Cómo Trip.com Group hace que la búsqueda de hoteles sea fluida para viajeros de todo el mundo con Zilliz Cloud

Acerca de Trip.com Group

Trip.com Group es uno de los mayores proveedores de servicios de viaje en línea del mundo, que reúne marcas reconocidas como Trip.com, Ctrip, Skyscanner, Qunar y Travix. Fundada en 1999, la empresa se ha convertido en una plataforma verdaderamente global, que atiende a viajeros en más de 200 países y regiones.

Con un portafolio que abarca vuelos, hoteles, trenes, alquiler de coches y viajes corporativos, Trip.com Group ayuda a millones de usuarios a planificar y reservar sin problemas cada etapa de su viaje. Su plataforma ofrece acceso a más de 1,2 millones de opciones de alojamiento, funciones avanzadas de búsqueda y reserva, y soporte multilingüe, lo que la convierte en un destino integral de confianza para viajeros de todo el mundo.

El desafío: la búsqueda por palabras clave se queda corta en un mundo global y multilingüe

La búsqueda de hoteles es fundamental para las plataformas de Trip.com Group, ya que ayuda a millones de viajeros a encontrar el lugar perfecto para alojarse dentro de un vasto inventario global. Sin embargo, a medida que la empresa se expandió a nuevos mercados, su búsqueda heredada basada en palabras clave a menudo devolvía resultados incompletos o irrelevantes, lo que resultaba en una experiencia de cliente fragmentada. Lo que faltaba era un enfoque impulsado por la intención: uno que pudiera interpretar el significado, no solo coincidir palabras, y mostrar propiedades que realmente se alinearan con las necesidades de los viajeros.

En cambio, los clientes a menudo se encontraban con resultados deficientes. Por ejemplo, un viajero que buscara “beautiful night view” quizá nunca vería hoteles descritos con “scenic evening view.” A alguien que escribiera “allows dogs” no se le mostrarían alojamientos marcados como “pet-friendly.” Incluso pequeñas variaciones—“king bed” frente a “large bed”—provocaban desajustes. Y en docenas de idiomas y ortografías regionales, el problema no hacía más que crecer, dejando a muchos viajeros conformándose con reservas subóptimas o abandonando la plataforma por completo.

El desafío iba más allá de la semántica. La búsqueda de hoteles es inherentemente multidimensional: los viajeros evalúan ubicación, servicios, reseñas y precio en conjunto. Una consulta como “quiet boutique hotel near Central Park with free Wi-Fi and late checkout” debería devolver un puñado de coincidencias perfectas, pero los sistemas basados en palabras clave tenían dificultades para conciliar todas estas señales a la vez.

Estas deficiencias en la búsqueda no eran inconvenientes menores: se traducían directamente en reservas perdidas y clientes insatisfechos. Para ofrecer una experiencia de búsqueda verdaderamente global y fluida, Trip.com Group necesitaba una base más inteligente y flexible.

Investigación inicial sobre búsqueda vectorial

Para superar los límites de la coincidencia por palabras clave, el equipo de Trip.com lanzó una prueba de concepto para explorar la búsqueda vectorial. Utilizaron el modelo text-embedding-ada-002 de OpenAI para convertir tanto los nombres de hoteles como las consultas de los viajeros en embeddings densos, y luego los compararon usando similitud coseno. El objetivo era simple: comprobar si la recuperación semántica podía salvar las brechas que los sistemas de palabras clave solían pasar por alto.

Los resultados fueron prometedores. Por ejemplo, la consulta “allow pets” se agrupó estrechamente con variaciones como “carry pets,” “able to bring pets,” y “pet friendly,” todas con una similitud superior a 0,94. Estas señales iniciales confirmaron que la búsqueda vectorial era capaz de reconocer la intención en diferentes formulaciones, algo que la búsqueda tradicional por palabras clave simplemente no podía lograr.

Esta validación dio al equipo la confianza para avanzar. Si un experimento ligero ya podía captar el significado semántico en pequeñas variaciones, entonces una base de datos vectorial de nivel de producción tenía el potencial de desbloquear búsquedas de hoteles más ricas, multilingües y conscientes del contexto a escala.

El viaje de Milvus a Zilliz Cloud: evaluación y migración

Al evaluar la base adecuada para el descubrimiento de hoteles, el equipo de Trip.com comparó tres categorías de soluciones.

• Las bibliotecas vectoriales, como Faiss y SPTag, ofrecían algoritmos sólidos, pero implicaban altos requisitos de ingeniería y mantenimiento, y carecían de funciones sofisticadas.

• Las bases de datos tradicionales con complementos vectoriales, como Elasticsearch y PostgreSQL, eran fáciles de adoptar, pero no podían escalar elásticamente para satisfacer las demandas de tráfico global de Trip.com.

