数据集,人们也能看到它如何运作。或许它会发展为商业服务。

下一个

紧凑型CRM

Telegram中的紧凑型CRM系统。无需复杂界面，直接在即时通讯工具中管理客户、任务和销售。

→