Как Trip.com Group делает поиск отелей удобным для путешественников по всему миру с помощью Zilliz Cloud

О Trip.com Group

Trip.com Group — один из крупнейших в мире поставщиков онлайн-услуг для путешествий, объединяющий известные бренды, включая Trip.com, Ctrip, Skyscanner, Qunar и Travix. Основанная в 1999 году, компания выросла в по-настоящему глобальную платформу, обслуживающую путешественников более чем в 200 странах и регионах.

Благодаря портфелю, охватывающему авиабилеты, отели, поезда, аренду автомобилей и корпоративные поездки, Trip.com Group помогает миллионам пользователей легко планировать и бронировать каждый этап своего путешествия. Ее платформа предоставляет доступ к более чем 1,2 миллиона вариантов размещения, расширенным функциям поиска и бронирования, а также многоязычной поддержке, что делает ее надежным универсальным решением для путешественников по всему миру.

Задача: поиск по ключевым словам не справляется в глобальном многоязычном мире

Поиск отелей занимает центральное место на платформах Trip.com Group, помогая миллионам путешественников находить идеальное место для проживания в огромном глобальном каталоге. Однако по мере выхода компании на новые рынки ее устаревший поиск на основе ключевых слов часто возвращал неполные или нерелевантные результаты, что приводило к фрагментированному клиентскому опыту. Не хватало подхода, основанного на намерениях, — такого, который мог бы интерпретировать смысл, а не просто сопоставлять слова, и показывать объекты, действительно соответствующие потребностям путешественников.

Вместо этого клиенты часто сталкивались с плохими результатами. Например, путешественник, ищущий “beautiful night view”, мог никогда не увидеть отели, описанные как “scenic evening view”. Тот, кто вводил “allows dogs”, не увидел бы объявления, помеченные как “pet-friendly”. Даже небольшие вариации — “king bed” против “large bed” — приводили к несоответствиям. А в десятках языков и региональных вариантов написания проблема только усугублялась, заставляя многих путешественников соглашаться на неоптимальные бронирования или вовсе уходить с платформы.

Проблема выходила за рамки семантики. Поиск отелей по своей природе многомерен: путешественники одновременно учитывают местоположение, удобства, отзывы и цену. Запрос вроде “quiet boutique hotel near Central Park with free Wi-Fi and late checkout” должен возвращать несколько идеально подходящих вариантов, но системам на основе ключевых слов было трудно одновременно согласовать все эти сигналы.

Эти недостатки поиска были не мелкими неудобствами — они напрямую превращались в потерянные бронирования и недовольных клиентов. Чтобы обеспечить по-настоящему глобальный и бесшовный поисковый опыт, Trip.com Group требовалась более умная и гибкая основа.

Ранние исследования векторного поиска

Чтобы преодолеть ограничения сопоставления по ключевым словам, команда Trip.com запустила proof of concept для изучения векторного поиска. Они использовали модель OpenAI text-embedding-ada-002, чтобы преобразовать как названия отелей, так и запросы путешественников в плотные эмбеддинги, а затем сравнивали их с помощью косинусного сходства. Цель была простой: проверить, сможет ли семантический поиск устранить пробелы, которые системы на основе ключевых слов регулярно упускали.

Результаты оказались обнадеживающими. Например, запрос “allow pets” группировался близко к таким вариациям, как “carry pets,” “able to bring pets,” и “pet friendly,” причем все они набирали более 0,94 по сходству. Эти ранние сигналы подтвердили, что векторный поиск способен распознавать намерение в разных формулировках — то, чего традиционный поиск по ключевым словам просто не мог достичь.

Эта проверка дала команде уверенность двигаться дальше. Если облегченный эксперимент уже мог улавливать семантический смысл в небольших вариациях, то векторная база данных промышленного уровня потенциально могла открыть более богатый, многоязычный и контекстно-зависимый поиск отелей в масштабе.

Путь от Milvus к Zilliz Cloud: оценка и миграция

При оценке подходящей основы для поиска отелей команда Trip.com сравнила три категории решений.

• Векторные библиотеки, такие как Faiss и SPTag, предлагали сильные алгоритмы, но требовали значительных инженерных усилий и обслуживания, при этом не имея продвинутых функций.

• Традиционные базы данных с векторными надстройками, такие как Elasticsearch и PostgreSQL, были просты во внедрении, но не могли эластично масштабироваться, чтобы соответствовать глобальным требованиям Trip.com к трафику.

• Специализированные векторные базы данных выглядели многообещающе, но их зрелость различалась — некоторым не хватало функций корпоративного уровня, а у других была ограниченная поддержка сообщества.