• Las bases de datos vectoriales creadas específicamente parecían prometedoras, pero su madurez variaba: algunas carecían de funciones de nivel empresarial, mientras que otras tenían un soporte limitado de la comunidad.

Tras una evaluación exhaustiva, Milvus surgió como la opción más adecuada. Se alineaba de forma natural con la pila cloud-native de Trip.com, ofreciendo separación de cómputo y almacenamiento para un escalado flexible y una integración fluida con Kubernetes y almacenamiento distribuido. Funciones como las claves primarias de cadena y una amplia gama de tipos de índice dieron al equipo la confianza de que Milvus podía admitir diversos escenarios de búsqueda de hoteles.

Para validar el rendimiento, evaluaron dos índices: HNSW, que proporcionó la mayor precisión de recuperación pero requería más memoria (131 GB por réplica), e IVF-SQ8, que ofreció una latencia comparable mientras consumía mucha menos memoria (49 GB). Ambos mantuvieron tiempos de respuesta en tiempo real en el rango de 26–36 ms en millones de alojamientos, dando al equipo un conjunto de herramientas equilibrado para compensar precisión y eficiencia según la carga de trabajo.

Tipo de índice	Uso de memoria (por réplica)	Despliegue mínimo	Tiempo de respuesta promedio
HNSW	131 GB	6 × 4C32G + 1 × 2C4G	TOP5 – 26msTOP10 – 28msTOP20 – 30msTOP50 – 36ms
IVF-SQ8	49 GB	1 × 4C64G	TOP5 – 28msTOP10 – 29msTOP20 – 31msTOP50 – 35ms

Conjunto de datos: Entidades completas de búsqueda de hoteles; Tamaño de datos: más de 17 millones; Dimensión vectorial: 1024

Migración a Zilliz Cloud

Aunque Milvus ofrecía un rendimiento excelente, ejecutar una base de datos distribuida internamente generaba sobrecarga operativa. La gestión de clústeres, las actualizaciones, la supervisión y el escalado consumían un valioso tiempo de ingeniería, recursos que el equipo quería dedicar a mejorar la experiencia del viajero. Esto impulsó la decisión de migrar a Zilliz Cloud, el servicio totalmente gestionado creado por los creadores de Milvus. Zilliz Cloud abordó directamente las prioridades del equipo:

• Eficiencia operativa al descargar DevOps y el ajuste de rendimiento.

• Optimización de costes con escalado consciente de los recursos y cuantización a medida que los datos crecían hasta cientos de millones de imágenes de hoteles.

• Escalabilidad y fiabilidad mediante alta disponibilidad integrada, recuperación ante desastres entre regiones y escalado horizontal sin esfuerzo.

• Garantías de rendimiento que cumplieron de forma constante los estrictos requisitos de SLA de latencias P99.9 por debajo de 100 ms, incluso bajo concurrencia máxima, superando a Elasticsearch.

La migración fue fluida. Trip.com trasladó gradualmente las cargas de trabajo de clústeres Milvus autogestionados a Zilliz Cloud sin tiempo de inactividad. El resultado fue una base de búsqueda vectorial totalmente gestionada y lista para empresas, que combinaba simplicidad operativa con rendimiento de clase mundial a escala global.

La solución: búsqueda semántica con Zilliz Cloud y Multilingual-E5

Para superar los límites de la búsqueda por palabras clave, Trip.com construyó un nuevo motor de búsqueda semántica con Zilliz Cloud como su base de datos vectorial. La arquitectura es multicapa. Las consultas de los viajeros 1) primero se refinan mediante preprocesamiento, 2) luego se vectorizan en embeddings, 3) y finalmente se comparan con millones de vectores de hoteles almacenados en Zilliz Cloud; 4) los resultados de la recuperación semántica y por palabras clave se fusionan, asegurando que los viajeros vean los hoteles más relevantes en tiempo real.

Otro facilitador importante fue el modelo multilingual-e5, seleccionado por su capacidad para ofrecer una precisión constante en decenas de idiomas. Las descripciones, etiquetas e instalaciones de los hoteles se vectorizaron sin conexión, mientras que las consultas de los viajeros se procesaron en línea en tiempo de ejecución. La búsqueda de similitud de alto rendimiento de Zilliz Cloud identificó las coincidencias más cercanas en menos de 100 ms, mostrando resultados impulsados por la intención a gran escala. Consultas como “beautiful night view” y “nice evening skyline” se asignaron a la misma intención, eliminando las barreras de idioma y formulación que anteriormente habían causado oportunidades perdidas.

Al combinar embeddings multilingües con la infraestructura totalmente gestionada de Zilliz Cloud, Trip.com logró lo mejor de ambos mundos: inteligencia semántica que capturaba la intención del viajero, recuperación ultrarrápida entre millones de anuncios y fiabilidad de nivel empresarial sin la carga de operar clústeres internamente. El resultado es un sistema de búsqueda de hoteles más inteligente y escalable que atiende de manera constante a viajeros de todo el mundo, independientemente del idioma que utilicen o de cómo formulen sus solicitudes.

