Comment Trip.com Group rend la recherche d’hôtels fluide pour les voyageurs du monde entier avec Zilliz Cloud

À propos de Trip.com Group

Trip.com Group est l’un des plus grands fournisseurs de services de voyage en ligne au monde, réunissant des marques bien connues, notamment Trip.com, Ctrip, Skyscanner, Qunar et Travix. Fondée en 1999, l’entreprise est devenue une plateforme véritablement mondiale, au service des voyageurs dans plus de 200 pays et régions.

Avec un portefeuille couvrant les vols, les hôtels, les trains, les locations de voitures et les voyages d’affaires, Trip.com Group aide des millions d’utilisateurs à planifier et réserver sans difficulté chaque étape de leur voyage. Sa plateforme donne accès à plus de 1,2 million de choix d’hébergement, à des fonctionnalités avancées de recherche et de réservation, ainsi qu’à une assistance multilingue, ce qui en fait une destination unique de confiance pour les voyageurs du monde entier.

Le défi : la recherche par mots-clés montre ses limites dans un monde mondial et multilingue

La recherche d’hôtels est au cœur des plateformes de Trip.com Group, aidant des millions de voyageurs à trouver l’endroit idéal où séjourner parmi un vaste inventaire mondial. Pourtant, à mesure que l’entreprise s’est développée sur de nouveaux marchés, son ancien système de recherche basé sur les mots-clés renvoyait souvent des résultats incomplets ou non pertinents, entraînant une expérience client fragmentée. Ce qui manquait, c’était une approche fondée sur l’intention : une approche capable d’interpréter le sens, et pas seulement de faire correspondre des mots, afin de faire remonter des établissements qui correspondent réellement aux besoins des voyageurs.

Au lieu de cela, les clients étaient souvent confrontés à de mauvais résultats. Par exemple, un voyageur recherchant « beautiful night view » pouvait ne jamais voir d’hôtels décrits avec « scenic evening view ». Une personne saisissant « allows dogs » ne verrait pas les annonces marquées comme « pet-friendly ». Même de petites variations — « king bed » versus « large bed » — entraînaient des incompatibilités. Et avec des dizaines de langues et d’orthographes régionales, le problème ne faisait que s’aggraver, poussant de nombreux voyageurs à se contenter de réservations sous-optimales ou à abandonner complètement la plateforme.

Le défi allait au-delà de la sémantique. La recherche d’hôtels est intrinsèquement multidimensionnelle : les voyageurs évaluent ensemble l’emplacement, les équipements, les avis et le prix. Une requête comme « quiet boutique hotel near Central Park with free Wi-Fi and late checkout » devrait renvoyer une poignée de correspondances parfaites, mais les systèmes basés sur les mots-clés avaient du mal à concilier tous ces signaux à la fois.

Ces lacunes de recherche n’étaient pas de simples désagréments : elles se traduisaient directement par des réservations perdues et des clients insatisfaits. Pour offrir une expérience de recherche véritablement mondiale et fluide, Trip.com Group avait besoin d’une base plus intelligente et plus flexible.

Premières recherches sur la recherche vectorielle

Pour dépasser les limites de la correspondance par mots-clés, l’équipe de Trip.com a lancé une preuve de concept afin d’explorer la recherche vectorielle. Elle a utilisé le modèle text-embedding-ada-002 d’OpenAI pour convertir à la fois les noms d’hôtels et les requêtes des voyageurs en embeddings denses, puis les a comparés à l’aide de la similarité cosinus. L’objectif était simple : tester si la recherche sémantique pouvait combler les écarts que les systèmes par mots-clés manquaient régulièrement.

Les résultats ont été encourageants. Par exemple, la requête « allow pets » se regroupait étroitement avec des variantes comme « carry pets », « able to bring pets » et « pet friendly », toutes obtenant un score de similarité supérieur à 0,94. Ces premiers signaux ont confirmé que la recherche vectorielle était capable de reconnaître l’intention à travers différentes formulations, ce que la recherche traditionnelle par mots-clés ne pouvait tout simplement pas accomplir.

Cette validation a donné à l’équipe la confiance nécessaire pour aller de l’avant. Si une expérience légère pouvait déjà capturer le sens sémantique à travers de petites variations, alors une base de données vectorielle de niveau production avait le potentiel de débloquer une recherche d’hôtels plus riche, multilingue et sensible au contexte à grande échelle.

Le parcours de Milvus à Zilliz Cloud : évaluation et migration

Lors de l’évaluation de la bonne base pour la découverte d’hôtels, l’équipe de Trip.com a comparé trois catégories de solutions.

• Les bibliothèques vectorielles, telles que Faiss et SPTag, offraient des algorithmes performants, mais s’accompagnaient d’importantes exigences d’ingénierie et de maintenance, tout en manquant de fonctionnalités sophistiquées.

• Les bases de données traditionnelles avec des modules vectoriels complémentaires, comme Elasticsearch et PostgreSQL, étaient faciles à adopter, mais ne pouvaient pas évoluer de manière élastique pour répondre aux exigences du trafic mondial de Trip.com.