После тщательной оценки Milvus оказался наиболее подходящим вариантом. Он естественным образом соответствовал облачно-нативному стеку Trip.com, предлагая разделение вычислений и хранения для гибкого масштабирования и бесшовной интеграции с Kubernetes и распределенным хранилищем. Такие функции, как строковые первичные ключи и широкий спектр типов индексов, дали команде уверенность в том, что Milvus сможет поддерживать разнообразные сценарии поиска отелей.

Чтобы проверить производительность, они провели бенчмаркинг двух индексов: HNSW, который обеспечивал наивысшую точность recall, но требовал больше памяти (131 GB на реплику), и IVF-SQ8, который обеспечивал сопоставимую задержку при значительно меньшем потреблении памяти (49 GB). Оба поддерживали время отклика в реальном времени в диапазоне 26–36 ms на миллионах объявлений, дав команде сбалансированный набор инструментов для выбора между точностью и эффективностью в зависимости от рабочей нагрузки.

Тип индекса	Использование памяти (на реплику)	Минимальное развертывание	Среднее время отклика
HNSW	131 GB	6 × 4C32G + 1 × 2C4G	TOP5 – 26msTOP10 – 28msTOP20 – 30msTOP50 – 36ms
IVF-SQ8	49 GB	1 × 4C64G	TOP5 – 28msTOP10 – 29msTOP20 – 31msTOP50 – 35ms

Набор данных: Полные сущности поиска отелей; Размер данных: 17 million+; Размерность вектора: 1024

Миграция на Zilliz Cloud

Хотя Milvus обеспечивал отличную производительность, эксплуатация распределенной базы данных собственными силами создавала операционные издержки. Управление кластерами, обновления, мониторинг и масштабирование занимали ценное инженерное время — ресурсы, которые команда хотела направить на улучшение опыта путешественников. Это привело к решению мигрировать на Zilliz Cloud, полностью управляемый сервис, созданный авторами Milvus. Zilliz Cloud напрямую отвечал приоритетам команды:

• Операционная эффективность за счет передачи DevOps и настройки производительности на внешнее управление.

• Оптимизация затрат благодаря масштабированию с учетом ресурсов и квантизации по мере роста данных до сотен миллионов изображений отелей.

• Масштабируемость и надежность благодаря встроенной высокой доступности, аварийному восстановлению между регионами и простому горизонтальному масштабированию.

• Гарантии производительности, которые стабильно соответствовали строгим требованиям SLA с задержками P99.9 менее 100 ms — даже при пиковой параллельной нагрузке, превосходя Elasticsearch.

Миграция прошла бесшовно. Trip.com постепенно перенес рабочие нагрузки из самостоятельно управляемых кластеров Milvus в Zilliz Cloud с нулевым временем простоя. Результатом стала полностью управляемая, готовая для предприятия основа векторного поиска, сочетающая операционную простоту с производительностью мирового класса в глобальном масштабе.

Решение: семантический поиск с Zilliz Cloud и Multilingual-E5

Чтобы преодолеть ограничения поиска по ключевым словам, Trip.com создала новый движок семантического поиска, используя Zilliz Cloud в качестве векторной базы данных. Архитектура является многоуровневой. Запросы путешественников 1) сначала уточняются посредством предварительной обработки, 2) затем векторизуются в эмбеддинги, 3) и наконец сопоставляются с миллионами векторов отелей, хранящихся в Zilliz Cloud; 4) результаты семантического поиска и поиска по ключевым словам объединяются, гарантируя, что путешественники видят наиболее релевантные отели в реальном времени.

Еще одним важным фактором стал модель multilingual-e5, выбранная за ее способность обеспечивать стабильную точность на десятках языков. Описания отелей, теги и удобства векторизовались офлайн, а запросы путешественников обрабатывались онлайн во время выполнения. Высокопроизводительный поиск по сходству Zilliz Cloud находил ближайшие совпадения менее чем за 100 мс, выдавая результаты, основанные на намерении, в масштабе. Запросы вроде «beautiful night view» и «nice evening skyline» сопоставлялись с одним и тем же намерением, устраняя языковые и формулировочные барьеры, которые ранее приводили к упущенным возможностям.

Объединив многоязычные эмбеддинги с полностью управляемой инфраструктурой Zilliz Cloud, Trip.com получил лучшее из двух миров: семантический интеллект, улавливающий намерения путешественников, молниеносный поиск по миллионам объявлений и надежность корпоративного уровня без необходимости самостоятельно эксплуатировать кластеры. В результате появилась более умная и масштабируемая система поиска отелей, которая стабильно обслуживает путешественников по всему миру — независимо от того, каким языком они пользуются и как формулируют свои запросы.

