Secretos de cocina: ¿cómo asesorar automáticamente?

En Despegar los proveedores son los responsables de la creación de su contenido y por eso muchas veces nos encontrábamos con fotos desactualizadas o descriptivos inconsistentes.

Para mejorar eso contamos con un equipo de moderación de alojamientos, quienes trabajan para generar transparencia en la información, crear consistencia, y persiguen el asesoramiento a los usuarios en el momento de la compra.

Sin embargo, contamos con solo 4 especialistas y un inventario de no menos de 700 mil alojamientos. Se necesitaba una solución escalable para aplicar nuestros criterios en un universo tan grande: un ejército de moderadores o el desarrollo de una moderación automática. Afortunadamente, fuimos por la segunda opción.

Si esto fuera una receta, se necesitaría:

• Una bolsa bien grande de alojamientos
• 5 historias
• 4 especialistas en la moderación del producto
• 1 pilón de guidelines de contenido
• 1 equipo de Data Science
• 4 equipos de Producto/ IT

Revolver hasta que sea una mezcla sin grumos

Todo muy rico, pero ¿cómo se prepara esto? Para empezar nos enfocamos en las fotos, que es el factor más inspiracional a la hora de planificar el viaje. En nuestro caso, el primer paso fue entrenar a un algoritmo con Machine Learning para que aprenda a identificar una buena foto.

Detectamos que nuestro problema más frecuente era la calidad. Poder identificar fotos borrosas, movidas, estiradas u oscuras. Luego de varios entrenamientos, obtuvimos un 97% de efectividad. Con la integración del servicio, podíamos conocer el estado de la calidad de las fotos en toda nuestra base con una simple consulta.

Dando un puntaje del 1 al 5 a cada foto, el algoritmo nos permitía conocer el estado de 150 mil fotos en 3 días, manualmente solo podríamos lograrlo en 6 meses.

Dimos el siguiente paso y lo aplicamos al orden de las fotos. Ordenamos la galería de imágenes haciendo una ponderación con las siguientes variables: escena de la fotografía, el puntaje de calidad y su resolución.

Hicimos una serie de pruebas, la primera fue al inventario. No tenía sentido aplicar un orden a galerías que no tuvieran variedad de escenas categorizadas y donde el total de las fotos sea de baja calidad. Con este análisis pudimos aplicar una serie de validaciones donde consideramos un porcentaje mínimo necesario de fotos categorizadas para que ingresara al ordenamiento automático. Además, se consideraron cuáles serían las categorías seleccionadas como foto principal.

Sin embargo, a pesar de que el orden de priorización de fotos había considerado los guidelines de contenido, era necesario poder comprobar que este ordenamiento sea efectivo. Por eso, enviamos una encuesta AB a usuarios de México, Argentina y Brasil, donde se mostraba la galería tal cual había sido organizada por el proveedor Vs. como se ordenaría automáticamente. El 75% de los usuarios prefirió el nuevo ordenamiento. Entre las palabras más utilizadas en las respuestas de la encuesta estaban que les resultaba más limpio, más moderno y contaba con fotos actuales. El descubrimiento fue que las fotos de calidad daban una sensación de limpieza.

A partir de estos resultados, pudimos impulsar su desarrollo. Actualmente está impactando en 311 mil alojamientos (47% de la base). De esta forma también conseguimos disminuir las solicitudes de cambio internas, donde reportaban fotos del baño en la primera posición en la galería, muy poco inspiracionales al momento de selección de un alojamiento.

¿Qué podíamos hacer con el otro 53%?

Teníamos que poder identificar de qué eran las fotos, poder categorizar las escenas. El curado de fotos representa el 23% del tiempo en la moderación de alojamientos. Si conseguíamos identificar automáticamente las fotos, podríamos completar en su totalidad el proceso manual.

Trabajamos con el equipo de Data Science en la identificación de escenas, generando clusters por similitud. A partir de esto, obtuvimos el porcentaje de qué era y qué no era cada foto. Luego de varios entrenamientos, con curado de cada categoría, pudimos identificar las fotos que tenían al menos un 98% de identificación con alguna escena.

Nuestra primera versión fueron las categorías de piscina, habitación y baño. Impactando en 396 mil alojamientos (60% de la base).

Para la siguiente iteración, abrimos la posibilidad de que una foto pueda tener más de una escena. Es decir, una foto de un All Inclusive de México podría retratar 2 escenas diferentes: una piscina y su playa privada. Sería injusto acudir a una sola categoría ante ese escenario.

