Το Booking.com αντικαθιστά τα μενού φίλτρων του με αναζήτηση φυσικής γλώσσας μέσω μοντέλων OpenAI

Το φίλτρο ήταν το σημείο συμφόρησης

Η αφήγηση του Booking.com για αυτό το έργο ξεκινά με ένα πρόβλημα frontend, όχι ένα πρόβλημα μοντέλου. Η πλατφόρμα προσέφερε εκατοντάδες φίλτρα, όμως αυτά τα φίλτρα βοηθούσαν μόνο τους ταξιδιώτες που ήδη γνώριζαν τι έψαχναν. Ο CTO Rob Francis ονομάζει το κενό με σαφήνεια.

Μπορεί να θέλετε να κάνετε μια ρομαντική απόδραση, αλλά κιτς. Δεν υπάρχει φίλτρο για κρεβάτια σχήματος καρδιάς ή μιμητές του Elvis. Η παραδοσιακή αναζήτηση απλώς δεν είχε σχεδιαστεί για να ξεκλειδώνει αυτού του είδους την πρόθεση.Montana Labs

Αυτή είναι μια ακριβής περιγραφή του γιατί τα αναπτυσσόμενα μενού και τα πλαίσια επιλογής αποτυγχάνουν στην ανακάλυψη. Κάθε φίλτρο είναι ένας προκαθορισμένος άξονας που επέλεξε εκ των προτέρων ο σχεδιαστής του προϊόντος. Μια πρόθεση που δεν αντιστοιχεί σε κάποιον υπάρχοντα άξονα δεν έχει πεδίο εισαγωγής. Η εταιρεία ήταν δυνατή σε αυτό που ο Adrienne Enggist αποκαλεί το τελευταίο χιλιόμετρο, δηλαδή τη μετάβαση των χρηστών από την αναζήτηση στην κράτηση, αλλά η προηγούμενη φάση, όπου οι ταξιδιώτες ακόμη σκέφτονται τι θέλουν, δεν είχε καμία χρησιμοποιήσιμη επιφάνεια.

Η αλλαγή στη διεπαφή ήταν μικρή· η δουλειά ήταν στη θεμελίωση

Η ορατή αλλαγή στο frontend είναι μέτρια: ένα πλαίσιο κειμένου που δέχεται prompts όπως «Πού πρέπει να πάω για ένα ρομαντικό σαββατοκύριακο στην Ευρώπη;» ή «θέα στο ηλιοβασίλεμα». Η πιο δύσκολη μηχανική βρισκόταν από πίσω. Τα Smart Filters και οι Περιλήψεις Κριτικών ΤΝ λειτουργούν σε GPT-4o mini· το Property Q&A εκπαιδεύτηκε περαιτέρω σε περιεχόμενο χρηστών και περιγραφές καταλυμάτων του Booking.com.

Η περιγραφόμενη ανακάλυψη είναι ο συνδυασμός δύο τύπων δεδομένων που η εταιρεία κρατούσε ξεχωριστά. Τα δομημένα δεδομένα, τιμές, διαθεσιμότητα και πολιτικές ακύρωσης, είχαν βελτιστοποιηθεί εδώ και χρόνια. Τα αδόμητα δεδομένα, κριτικές και περιγραφές σε φυσική γλώσσα, τοποθετήθηκαν πλέον από πάνω, ώστε το μοντέλο να μπορεί να παράγει προτάσεις θεμελιωμένες και στα δύο. Μια συνομιλιακή εισαγωγή είναι χρήσιμη μόνο αν καταλήγει σε πραγματικό απόθεμα, και αυτή η επίλυση είναι που την αποτρέπει από το να είναι απλά ένα chatbot κολλημένο πάνω σε έναν κατάλογο.