• Les bases de données vectorielles spécialisées semblaient prometteuses, mais leur maturité variait : certaines manquaient de fonctionnalités de niveau entreprise, tandis que d’autres bénéficiaient d’un support communautaire limité.

Après une évaluation approfondie, Milvus s’est imposé comme la solution la mieux adaptée. Il s’alignait naturellement avec la stack cloud-native de Trip.com, offrant une séparation du calcul et du stockage pour une mise à l’échelle flexible et une intégration fluide avec Kubernetes et le stockage distribué. Des fonctionnalités telles que les clés primaires de type chaîne et un large éventail de types d’index ont donné à l’équipe la certitude que Milvus pouvait prendre en charge divers scénarios de recherche d’hôtels.

Pour valider les performances, ils ont comparé deux index : HNSW, qui offrait la meilleure précision de rappel mais nécessitait davantage de mémoire (131 GB par réplique), et IVF-SQ8, qui fournissait une latence comparable tout en consommant beaucoup moins de mémoire (49 GB). Tous deux maintenaient des temps de réponse en temps réel dans une plage de 26 à 36 ms sur des millions d’annonces, offrant à l’équipe un ensemble d’outils équilibré pour arbitrer entre précision et efficacité selon la charge de travail.

Type d’index	Utilisation de la mémoire (par réplique)	Déploiement minimal	Temps de réponse moyen
HNSW	131 GB	6 × 4C32G + 1 × 2C4G	TOP5 – 26msTOP10 – 28msTOP20 – 30msTOP50 – 36ms
IVF-SQ8	49 GB	1 × 4C64G	TOP5 – 28msTOP10 – 29msTOP20 – 31msTOP50 – 35ms

Jeu de données : Entités complètes de recherche d’hôtels ; Taille des données : 17 millions+ ; Dimension vectorielle : 1024

Migration vers Zilliz Cloud

Bien que Milvus ait offert d’excellentes performances, l’exploitation d’une base de données distribuée en interne entraînait une charge opérationnelle. La gestion des clusters, les mises à niveau, la surveillance et la mise à l’échelle consommaient un temps d’ingénierie précieux — des ressources que l’équipe voulait consacrer à l’amélioration de l’expérience des voyageurs. Cela a motivé la décision de migrer vers Zilliz Cloud, le service entièrement géré créé par les concepteurs de Milvus. Zilliz Cloud répondait directement aux priorités de l’équipe :

• Efficacité opérationnelle en déchargeant les tâches DevOps et l’optimisation des performances.

• Optimisation des coûts grâce à une mise à l’échelle tenant compte des ressources et à la quantification à mesure que les données atteignaient des centaines de millions d’images d’hôtels.

• Évolutivité et fiabilité grâce à une haute disponibilité intégrée, une reprise après sinistre interrégionale et une mise à l’échelle horizontale sans effort.

• Garanties de performance répondant systématiquement aux exigences strictes de SLA avec des latences P99.9 inférieures à 100 ms — même en cas de concurrence maximale, surpassant Elasticsearch.

La migration s’est déroulée sans heurts. Trip.com a progressivement transféré les charges de travail des clusters Milvus autogérés vers Zilliz Cloud sans aucune interruption de service. Le résultat a été une base de recherche vectorielle entièrement gérée, prête pour l’entreprise, combinant simplicité opérationnelle et performances de classe mondiale à l’échelle mondiale.

La solution : Recherche sémantique avec Zilliz Cloud et Multilingual-E5

Pour dépasser les limites de la recherche par mots-clés, Trip.com a construit un nouveau moteur de recherche sémantique avec Zilliz Cloud comme base de données vectorielle. L’architecture est multicouche. Les requêtes des voyageurs sont 1) d’abord affinées par prétraitement, 2) puis vectorisées en embeddings, 3) et enfin appariées à des millions de vecteurs d’hôtels stockés dans Zilliz Cloud ; 4) les résultats de la récupération sémantique et par mots-clés sont fusionnés, garantissant que les voyageurs voient les hôtels les plus pertinents en temps réel.

Un autre facteur clé a été le modèle multilingual-e5, choisi pour sa capacité à fournir une précision constante dans des dizaines de langues. Les descriptions d’hôtels, les tags et les équipements ont été vectorisés hors ligne, tandis que les requêtes des voyageurs étaient traitées en ligne au moment de l’exécution. La recherche de similarité haute performance de Zilliz Cloud identifiait les correspondances les plus proches en moins de 100 ms, faisant remonter des résultats guidés par l’intention à grande échelle. Des requêtes telles que « belle vue de nuit » et « jolie skyline en soirée » étaient associées à la même intention, supprimant les barrières de langue et de formulation qui avaient auparavant entraîné des occasions manquées.

En combinant les embeddings multilingues avec l’infrastructure entièrement gérée de Zilliz Cloud, Trip.com a obtenu le meilleur des deux mondes : une intelligence sémantique qui captait l’intention des voyageurs, une récupération ultra-rapide parmi des millions d’annonces, et une fiabilité de niveau entreprise sans la contrainte d’exploiter des clusters en interne. Le résultat est un système de recherche d’hôtels plus intelligent et évolutif, qui sert systématiquement les voyageurs du monde entier, quelle que soit la langue qu’ils utilisent ou la manière dont ils formulent leurs demandes.