La identificación de múltiples categorías nos permitiría poder mejorar nuestro ordenamiento y ser más selecto en las primeras fotografías que el usuario ve en el mosaico de fotos.

Fue así que preparamos nuestra plataforma para almacenar más de una categoría. Además, acudimos al equipo de Media con la intención de que este servicio sea cross producto. De esta forma, cuando exista el interés de generar nuevos filtros de categorización, por ejemplo paisajes, sea más simple su integración, incluso para otros productos.

Esta nueva versión con todas las categorías, próxima a salir del horno, podrá aplicarse en fotos que hoy no tienen categoría definida: 5.8 millones (23% de la base), además de actualizar otras tantas.

¿Con qué se marida muy bien?

Aún nos faltaba encontrar aquella bebida con la que acompañar un plato de tanta preparación. Y un buen malbec en este caso, tenía que ser la descripción de los alojamientos y habitaciones, actividad que implicaba en la moderación el mayor tiempo de trabajo (un 45%).

Además, todos los días nos llegaban pedidos para la edición de los textos de descriptivos, por parte de nuestros socios comerciales. Esta tarea hacía que tengamos a un analista de contenido exclusivamente asignado en la resolución de estos casos. Por otro lado, corríamos el riesgo que nuestros socios cambiarán sus servicios y olvidarán cargar una solicitud de cambio. Por ejemplo: Wi-Fi gratis por Wi-Fi con costo, vendiendo así alojamientos con información inconsistente.

Su primera aplicación fue en el descriptivo general del alojamiento. Consistió en el armado de templates con estructuras dinámicas de varias opciones de texto en inglés, portugués y español, para que no aparezcan siempre las mismas opciones en diferentes alojamientos.

Teníamos definida una estructura de composición de cada párrafo en la moderación. Respetamos este formato y sumamos una nueva estructura con bullets, donde le dábamos mayor jerarquía a servicios especiales.

Ya no íbamos a tener inconsistencias entre los servicios y el descriptivo, ya que ahora las descripciones se iban a formar de inmediato con lo que se seleccionara desde el backoffice.

En una primera instancia, trabajamos en el curado de los servicios que teníamos en la base, para que puedan adaptarse mejor a los textos.

Finalizado este proceso, comenzamos su desarrollo, pruebas e impacto en la base. Actualmente, se está utilizando en más de 583 mil alojamientos (88% de la base), disminuyendo un 27% las solicitudes de cambio con respecto al año anterior.

La siguiente aplicación fue en los descriptivos de las habitaciones. El 42% de las solicitudes que recibíamos eran de este tipo. Para esta descripción se utilizaron diferentes estructuras cuando la unidad contaba con cocina, amenities especiales, vista o un metraje mayor a la media.

Se aplicó en 140 mil habitaciones. Además de contar con descripciones actualizadas siempre iban a tener a mostrar sus servicios principales.

¡A sentarse! la mesa está lista

La mesa está puesta y las copas servidas. Solo faltan que se unan al festín. ¡Bon appétit!

Sin dudas, el camino no fue tan lineal como acabas de leerlo. Estas historias atravesaron miles de sensaciones e idas y vueltas. En su conjunto, atravesaron 3 años. Algunas, conocieron a 3 diferentes equipos de desarrollo, quienes pudieron tomar la vara y continuar la carrera. Otras tuvieron entrenamientos de varios meses para que la solución alcanzara la mayor efectividad posible.

Todas tuvieron como objetivos en común mejorar el proceso de trabajo y escalar el asesoramiento que tan efectivamente se consigue desde el equipo de moderación. Este equipo sigue trabajando en los alojamientos que tienen más búsquedas y por ello aún continúan con esta labor artesanal.

La automatización tiene que dejar de verse como un cuco, con ganas de reemplazarnos y comenzar a pensarse como una oportunidad que nos potencia y nos da aún más valor. Abriéndonos a estas tecnologías, podemos disminuir nuestra carga de trabajo, para especializarnos y construir soluciones que impacten en nuestras tareas del día a día y puedan asesorar efectivamente a nuestros usuarios.

Cada una de estas historias, trató de disminuir tiempos de trabajo y obtener una escalabilidad. El siguiente paso es la personalización, donde a partir de los intereses del usuario y la información correctamente categorizada de nuestros productos podamos disponibilizar una oferta comercial direccionada.