Renzell, isang New Rating System, ang Big Bets sa Math

Ang mga tao ay masigasig upang makahanap ng isang magandang lugar upang kumain. Ang paglaganap ng mga survey at mga site tulad ng Michelin, Zagat, Ang Infatuation, at ang plain ol 'restaurant review ng restaurant ay mga palatandaan na ang isang propesyonal na opinyon ay mahalaga pa rin - lalo na kapag South Park Naghahain ang Yelp kaya mahirap. Ganito ang pag-iisip ni Renzell, isang bagong data at kumpanya ng media na gumagamit ng sarili nitong pamamaraan sa pag-rate upang i-rate ang mga restaurant na may fine dining - at i-rate ang survey-takers, ang kanilang mga sarili.

Si Bo Peabody, ang tagapagtatag ni Renzell, ay nagsalita sa akin mula sa kanyang mga tanggapan sa New York. Ang Peabody buong puso ay naniniwala na ang Renzell ay maaaring maging isang mas mahusay na kumpanya ng rating, at ang mga algorithm nito ay magagamit sa buong mundo. Siya ay nakatuon sa transparency - Binibilang ni Renzell ang mga natuklasan nito sa mga restaurant mismo - na ipinadala niya sa akin ang isang pag-log-in upang pumunta sa pamamagitan ng isang survey. Tulad ng Zagat, depende sa Renzell ang mga diner upang punan ang mga form sa kanilang mga karanasan. Nakikita ng Peabody ang maraming pagkakaiba sa pagitan ng kanyang mga hukbo at Zagat. Ang survey ni Renzell mismo ay kahanga-hanga, at nakita ko ang maraming papeles ng Zagat sa aking panahon. Malinaw na binuo, nakatuon ito sa lahat ng paraan ng karanasan sa kainan - mula sa soundtrack hanggang sa pagpapakain ng pagkain. Ito ay masaya upang punan. Pagbabangko ng Peabody sa iyon.

Kabaligtaran: Maaari mo bang bigyan ako ng ilang mga background sa kumpanya?

Peabody: Ang huling 20 taon na ginugol ko sa buhay ng dalawang magkakabuhay na buhay: Isa bilang digital media technology venture capitalist at pagkatapos ay ang iba pang bilang isang restaurateur. Mayroon akong dalawang restaurant. Si Renzell, para sa akin, ang isang paghantong ng maraming trabaho na ginagawa ko. Kaya, nakatira sa Manhattan sa huling 15 taon - bilang isang taong nagmamahal sa mga restawran at nasa industriya - patuloy akong kumakain ng maraming. Laging ako ay sinaktan ng kung gaano kalok ang uri ng mga rating at sinusuri ang ecosystem ay, hindi lamang sa New York, kundi sa buong mundo. Sa New York, ang mga makabagong teknolohiya ay nakaapekto sa halos lahat ng iba pang aspeto ng buhay.

Naaulat din sa akin na kung maaari kang mangolekta ng mas maraming data-driven na mga review, maaari mo ring ibigay ang data na iyon pabalik sa mga restaurant upang payagan silang patuloy na mapabuti ang karanasan ng bisita. Hulaan ko ang iba pang pagmamasid na ginawa ko ay ang mga lugar na ito - kung ito man ay Michelin o Zagat - lumabas sa mga rating at pagkatapos ay ilagay ang mga ito sa hindi mapaniniwalaan o kapani-paniwala pangit na mga libro ng telepono. Ang paksa nila ay sumasaklaw ay isa sa pambihirang kagandahan. Kaya, nag-set up ako upang malutas ang mga bagay na ito: Magkaroon tayo ng mas maraming data-driven na diskarte sa paglikha ng mga rating na nagbibigay-daan sa iyo upang alisin ang maraming mga amateurs na salot ang lahat ng iba pang mga sistema. Pagkatapos, ibahagi natin ang data na iyon sa mga restawran, kaya ang buong bagay ay hindi nakakaramdam ng napakaraming kulay at kakaiba. Pagkatapos, ilagay natin ang mga rating sa isang bagay na maganda na naaayon sa kagandahan ng paksa na aming tinakpan.