Múltiples casos de uso de búsqueda vectorial dentro de Trip.com Group

El nuevo motor vectorial demostró rápidamente su valor en múltiples áreas del negocio de Trip.com Group.

Búsqueda de hoteles

Para los viajeros, Zilliz Cloud resolvió uno de los mayores puntos problemáticos: las coincidencias perdidas causadas por diferencias de formulación. Una consulta de “hotel familiar” ahora también mostrará anuncios descritos como “ideal para niños”, mientras que “apto para trabajar” mostrará propiedades con “servicios para negocios”. Al combinar la búsqueda semántica con la búsqueda por palabras clave, Trip.com logra una mejor recuperación de hoteles relevantes, coincidencias más precisas y una mayor confianza en que los viajeros están viendo las mejores opciones disponibles.

Páginas de destino SEO

En el área de marketing, la búsqueda vectorial transformó la forma en que se crean las páginas de destino localizadas. Lo que antes requería una curación laboriosa ahora está automatizado: Zilliz Cloud realiza búsquedas semánticas, recupera hoteles relevantes cuando la intención de las palabras clave se queda corta, filtra y clasifica los resultados, y se integra directamente en los flujos de trabajo de generación de páginas. Este proceso permite a Trip.com crear miles de páginas de destino optimizadas en distintos idiomas y regiones, aumentando el tráfico orgánico mientras ahorra un esfuerzo manual significativo.

Búsqueda de imágenes

Más allá del texto, Trip.com extendió la búsqueda vectorial al ámbito visual. Con cientos de millones de imágenes de hoteles, desde interiores de habitaciones hasta atracciones locales, el equipo permitió a los viajeros buscar por imagen, descubriendo hoteles con estéticas o características similares. Impulsada por las capacidades multimodales de Zilliz Cloud, esta función destaca la capacidad de la plataforma para escalar más allá del texto hacia experiencias de búsqueda multimedia enriquecidas.

En conjunto, estos casos de uso demuestran que la búsqueda vectorial es más que una tecnología de back-end: es una capacidad compartida que mejora las experiencias front-end de los viajeros y acelera las estrategias de marketing back-end. Para Trip.com, Zilliz Cloud se ha convertido en una base no solo para la búsqueda de hoteles, sino también para el crecimiento en múltiples líneas de negocio.

Lo que Trip.com obtuvo con Zilliz Cloud

Migrar a Zilliz Cloud le dio a Trip.com una plataforma de búsqueda de hoteles que es más rápida e inteligente, con mejoras medibles en rendimiento, escalabilidad y operaciones:

• Optimización de latencia: Cumple de forma constante con tiempos de respuesta P99.9 inferiores a 100 ms, satisfaciendo estrictos requisitos de búsqueda en tiempo real.

• Escalabilidad a gran escala: Maneja cientos de millones de vectores de texto e imagen sin degradación del rendimiento.

• Mayor calidad de recuperación: Captura coincidencias impulsadas por la intención que los sistemas de palabras clave pasaban por alto, mejorando la satisfacción de los viajeros y reduciendo los abandonos de reserva.

• Menor carga de ingeniería: Descarga la gestión, las actualizaciones y el escalado de clústeres en Zilliz, liberando a los ingenieros para centrarse en innovaciones orientadas a los viajeros.

• Eficiencia de costes: La optimización de recursos y la cuantización mantienen los costes predecibles en comparación con Elasticsearch o Milvus autogestionado.

• Fiabilidad empresarial: La alta disponibilidad integrada y la recuperación ante desastres entre regiones ofrecen una búsqueda ininterrumpida para millones de viajeros en todo el mundo.

En conjunto, estas mejoras transformaron la búsqueda de hoteles de un sistema basado en palabras clave en un servicio inteligente, escalable y resiliente, que deleita a los viajeros y, al mismo tiempo, brinda a Trip.com confianza en su estrategia de crecimiento a largo plazo.

Conclusión

Para Trip.com, la búsqueda es más que una función: es la puerta de entrada a la experiencia de viaje. Al adoptar Zilliz Cloud, la empresa transformó la forma en que los viajeros descubren hoteles y destinos, a la vez que brindó a los equipos internos nuevas maneras de escalar e innovar. Una búsqueda más inteligente y orientada por la intención ahora impulsa tanto mejores experiencias del cliente como un crecimiento empresarial más eficiente.

Esta historia destaca un cambio más amplio: las bases de datos vectoriales gestionadas ya no son solo infraestructura de backend, sino una base estratégica para obtener una ventaja competitiva. Con Zilliz Cloud garantizando rendimiento, fiabilidad y escalabilidad, el equipo de Trip.com puede centrarse en el futuro del descubrimiento de viajes: una búsqueda fluida, multilingüe y coherente a nivel global que establece un nuevo estándar en la industria.