Plusieurs cas d’utilisation de la recherche vectorielle au sein de Trip.com Group

Le nouveau moteur vectoriel a rapidement démontré sa valeur dans plusieurs domaines de l’activité de Trip.com Group.

Recherche d’hôtels

Pour les voyageurs, Zilliz Cloud a résolu l’un des principaux points de friction : les correspondances manquées dues aux différences de formulation. Une requête pour « hôtel adapté aux familles » fera désormais également remonter des annonces décrites comme « idéal pour les enfants », tandis que « adapté au travail » affichera des établissements proposant des « équipements business ». En combinant recherche sémantique et recherche par mots-clés, Trip.com obtient un meilleur rappel des hôtels pertinents, des correspondances plus précises et une plus grande assurance que les voyageurs voient les meilleures options disponibles.

Pages de destination SEO

Côté marketing, la recherche vectorielle a transformé la façon dont les pages de destination localisées sont créées. Ce qui nécessitait autrefois une curation exigeante en main-d’œuvre est désormais automatisé : Zilliz Cloud effectue une recherche sémantique, récupère des hôtels pertinents lorsque l’intention exprimée par les mots-clés est insuffisante, filtre et classe les résultats, puis alimente directement les workflows de génération de pages. Ce processus permet à Trip.com de générer des milliers de pages de destination optimisées dans plusieurs langues et régions, augmentant le trafic organique tout en économisant un effort manuel considérable.

Recherche d’images

Au-delà du texte, Trip.com a étendu la recherche vectorielle au domaine visuel. Avec des centaines de millions d’images d’hôtels — des intérieurs de chambres aux attractions locales — l’équipe a permis aux voyageurs de rechercher par image, afin de découvrir des hôtels présentant des esthétiques ou des caractéristiques similaires. Alimentée par les capacités multimodales de Zilliz Cloud, cette fonctionnalité met en évidence la capacité de la plateforme à évoluer au-delà du texte vers des expériences de recherche multimédia riches.

Ensemble, ces cas d’utilisation montrent que la recherche vectorielle est plus qu’une technologie back-end : c’est une capacité partagée qui améliore les expériences front-end des voyageurs et accélère les stratégies marketing back-end. Pour Trip.com, Zilliz Cloud est devenu une base non seulement pour la recherche d’hôtels, mais aussi pour la croissance sur plusieurs lignes d’activité.

Ce que Trip.com a obtenu avec Zilliz Cloud

La migration vers Zilliz Cloud a offert à Trip.com une plateforme de recherche d’hôtels à la fois plus rapide et plus intelligente, avec des améliorations mesurables en matière de performance, de scalabilité et d’exploitation :

• Optimisation de la latence : Respecte systématiquement des temps de réponse P99.9 inférieurs à 100 ms, satisfaisant aux exigences strictes de recherche en temps réel.

• Scalabilité à grande échelle : Gère des centaines de millions de vecteurs texte et image sans dégradation des performances.

• Meilleure qualité de rappel : Capture des correspondances guidées par l’intention que les systèmes à mots-clés manquaient, améliorant la satisfaction des voyageurs et réduisant les abandons de réservation.

• Réduction de la charge d’ingénierie : Délègue la gestion des clusters, les mises à niveau et la mise à l’échelle à Zilliz, libérant les ingénieurs pour qu’ils se concentrent sur les innovations destinées aux voyageurs.

• Efficacité des coûts : L’optimisation des ressources et la quantification maintiennent les coûts prévisibles par rapport à Elasticsearch ou à Milvus autogéré.

• Fiabilité de niveau entreprise : La haute disponibilité intégrée et la reprise après sinistre interrégionale assurent une recherche ininterrompue pour des millions de voyageurs dans le monde entier.

Ensemble, ces gains ont transformé la recherche d’hôtels, la faisant passer d’un système piloté par mots-clés à un service intelligent, évolutif et résilient, qui enchante les voyageurs tout en donnant à Trip.com confiance dans sa stratégie de croissance à long terme.

Conclusion

Pour Trip.com, la recherche est plus qu’une fonctionnalité : c’est la porte d’entrée vers l’expérience de voyage. En adoptant Zilliz Cloud, l’entreprise a repensé la façon dont les voyageurs découvrent hôtels et destinations, tout en offrant aux équipes internes de nouvelles façons de se développer et d’innover. Une recherche plus intelligente et axée sur l’intention alimente désormais à la fois de meilleurs parcours client et une croissance commerciale plus efficace.

Cette histoire met en lumière une évolution plus large : les bases de données vectorielles managées ne sont plus seulement une infrastructure backend, elles constituent un socle stratégique pour un avantage concurrentiel. Avec Zilliz Cloud garantissant performance, fiabilité et évolutivité, l’équipe de Trip.com peut se concentrer sur l’avenir de la découverte de voyages : une recherche fluide, multilingue et cohérente à l’échelle mondiale, qui établit une nouvelle norme pour le secteur.