Renzell, et nytt Restaurant Rating System, Bets Big på Math

Folk er opptatt av å finne et godt sted å spise. Spredning av undersøkelser og steder som Michelin, Zagat, The Infatuation, og vanlig ol 'avis restaurant anmeldelse er tegn på at en profesjonell mening fortsatt er viktig - spesielt når Sør Park serverer Yelp så hardt. Slik tenker Renzell, et nytt data- og mediefirma som bruker sin egen klassifiseringsmetode for å vurdere restauranter med fine restauranter - og for å vurdere selve undersøkelsen selv.

Bo Peabody, Renzells grunnlegger, snakket til meg fra hans kontorer i New York. Peabody mener helhjertet at Renzell kan være et bedre vurderingsfirma, og at dets algoritmer kan brukes over hele verden. Han er så forpliktet til åpenhet - Renzell deler sine funn med restaurantene selv - at han sendte meg en innlogging for å gå gjennom en undersøkelse. Som Zagat, Renzell avhenger av diners å fylle ut skjemaer på sine erfaringer. Peabody ser mange forskjeller mellom hans tropper og Zagats. Renzells undersøkelse i seg selv er imponerende, og jeg har sett mye Zagat-papirarbeid i min tid. Ryddig bygget, det er fokusert på all slags middagsopplevelse - fra lydsporet til pacingen av måltidet. Det var morsomt å fylle ut. Peabody banker på det.

Omvendt: Kan du gi meg litt bakgrunn på selskapet?

Peabody: De siste 20 årene har jeg tilbrakt to parallelle liv: En som digital medieteknologi venturekapitalist og deretter den andre som en restauratør. Jeg har hatt to restauranter. Renzell er for meg en kulminasjon av mye arbeid som jeg har gjort. Så, bor i Manhattan de siste 15 årene - som noen som elsker restauranter og hvem som er i bransjen - fortsetter jeg å spise ute mye. Jeg ble alltid rammet av hvor gammel typen av karakterer og vurderinger økosystem er, ikke bare i New York, men over hele verden. I New York har teknologiske innovasjoner påvirket nesten alle andre aspekter av livet.

Det slo meg også at hvis du kan samle flere data-drevne vurderinger, kan du også gi dataene tilbake til restauranter for å gi dem mulighet til å fortsette å forbedre gjestopplevelsen. Jeg antar at den andre observasjonen jeg laget, er at disse stedene - enten det er Michelin eller Zagat - kommer opp med karakterer og deretter legger dem i utrolig stygg telefonbøker. Emnet de dekker er en av ekstraordinær skjønnhet. Så satte jeg meg for å løse disse tingene: La oss komme opp med en mer data-drevet tilnærming til å lage karakterer som gjør at du kan eliminere mange amatører som plager alle de andre systemene. La oss da dele dataene tilbake med restaurantene, så det hele virker ikke så ugjennomsiktig og rart. La oss deretter sette karakterene i noe vakkert som er i samsvar med skjønnheten i emnet vi dekker.

Ok, og gjør du det en gang i året?

I hvert fall på en offentlig måte skal vi utstede karakterene en gang per år. De vil dukke opp i det første utgaven av det som kommer til å bli et kvartalsblad. Deretter vil de følgende tre problemene ha andre interessante datatyper, men også bare vakre historier og funksjoner om de restaurantene vi dekker.

Jeg måtte komme opp med en måte å begrense det totale antall restauranter til et definerbart univers. Vi bestemte oss også for å nærme oss det fra et data-drevet perspektiv. Vi begynte å spore - omtrent et og et halvt år siden - i utgangspunktet alle restaurantene i New York City som ville bli vurdert. Vi startet med 225 og listen har vokst til 265. Vi sporer alle de på 32 forskjellige egenskaper, og vi gir hver restaurant en score på disse egenskapene. Det er en enkel algoritme at vi veier de 32 tingene på en bestemt måte - noen er viktigere enn andre - og det er hvordan vi kom opp med den opprinnelige listen over hvem som skal dekke.

Har du brukt data fra andre kilder for å komme dit?

Yeah. Omtrent halvparten av tingene vi har er eksisterende data, som Wine Spectator, Michelin, og så er de andre primærforskning som vi gjorde på egen hånd. Så vi sier egentlig ikke at "Michelin er dårlig." Jeg synes bare det er et entall koncept; det er feil.