Okay, at ginagawa mo na minsan sa isang taon?

Hindi bababa sa isang pampublikong paraan, magbibigay kami ng mga rating nang isang beses bawat taon. Lilitaw ang mga ito sa unang isyu ng kung ano ang magiging isang quarterly magazine. Pagkatapos, ang mga sumusunod na tatlong isyu ay magkakaroon ng iba pang mga kagiliw-giliw na data tidbits, kundi pati na rin ang mga magagandang kuwento at mga tampok tungkol sa mga restawran na sinasaklaw namin.

Kailangan kong magkaroon ng isang paraan upang limitahan ang kabuuang bilang ng mga restawran sa isang maaaring ipaliwanag na uniberso. Nagpasiya rin kaming lapitan iyon mula sa pananaw na hinimok ng data. Sinimulan naming subaybayan - mga isang taon-at-kalahating nakaraan - karaniwang lahat ng mga restawran sa New York City na isasaalang-alang. Nagsimula kami sa 225 at ang listahan ay lumaki hanggang sa 265. Sinusubaybayan namin ang lahat ng nasa 32 iba't ibang mga katangian at binibigyan namin ang bawat restaurant ng isang puntos sa mga katangiang iyon. Ito ay isang simpleng algorithm na timbangin namin ang 32 na bagay sa isang partikular na paraan - ang ilan ay mas mahalaga kaysa sa iba - at ganoon din kami kung saan namin isinama ang orihinal na listahan ng kung sino ang sasaklawan.

Gumagamit ka ba ng data mula sa ibang mga mapagkukunan upang makarating doon?

Yeah. Tungkol sa kalahati ng mga bagay na mayroon kami ay umiiral na data, tulad ng Wine Spectator, Michelin, at ang iba pa ay ang pangunahing pananaliksik na ginawa namin sa aming sarili. Kaya hindi namin talaga sinasabi "Michelin ay masama." Sa tingin ko lang ito ay isang isahan na konsepto; ito ay may depekto.

Marahil ang bagay na pinaka-kakaiba sa aming negosyo ay sa sandaling pinili namin ang mga restaurant, pagkatapos ay ginagawa namin ang isang napaka-malalim na pamamaraan ng data sa pagkuha sa karanasan na ang mga bisita ay nakakaranas ng maraming mga gabi sa kurso ng maramihang mga karanasan na may maramihang mga profile ng mga tao.

Maaari mo bang sabihin sa akin ang higit pa tungkol sa data mismo?

Ibinabahagi namin ito sa lahat. Karamihan sa mga ito ay nasa website. Kami ay lubos na malinaw sa mga restaurant tungkol sa data na kinokolekta namin. Ang Michelin ay walang tunay na data. Ang Michelin at Zagat ay umiiral sa kabaligtaran dulo ng spectrum ng problema: Ang Michelin ay sinasadya ng matinding kaakibat. Mayroon lamang silang tatlo o apat na tao sa bawat lungsod na kumakain sa mga restaurant na ito. Ang mga ito ay kumakain lamang sa mga restaurant na ito ng tatlo, apat, marahil limang beses. Kaya mayroon kang isang napakaliit na halaga ng mga tao, na may sariling mga biases. Sa kabilang dulo ng spectrum, mayroon kang kabaligtaran problema kung saan mayroon kang masyadong maraming mga tao, karamihan sa kanila ay walang ideya at walang negosyo opining sa high-end na restaurant. Sa tingin ko ang kanilang mga opinyon sa lugar sa sulok ay malamang na mabuti, ngunit ang katotohanan ay - para sa mas mahusay o mas masahol pa - mayroong isang maliit na grupo ng mga tao na talagang kwalipikado upang pag-usapan ang lahat ng mga aspeto na dapat magkaroon ng isang mahusay na restaurant.