Αξίζει να σημειωθεί ότι η ενσωμάτωση έγινε μέσω των υπαρχόντων API και υποδομών δεδομένων και όχι μέσω επανασχεδιασμού. Γι' αυτό το πρώτο πρωτότυπο του AI Trip Planner, ικανό για ανακάλυψη προορισμών και δημιουργία δρομολογίων, κυκλοφόρησε σε δέκα εβδομάδες ξεκινώντας από το API και ένα hackathon.

Οι χρήστες έμαθαν να πληκτρολογούν διαφορετικά

Το πιο δυνατό στοιχείο εδώ δεν είναι η λίστα χαρακτηριστικών αλλά μια συμπεριφορική παρατήρηση. Η Enggist αναφέρει ότι οι χρήστες αρχικά αντιμετώπιζαν τη νέα εισαγωγή όπως την παλιά, πληκτρολογώντας «Myrtle Beach», μια μεμονωμένη συμβολοσειρά προορισμού. Με τον καιρό, τα ερωτήματα άλλαξαν μορφή.

Αλλά τώρα βλέπουμε πιο λεπτομερή, συνομιλιακά ερωτήματα: «Θέλω να πάω σε μια ήσυχη παραλία τον Σεπτέμβριο με τον σκύλο μου».Montana Labs

Αυτό έχει σημασία γιατί δείχνει ότι η αλλαγή διεπαφής όντως μετέβαλε τα νοητικά μοντέλα. Οι χρήστες εκφράζουν λεπτές αποχρώσεις πρόθεσης μόνο όταν εμπιστεύονται ότι το πεδίο μπορεί να τις διαχειριστεί. Η εταιρεία παρουσιάζει τα αναφερόμενα αποτελέσματά της, μεγαλύτερη αλληλεπίδραση στο Trip Planner, ταχύτερη αναζήτηση μέσω των Smart Filters, λιγότερες επικοινωνίες υποστήριξης από το Property Q&A, ως μετρήσιμη βελτίωση, αναγνωρίζοντας ταυτόχρονα ότι τα μακροπρόθεσμα δεδομένα απόδοσης εξακολουθούν να συγκεντρώνονται. Αξίζει να έχουμε υπόψη την ειλικρινή επιφύλαξη: η σταθερή μέτρηση μέχρι στιγμής είναι η αλλαγμένη συμπεριφορά πληκτρολόγησης, όχι ελεγμένα στοιχεία μετατροπών.

Ανακάλυψη σήμερα, οργάνωση αύριο

Το συγκεκριμένο δίδαγμα για ομάδες που χτίζουν συνομιλιακά frontend είναι ότι το πλαίσιο εισαγωγής είναι το εύκολο κομμάτι· το όφελος προκύπτει από τη σύνδεση ελεύθερου κειμένου πρόθεσης με δομημένο, σε πραγματικό χρόνο απόθεμα και με τα πιο ακατάστατα αδόμητα σήματα που ένας κατάλογος ήδη περιέχει. Το Booking.com είχε και μια δεκαετία υποδομής ML και χρόνια κριτικών που παρέμεναν αχρησιμοποίητα για την ανακάλυψη, μέχρι που ένα γλωσσικό μοντέλο μπόρεσε να τα διαβάσει μαζί.

Το επόμενο δηλωμένο βήμα τους ανεβάζει απότομα τη δυσκολία. Η Enggist περιγράφει έναν συνοδό-concierge που ξανακλείνει μια ακυρωμένη πτήση, βρίσκει νέο ξενοδοχείο μετά από καθυστέρηση και προτείνει κοντινά εστιατόρια με την άφιξη. Αυτό μεταβαίνει από την απάντηση σε ερωτήματα στη λήψη ενεργειών σε όλη τη διάρκεια του ταξιδιού, κάτι που θέτει διαφορετικό πήχη αξιοπιστίας και ασφάλειας από την περίληψη κριτικών. Το frontend ανακάλυψης που κυκλοφόρησαν είναι η απόδειξη της ιδέας· η έκδοση που βασίζεται σε πράκτορες είναι εκεί όπου βρίσκεται ακόμη η πιο δύσκολη μηχανική.