Sannsynligvis den tingen som er mest unik om vår virksomhet, er når vi velger disse restaurantene, så gjør vi en svært dyp datametode for å få den erfaringen at gjestene har over flere netter i løpet av flere erfaringer med flere profiler av mennesker.

Kan du fortelle meg mer om dataene selv?

Vi deler det med alle. Det meste av det er på nettsiden. Vi er helt gjennomsiktige med restaurantene om dataene vi samler inn. Michelin har egentlig ingen data. Michelin og Zagat eksisterer på motsatte ender av problemspekteret: Michelin er plaget av brutto subjektivitet. De har bare tre eller fire personer i hver by som spiser på disse restaurantene. De spiser bare på disse restaurantene tre, fire, kanskje fem ganger. Så du har en veldig liten mengde mennesker, som har sine egne forstyrrelser. I den andre enden av spekteret har du det motsatte problemet hvor du har for mange mennesker, de fleste har ingen anelse og ingen forretningspersoner på high-end restauranter. Jeg tror at deres meninger på stedet på hjørnet trolig er fine, men faktum er - for bedre eller verre - det er en liten gruppe mennesker som er virkelig kvalifisert til å snakke om alle aspekter som en flott restaurant burde ha.

Det vi skal gjøre er noe i midten, hvor vi har en kurert gruppe mennesker som vil være et sted mellom 500 og 750 mennesker i hver by. Vi startet med 75 personer fra våre personlige nettverk, de seks av oss som begynte å jobbe med prosjektet. Jeg intervjuet 40 av dem for en time for å forsikre meg om at de visste hvor mye de snakket om, og da passerte 38 av dem testen, og vi invitert de 38 personene, og så inviterer vi de andre 35 noe blindt. Vi startet med rundt 65 personer i en beta-test i mai. Når vi så hva vi de gjorde, fikk vi dem til å begynne å henvise andre mennesker. Når noen blir henvist, gjør vi så vår egen forskning, og vi bygger en profil av hvem disse menneskene er. Folk vil søke, vi tar dem gjennom en søknadsprosess. Men folk som er invitert av eksisterende medlemmer, gjør vi en mengde forskning på dem.Den virkelige ting som er viktig er at vi bruker dataene vi samler på disse menneskene, og vi vektar disse svarene på undersøkelsene basert på de tingene vi kjenner om dem. Så i teknologienes verden er dette rudimentær datavitenskap. Men i verden av restaurant rangeringer, dette er revolusjonerende.

Var det noen restauranter som var uventet vurdert høyt?

Absolutt. Jeg skal gi deg et eksempel. Det er en restaurant som heter Taboon i Hell's Kitchen, og kokken brøt i utgangspunktet high-end Midtøsten mat til et fine dining-format. Han forlot og nylig returnerte, og det er slags betraktet som en nabolagsrestaurant, men våre data antyder at det på alle måter er en destinasjonsrestaurant.

Jeg ser ikke Per Se.

Ja, det er den andre enden av spekteret. Jeg vil si at stedene som folk ofte blir overrasket over ved ikke å være der, er Masa og Per Se. Du vet, dataene antyder at - du kan se hva vi sporer - og de stedene bokstavelig talt scorer null på verdi. De scorer null på stemning. Og når du får nuller i kategorier, er det veldig vanskelig. Måten vi veier kategoriene på, de restaurantene kommer aldri til å gjøre det bra. Vi redaksjonerer. Jeg vasker ikke hendene mine, men vi har definitivt et syn på hvilken av de 32 tingene som er viktigere.

Jeg kan fortelle deg at Michelin-stjernen ikke er en av de tingene vi veide veldig høyt på. Det er ikke at vi ikke respekterer Michelin, det er at Michelin er fokusert på et veldig spesielt synspunkt, og det er et svært begrenset sett av ting som vi ikke tror er veldig indikativ på hva du spiser og bryr deg om. Hvis du går til Per Se, kommer du til å sitte med en mengde turister. Og det er i et kjøpesenter! Jeg mener, se, jeg har vært der flere ganger. Det er ting om det som er fantastisk. Jeg tror det er noe alle bør gjøre hvis de har råd til det, men jeg tror ikke det er et sted du skal gjøre et poeng å gå til hvert år.