Come Trip.com Group rende la ricerca di hotel fluida per i viaggiatori di tutto il mondo con Zilliz Cloud

Informazioni su Trip.com Group

Trip.com Group è uno dei maggiori fornitori di servizi di viaggio online al mondo, che riunisce marchi noti tra cui Trip.com, Ctrip, Skyscanner, Qunar e Travix. Fondata nel 1999, l’azienda è cresciuta fino a diventare una piattaforma veramente globale, al servizio dei viaggiatori in oltre 200 Paesi e regioni.

Con un portafoglio che copre voli, hotel, treni, noleggio auto e viaggi aziendali, Trip.com Group aiuta milioni di utenti a pianificare e prenotare senza interruzioni ogni fase del loro viaggio. La sua piattaforma offre accesso a oltre 1,2 milioni di opzioni di alloggio, funzionalità avanzate di ricerca e prenotazione e supporto multilingue, rendendola una destinazione unica affidabile per i viaggiatori di tutto il mondo.

La sfida: la ricerca per parole chiave è insufficiente in un mondo globale e multilingue

La ricerca di hotel è centrale nelle piattaforme di Trip.com Group, aiutando milioni di viaggiatori a trovare il posto perfetto dove soggiornare all’interno di un vasto inventario globale. Tuttavia, con l’espansione dell’azienda in nuovi mercati, la sua ricerca legacy basata su parole chiave restituiva spesso risultati incompleti o irrilevanti, generando un’esperienza cliente frammentata. Ciò che mancava era un approccio guidato dall’intento, capace di interpretare il significato, non solo di abbinare parole, e di far emergere strutture realmente in linea con le esigenze dei viaggiatori.

Al contrario, i clienti si trovavano spesso di fronte a risultati scadenti. Ad esempio, un viaggiatore che cercava “beautiful night view” potrebbe non vedere mai hotel descritti con “scenic evening view.” Chi digitava “allows dogs” non vedrebbe annunci contrassegnati come “pet-friendly.” Anche piccole variazioni—“king bed” rispetto a “large bed”—portavano a mancati abbinamenti. E tra decine di lingue e grafie regionali, il problema non faceva che crescere, lasciando molti viaggiatori ad accontentarsi di prenotazioni non ottimali o ad abbandonare del tutto la piattaforma.

La sfida andava oltre la semantica. La ricerca di hotel è intrinsecamente multidimensionale: i viaggiatori valutano insieme posizione, servizi, recensioni e prezzo. Una query come “quiet boutique hotel near Central Park with free Wi-Fi and late checkout” dovrebbe restituire una manciata di corrispondenze perfette, ma i sistemi basati su parole chiave faticavano a riconciliare tutti questi segnali contemporaneamente.

Queste carenze nella ricerca non erano piccoli inconvenienti: si traducevano direttamente in prenotazioni perse e clienti insoddisfatti. Per offrire un’esperienza di ricerca veramente globale e senza interruzioni, Trip.com Group aveva bisogno di una base più intelligente e flessibile.

Prime ricerche sulla ricerca vettoriale

Per superare i limiti dell’abbinamento per parole chiave, il team di Trip.com ha avviato una proof of concept per esplorare la ricerca vettoriale. Ha utilizzato il modello text-embedding-ada-002 di OpenAI per convertire sia i nomi degli hotel sia le query dei viaggiatori in embedding densi, quindi li ha confrontati utilizzando la similarità del coseno. L’obiettivo era semplice: verificare se il recupero semantico potesse colmare le lacune che i sistemi a parole chiave mancavano regolarmente.

I risultati sono stati incoraggianti. Ad esempio, la query “allow pets” si raggruppava strettamente con variazioni come “carry pets,” “able to bring pets,” e “pet friendly,” tutte con un punteggio di similarità superiore a 0,94. Questi primi segnali hanno confermato che la ricerca vettoriale era in grado di riconoscere l’intento attraverso formulazioni diverse, cosa che la ricerca tradizionale per parole chiave semplicemente non poteva ottenere.

Questa validazione ha dato al team la fiducia per andare avanti. Se un esperimento leggero poteva già catturare il significato semantico attraverso piccole variazioni, allora un database vettoriale di livello production aveva il potenziale per sbloccare una ricerca di hotel più ricca, multilingue e consapevole del contesto su larga scala.

Il percorso da Milvus a Zilliz Cloud: valutazione e migrazione

Nel valutare la base giusta per la scoperta degli hotel, il team di Trip.com ha confrontato tre categorie di soluzioni.

• Le librerie vettoriali, come Faiss e SPTag, offrivano algoritmi solidi ma comportavano pesanti requisiti di ingegneria e manutenzione, mancando di funzionalità sofisticate.

• I database tradizionali con componenti aggiuntivi vettoriali, come Elasticsearch e PostgreSQL, erano facili da adottare ma non riuscivano a scalare elasticamente per soddisfare le esigenze di traffico globale di Trip.com.

