Booking.com представил первую в мире систему оценки качества апартаментов

При том что классификация по количеству звезд широко распространена и используется по всему миру для оценки и сравнения уровня качества отелей, подобной глобальной рейтинговой системы для объектов размещения неотельного типа - например, домов или апартаментов - ранее не существовало. Компания Booking.com решила восполнить этот пробел. 

Новая система оценки качества для апартаментов и других средств размещения, не попадающих в категорию традиционных отелей и хостелов, похожа на гостиничную классификацию с присвоением «звезд». Благодаря этому путешественники смогут выбирать и бронировать понравившиеся им варианты с большей уверенностью.

«Мы рады, что представили новое технологическое решение и занимаемся разработкой сервиса, прежде отсутствовавшего в отрасли… Теперь в процессе поиска жилья пользователи Booking.com могут опираться не только на проверенные отзывы гостей, но и выбирать апартаменты, дома для отпуска или виллы в соответствии с оценкой качества. К тому же, 75% всех объектов размещения на Booking.com, недавно получивших награду Traveller Review Awards 2020, — это дома, апартаменты и другие уникальные варианты жилья, причем доля апартаментов составляет почти 40%. С помощью новой системы мы рассчитываем сделать поиск идеального ночлега в любой точке мира еще удобнее», - говорит Эрик Бергалья, директор по глобальному развитию сегмента домов и апартаментов Booking.com.

Вновь созданная система от Booking.com подразумевает некий новый глобальный стандарт, на который туристы могут опираться при выборе наиболее подходящих «негостиничных» вариантов, от квартир до вилл. Что на сегодняшний день весьма актуально: согласно статистике, каждую секунду в дома, апартаменты или другие альтернативные объекты размещения, зарегистрированные на платформе, заселяется в среднем семь человек, и 34% российских путешественников сообщили, что в 2020 году предпочтут остановиться в домах для отпуска или апартаментах, а не в отелях.

Система оценки качества использует алгоритм машинного обучения, который анализирует до 400 различных характеристик (расположение объекта, его размер, предлагаемые удобства и услуги и не только). Присвоенный объекту рейтинг ранжируется согласно полученным результатам по шкале от 1 до 5, причем с учетом характеристик аналогичных объектов поблизости, чтобы обеспечить актуальность оценки с учетом местной специфики. В течение года также происходит перерасчет полученного балла для получения максимально достоверных результатов.