Несколько сценариев использования векторного поиска в Trip.com Group

Новый векторный движок быстро доказал свою ценность в нескольких направлениях бизнеса Trip.com Group.

Поиск отелей

Для путешественников Zilliz Cloud решил одну из самых серьезных проблем — пропущенные совпадения, вызванные различиями в формулировках. Запрос “family-friendly hotel” теперь также покажет объекты, описанные как “great for kids”, а “work-friendly” выведет варианты с “business amenities”. Объединяя семантический поиск с поиском по ключевым словам, Trip.com обеспечивает лучший охват релевантных отелей, более точные совпадения и большую уверенность в том, что путешественники видят лучшие доступные варианты.

SEO-лендинги

Со стороны маркетинга векторный поиск изменил подход к созданию локализованных посадочных страниц. То, что раньше требовало трудоемкого ручного отбора, теперь автоматизировано: Zilliz Cloud выполняет семантический поиск, извлекает релевантные отели, когда ключевого намерения недостаточно, фильтрует и ранжирует результаты и напрямую передает их в рабочие процессы генерации страниц. Этот процесс позволяет Trip.com запускать тысячи оптимизированных посадочных страниц на разных языках и в разных регионах, увеличивая органический трафик и одновременно значительно сокращая ручной труд.

Поиск по изображениям

Помимо текста, Trip.com расширил векторный поиск на визуальную область. Имея сотни миллионов изображений отелей — от интерьеров номеров до местных достопримечательностей, — команда дала путешественникам возможность искать по изображению, находя отели с похожей эстетикой или характеристиками. Благодаря мультимодальным возможностям Zilliz Cloud эта функция демонстрирует способность платформы масштабироваться за пределы текста в насыщенные мультимедийные поисковые сценарии.

В совокупности эти сценарии показывают, что векторный поиск — это больше, чем внутренняя технология: это общая возможность, которая улучшает пользовательский опыт путешественников на фронтенде и ускоряет маркетинговые стратегии на бэкенде. Для Trip.com Zilliz Cloud стал основой не только для поиска отелей, но и для роста в нескольких направлениях бизнеса.

Что Trip.com получил с Zilliz Cloud

Переход на Zilliz Cloud дал Trip.com платформу поиска отелей, которая одновременно быстрее и умнее, с измеримыми улучшениями в производительности, масштабируемости и эксплуатации:

• Оптимизация задержки: Стабильно обеспечивает время ответа P99.9 менее 100 мс, удовлетворяя строгие требования поиска в реальном времени.

• Масштабируемость в масштабе: Обрабатывает сотни миллионов текстовых и графических векторов без ухудшения производительности.

• Более высокое качество полноты выдачи: Улавливает совпадения, основанные на намерении, которые системы ключевых слов пропускали, повышая удовлетворенность путешественников и снижая отказы от бронирования.

• Снижение инженерной нагрузки: Передает управление кластерами, обновления и масштабирование Zilliz, освобождая инженеров для работы над инновациями, ориентированными на путешественников.

• Экономическая эффективность: Оптимизация ресурсов и квантизация позволяют сохранять предсказуемые затраты по сравнению с Elasticsearch или самостоятельно управляемым Milvus.

• Надежность корпоративного уровня: Встроенная высокая доступность и аварийное восстановление между регионами обеспечивают бесперебойный поиск для миллионов путешественников по всему миру.

В совокупности эти улучшения превратили поиск отелей из системы, основанной на ключевых словах, в интеллектуальный, масштабируемый и отказоустойчивый сервис — такой, который радует путешественников и при этом дает Trip.com уверенность в своей долгосрочной стратегии роста.

Заключение

Для Trip.com поиск — это больше, чем функция, это вход в мир путешествий. Внедрив Zilliz Cloud, компания изменила то, как путешественники находят отели и направления, одновременно предоставив внутренним командам новые возможности для масштабирования и инноваций. Более умный поиск, ориентированный на намерения, теперь обеспечивает как более качественный клиентский путь, так и более эффективный рост бизнеса.

Эта история подчеркивает более широкий сдвиг: управляемые векторные базы данных больше не являются просто серверной инфраструктурой — они становятся стратегической основой конкурентного преимущества. Благодаря Zilliz Cloud, обеспечивающему производительность, надежность и масштабируемость, команда Trip.com может сосредоточиться на будущем поиска путешествий: бесшовном, многоязычном и глобально согласованном поиске, который задает новый отраслевой стандарт.