• I database vettoriali appositamente progettati sembravano promettenti, ma la loro maturità variava: alcuni mancavano di funzionalità di livello enterprise, mentre altri avevano un supporto della community limitato.

Dopo una valutazione approfondita, Milvus è emerso come la soluzione più adatta. Si integrava naturalmente con lo stack cloud-native di Trip.com, offrendo separazione tra calcolo e storage per una scalabilità flessibile e un’integrazione fluida con Kubernetes e lo storage distribuito. Funzionalità come chiavi primarie stringa e un’ampia gamma di tipi di indice hanno dato al team la fiducia che Milvus potesse supportare diversi scenari di ricerca di hotel.

Per convalidare le prestazioni, hanno eseguito benchmark su due indici: HNSW, che forniva la massima accuratezza di recall ma richiedeva più memoria (131 GB per replica), e IVF-SQ8, che offriva una latenza comparabile consumando molta meno memoria (49 GB). Entrambi mantenevano tempi di risposta in tempo reale nell’intervallo 26–36 ms su milioni di inserzioni, fornendo al team un kit di strumenti bilanciato per trovare il compromesso tra precisione ed efficienza a seconda del carico di lavoro.

Tipo di indice	Utilizzo della memoria (per replica)	Distribuzione minima	Tempo medio di risposta
HNSW	131 GB	6 × 4C32G + 1 × 2C4G	TOP5 – 26msTOP10 – 28msTOP20 – 30msTOP50 – 36ms
IVF-SQ8	49 GB	1 × 4C64G	TOP5 – 28msTOP10 – 29msTOP20 – 31msTOP50 – 35ms

Dataset: Entità complete di ricerca hotel; Dimensione dei dati: 17 milioni+; Dimensione vettoriale: 1024

Migrazione a Zilliz Cloud

Sebbene Milvus offrisse prestazioni eccellenti, gestire internamente un database distribuito creava un sovraccarico operativo. La gestione dei cluster, gli aggiornamenti, il monitoraggio e la scalabilità consumavano prezioso tempo di engineering: risorse che il team voleva dedicare al miglioramento dell’esperienza dei viaggiatori. Questo ha portato alla decisione di migrare a Zilliz Cloud, il servizio completamente gestito creato dai creatori di Milvus. Zilliz Cloud ha risposto direttamente alle priorità del team:

• Efficienza operativa scaricando DevOps e ottimizzazione delle prestazioni.

• Ottimizzazione dei costi con scalabilità consapevole delle risorse e quantizzazione man mano che i dati crescevano fino a centinaia di milioni di immagini di hotel.

• Scalabilità e affidabilità tramite alta disponibilità integrata, disaster recovery cross-region e scalabilità orizzontale senza sforzo.

• Garanzie di prestazioni che soddisfacevano costantemente rigidi requisiti SLA con latenze P99.9 inferiori a 100 ms, anche con concorrenza di picco, superando Elasticsearch.

La migrazione è stata fluida. Trip.com ha spostato gradualmente i carichi di lavoro dai cluster Milvus autogestiti a Zilliz Cloud senza tempi di inattività. Il risultato è stato una base di ricerca vettoriale completamente gestita e pronta per l’enterprise, che combinava semplicità operativa e prestazioni di livello mondiale su scala globale.

La soluzione: ricerca semantica con Zilliz Cloud e Multilingual-E5

Per superare i limiti della ricerca per parole chiave, Trip.com ha costruito un nuovo motore di ricerca semantica con Zilliz Cloud come database vettoriale. L’architettura è multilivello. Le query dei viaggiatori vengono 1) prima perfezionate tramite preprocessing, 2) poi vettorializzate in embedding, 3) e infine confrontate con milioni di vettori di hotel archiviati in Zilliz Cloud; 4) I risultati del recupero semantico e per parole chiave vengono uniti, garantendo che i viaggiatori vedano in tempo reale gli hotel più rilevanti.

Un altro fattore abilitante fondamentale è stato il modello multilingual-e5, scelto per la sua capacità di offrire un’accuratezza costante in decine di lingue. Le descrizioni, i tag e le strutture degli hotel sono stati vettorializzati offline, mentre le query dei viaggiatori sono state elaborate online in fase di runtime. La ricerca di similarità ad alte prestazioni di Zilliz Cloud ha identificato le corrispondenze più vicine in meno di 100 ms, portando in evidenza risultati basati sull’intento su larga scala. Query come “bella vista notturna” e “bel panorama serale della skyline” venivano mappate sullo stesso intento, eliminando le barriere linguistiche e di formulazione che in precedenza avevano causato opportunità mancate.

Combinando embedding multilingue con l’infrastruttura completamente gestita di Zilliz Cloud, Trip.com ha ottenuto il meglio di entrambi i mondi: intelligenza semantica in grado di cogliere l’intento dei viaggiatori, recupero rapidissimo tra milioni di annunci e affidabilità di livello enterprise senza l’onere di gestire cluster internamente. Il risultato è un sistema di ricerca hotel più intelligente e scalabile, che serve costantemente i viaggiatori di tutto il mondo, indipendentemente dalla lingua che usano o da come formulano le loro richieste.