Ang aming itinakdang gawin ay isang bagay sa gitna, kung saan mayroon kaming isang curated na grupo ng mga tao na magiging sa pagitan ng 500 hanggang 750 katao sa bawat lungsod. Nagsimula kami na may 75 na tao mula sa aming mga personal na network, ang anim sa amin na nagsimulang magtrabaho sa proyekto. Ininterbyu ko ang 40 ng mga ito para sa isang oras upang tiyakin na alam nila kung ano ang ano ba ang kanilang pinag-uusapan at, pagkatapos, 38 sa kanila ang nakapasa sa pagsubok at inimbitahan namin ang 38 na mga tao, at pagkatapos ay iniimbitahan namin ang iba pang mga 35 medyo walang taros. Sinimulan namin ang tungkol sa 65 mga tao sa beta test noong Mayo. Sa sandaling nakita namin kung ano ang ginagawa namin, pinayagan namin silang simulan ang pagtukoy sa ibang mga tao. Kapag ang isang tao ay tinutukoy, magsasagawa kami ng sarili naming pananaliksik at bumuo kami ng isang profile kung sino ang mga taong ito. Ang mga tao ay mag-aplay, kinukuha namin ang mga ito sa pamamagitan ng isang proseso ng aplikasyon. Ngunit ang mga tao na inanyayahan ng mga umiiral na miyembro, ginagawa namin ang isang pangkat ng pananaliksik sa mga ito.Ang tunay na bagay na mahalaga ay na ginagamit namin ang data na kinokolekta namin sa mga taong ito at binibigyan namin ang mga sagot sa mga survey batay sa mga bagay na alam namin tungkol sa mga ito. Kaya, sa mundo ng mga kumpanya ng teknolohiya, ito ay hindi pa ganap na agham ng data. Ngunit, sa mundo ng rating ng restaurant, ito ay rebolusyonaryo.

Mayroon bang anumang mga restaurant na hindi inaasahang mataas ang pag-rate?

Talagang. Bibigyan kita ng isang halimbawa. May isang restaurant na tinatawag na Taboon sa Hell's Kitchen at ang chef talaga nagdala ng high-end Middle Eastern cuisine sa isang fine-dining format. Siya ay umalis at kamakailan lamang ay nagbalik, at ito ay uri ng itinuturing na isang restaurant ng kapitbahayan, ngunit ang aming data ay nagpapahiwatig na sa bawat dimensyon, ito ay isang destination restaurant.

Hindi ko nakikita ang Per Se.

Yeah, iyon ang kabilang dulo ng spectrum. Gusto ko sabihin ang mga lugar na ang mga tao ay madalas na magulat sa pamamagitan ng hindi sa doon ay Masa at Per Se. Alam mo, ipinahihiwatig ng data na iyon - maaari mong makita kung ano ang sinusubaybayan namin - at ang mga lugar ay literal na puntos ang zero sa halaga. Puntos nila zero sa vibe. At kapag nakakuha ka ng zeroes sa mga kategorya, napakahirap. Ang paraan ng pagtimbang natin sa mga kategorya, ang mga restaurant ay hindi gagawin nang maayos. Nagtatampok kami ng editorializing. Hindi ko hinuhugasan ang aking mga kamay, ngunit tiyak na may punto na kami kung alin sa mga 32 bagay na iyon ang mas mahalaga.

Maaari ko bang sabihin sa iyo na ang Michelin star ay hindi isa sa mga bagay na tinimbang namin masyadong mataas. Hindi naman na hindi namin iginagalang ang Michelin, ang Michelin ay nakatuon sa isang partikular na punto ng pananaw at mayroong isang limitadong hanay ng mga bagay na hindi namin iniisip ay nagpapahiwatig ng kung ano ang iyong kumakain at nagmamalasakit. Kung pupunta ka sa Per Se, pupunta ka sa isang grupo ng mga turista. At ito ay nasa isang mall! Ibig kong sabihin, tumingin, ako ay nandoon nang maraming beses. May mga bagay tungkol dito na hindi kapani-paniwala. Sa tingin ko ito ay dapat gawin ng lahat ng tao kung maaari nilang bayaran ito, ngunit sa palagay ko ito ay isang lugar na gagawin mong punto upang pumunta sa bawat taon.