Molteplici casi d’uso della ricerca vettoriale all’interno di Trip.com Group

Il nuovo motore vettoriale ha rapidamente dimostrato il suo valore in diverse aree del business di Trip.com Group.

Ricerca hotel

Per i viaggiatori, Zilliz Cloud ha risolto uno dei maggiori punti critici: le corrispondenze mancate causate da differenze di formulazione. Una query per “hotel adatto alle famiglie” ora mostrerà anche annunci descritti come “ottimo per bambini”, mentre “adatto al lavoro” farà emergere strutture con “servizi business.” Combinando ricerca semantica e ricerca per parole chiave, Trip.com ottiene un migliore recupero degli hotel rilevanti, corrispondenze più precise e una maggiore fiducia nel fatto che i viaggiatori vedano le migliori opzioni disponibili.

Pagine di destinazione SEO

Dal lato marketing, la ricerca vettoriale ha trasformato il modo in cui vengono create le pagine di destinazione localizzate. Ciò che un tempo richiedeva una cura intensiva in termini di lavoro è ora automatizzato: Zilliz Cloud esegue la ricerca semantica, recupera hotel rilevanti quando l’intento delle parole chiave non è sufficiente, filtra e ordina i risultati e li integra direttamente nei flussi di lavoro di generazione delle pagine. Questo processo consente a Trip.com di creare migliaia di pagine di destinazione ottimizzate in più lingue e regioni, aumentando il traffico organico e risparmiando al contempo un notevole sforzo manuale.

Ricerca per immagini

Oltre al testo, Trip.com ha esteso la ricerca vettoriale al dominio visivo. Con centinaia di milioni di immagini di hotel, dagli interni delle camere alle attrazioni locali, il team ha permesso ai viaggiatori di cercare per immagine, scoprendo hotel con estetiche o caratteristiche simili. Alimentata dalle capacità multimodali di Zilliz Cloud, questa funzionalità evidenzia la capacità della piattaforma di scalare oltre il testo verso esperienze di ricerca multimediale ricche.

Insieme, questi casi d’uso dimostrano come la ricerca vettoriale sia più di una tecnologia di back-end: è una capacità condivisa che migliora le esperienze front-end dei viaggiatori e accelera le strategie di marketing back-end. Per Trip.com, Zilliz Cloud è diventata una base non solo per la ricerca hotel, ma per la crescita su più linee di business.

Cosa ha ottenuto Trip.com con Zilliz Cloud

La migrazione a Zilliz Cloud ha fornito a Trip.com una piattaforma di ricerca hotel al tempo stesso più veloce e più intelligente, con miglioramenti misurabili in termini di prestazioni, scalabilità e operazioni:

• Ottimizzazione della latenza: Soddisfa costantemente tempi di risposta P99.9 inferiori a 100 ms, rispondendo a rigorosi requisiti di ricerca in tempo reale.

• Scalabilità su larga scala: Gestisce centinaia di milioni di vettori di testo e immagini senza degrado delle prestazioni.

• Maggiore qualità del recupero: Cattura corrispondenze basate sull’intento che i sistemi a parole chiave non rilevavano, migliorando la soddisfazione dei viaggiatori e riducendo gli abbandoni delle prenotazioni.

• Riduzione del carico ingegneristico: Delega a Zilliz la gestione dei cluster, gli upgrade e lo scaling, liberando gli ingegneri affinché possano concentrarsi sulle innovazioni rivolte ai viaggiatori.

• Efficienza dei costi: L’ottimizzazione delle risorse e la quantizzazione mantengono i costi prevedibili rispetto a Elasticsearch o a Milvus autogestito.

• Affidabilità enterprise: L’alta disponibilità integrata e il disaster recovery tra regioni garantiscono una ricerca ininterrotta per milioni di viaggiatori in tutto il mondo.

Insieme, questi miglioramenti hanno trasformato la ricerca di hotel da un sistema basato su parole chiave in un servizio intelligente, scalabile e resiliente, capace di entusiasmare i viaggiatori e al tempo stesso dare a Trip.com fiducia nella sua strategia di crescita a lungo termine.

Conclusione

Per Trip.com, la ricerca è più di una funzionalità: è la porta d’accesso all’esperienza di viaggio. Adottando Zilliz Cloud, l’azienda ha ridefinito il modo in cui i viaggiatori scoprono hotel e destinazioni, offrendo al contempo ai team interni nuovi modi per scalare e innovare. Una ricerca più intelligente e basata sull’intento ora alimenta sia percorsi cliente migliori sia una crescita aziendale più efficiente.

Questa storia evidenzia un cambiamento più ampio: i database vettoriali gestiti non sono più solo infrastruttura backend, ma una base strategica per il vantaggio competitivo. Con Zilliz Cloud che garantisce prestazioni, affidabilità e scalabilità, il team di Trip.com può concentrarsi sul futuro della scoperta di viaggi: una ricerca fluida, multilingue e globalmente coerente che stabilisce un nuovo standard di settore.