Renzell, et nyt Restaurant Rating System, Bets Big på Math

Folk er ivrige efter at finde et godt sted at spise. Spredning af undersøgelser og steder som Michelin, Zagat, The Infatuation og den almindelige ol 'avis restaurant anmeldelse er tegn på, at en professionel mening stadig betyder noget - især når South Park serverer Yelp så hårdt. Sådan tænker Renzell, et nyt data- og mediefirma, der anvender sin egen kreditvurderingsmetode til at vurdere restauranter i fine restauranter - og at vurdere de undersøgende selv.

Bo Peabody, Renzells grundlægger, talte til mig fra hans kontorer i New York. Peabody mener helhjertet, at Renzell kan være et bedre vurderingsfirma, og at dets algoritmer kan bruges over hele verden. Han er så engageret i gennemsigtighed - Renzell deler sine resultater med restauranterne selv - at han sendte mig en log-in for at gennemgå en undersøgelse. Som Zagat afhænger Renzell af diners at udfylde formularer på deres oplevelser. Peabody ser mange forskelle mellem hans tropper og Zagats. Renzells undersøgelse selv er imponerende, og jeg har set meget Zagat-papirarbejde i min tid. Ren bygget, det er fokuseret på alle former for spisestueoplevelsen - fra soundtrack til pacing af måltidet. Det var sjovt at udfylde. Peabody banker på det.

Invers: Kan du give mig lidt baggrund på virksomheden?

Peabody: De sidste 20 år har jeg tilbragt to parallelle liv: En som venturekapitalist for digital medieteknologi og derefter den anden som restauratør. Jeg har haft to restauranter. Renzell er for mig en kulmination af en masse arbejde, jeg har lavet. Så bor i Manhattan i de sidste 15 år - som en, der elsker restauranter og hvem der er i branchen - fortsætter jeg med at spise en masse. Jeg blev altid ramt af hvor forældede slags vurderinger og anmeldelser økosystem er, ikke kun i New York, men over hele verden. I New York har teknologiske innovationer påvirket stort set alle andre aspekter af livet.

Det har også ramt mig, at hvis du kan indsamle flere data-drevne anmeldelser, kan du også give disse data tilbage til restauranter, så de kan fortsætte med at forbedre gæstoplevelsen. Jeg tror, ​​at den anden observation jeg har lavet er, at disse steder - hvad enten det er Michelin eller Zagat - kommer op med ratings og derefter sætter dem i utroligt grimme telefonbøger. Emnet de dækker er en af ​​ekstraordinær skønhed. Så jeg satte mig op for at løse disse ting: Lad os komme med en mere data-drevet tilgang til at skabe vurderinger, der gør det muligt at fjerne mange amatører, der plager alle de andre systemer. Lad os derefter dele disse data tilbage med restauranterne, så det hele virker ikke så uigennemsigtigt og underligt. Så lad os sætte ratings i noget smukt, der er i overensstemmelse med skønheden i det emne, vi dækker.

Okay, og gør du det en gang om året?

I hvert fald på en offentlig måde udsteder vi klassificeringen en gang om året. De vil dukke op i det første nummer af, hvad der bliver et kvartalsblad. Derefter vil de følgende tre udgaver have andre interessante datatybder, men også bare smukke historier og funktioner om de restauranter, vi dækker.

Jeg var nødt til at komme med en måde at begrænse det samlede antal restauranter til et definabelt univers. Vi har også besluttet at nærme det fra et data-drevet perspektiv. Vi begyndte at spore - omkring et år og et halvt siden - stort set alle restauranter i New York City, der ville blive overvejet. Vi startede med 225 og listen er vokset til 265. Vi sporer alle dem på 32 forskellige egenskaber, og vi giver hver restaurant en score på disse egenskaber. Det er en simpel algoritme, at vi vejer de 32 ting på en bestemt måde - nogle er vigtigere end andre - og sådan kom vi op på den oprindelige liste over hvem der skal dække.

Har du brugt data fra andre kilder for at komme derhen?

Ja. Omkring halvdelen af ​​de ting, vi har, er eksisterende data, som f.eks Vin Spectator, Michelin, og så er de andre primære forskning, som vi gjorde alene. Så vi siger ikke rigtig "Michelin er dårligt." Jeg synes bare, det er et entydigt koncept; det er fejlbehæftet.

Sandsynligvis den ting, der er mest unikke om vores forretning er, når vi vælger disse restauranter, så gør vi en meget dyb datateknologi om at få den oplevelse, at gæster har flere overnatninger i løbet af flere erfaringer med flere profiler af mennesker.

Kan du fortælle mig mere om dataene selv?

Vi deler det med alle. Det meste af det er på hjemmesiden. Vi er fuldstændig gennemsigtige med restauranterne om de data, vi indsamler. Michelin har ikke rigtig data. Michelin og Zagat eksisterer i modsatte ender af problemspektret: Michelin er plaget af brutto subjektivitet. De har kun tre eller fire personer i hver by, der spiser på disse restauranter. De spiser kun på disse restauranter tre, fire, måske fem gange. Så du har en meget lille mængde mennesker, der har deres egne forstyrrelser. I den anden ende af spektret har du det modsatte problem, hvor du har for mange mennesker, de fleste af dem har ingen anelse om og ingen forretningsmæssige mening i de avancerede restauranter. Jeg tror, ​​at deres meninger på stedet på hjørnet sandsynligvis er fine, men faktum er - for bedre eller værre - der er en lille gruppe mennesker, der er virkelig kvalificerede til at tale om alle de aspekter, som en stor restaurant skal have.

Hvad vi skal gøre er noget i midten, hvor vi har en kureret gruppe af mennesker, der vil være et sted mellem 500 og 750 mennesker i hver by. Vi startede med 75 personer fra vores personlige netværk, de seks der begyndte at arbejde på projektet. Jeg interviewede 40 af dem i en time for at sikre, at de vidste, hvad de talte om, og 38 af dem bestod testen, og vi inviterede de 38 personer, og så inviterer vi de andre 35 blindt. Vi startede med omkring 65 personer i en beta-test i maj. Når vi så, hvad vi gjorde, fik vi dem til at begynde at henvise til andre mennesker. Når nogen bliver henvist, gør vi så vores egen forskning, og vi bygger en profil af, hvem disse mennesker er. Folk vil anvende, vi tager dem gennem en ansøgningsproces. Men folk, der inviteres af eksisterende medlemmer, gør vi en masse forskning om dem.Den rigtige ting, der er vigtigt er, at vi bruger de data, vi samler på disse mennesker, og vi vægtning disse svar på undersøgelserne baseret på de ting, vi ved om dem. Så i verden af ​​teknologivirksomheder er dette rudimentær datavidenskab. Men i verden af ​​restaurant vurderinger er dette revolutionerende.

Var der nogen restauranter, der var uventet bedømt meget?

Absolut. Jeg vil give dig et eksempel. Der er en restaurant kaldet Taboon i Hell's Kitchen, og kokken bragte i grunden high-end mellemøstlige retter til et fine dining-format. Han forlod og for nylig vendte tilbage, og det er slags betragtes som en kvarter restaurant, men vores data tyder på, at det på alle måder er en destination restaurant.

Jeg kan ikke se Per Se.

Ja det er den anden ende af spektret. Jeg vil sige, at de steder, som folk oftest overraskes over ved ikke at være der, er Masa og Per Se. Du ved, at dataene antyder at - du kan se, hvad vi sporer - og disse steder bogstaveligt scorer nul på værdi. De scorer nul på stemning. Og når du får nul i kategorier, er det meget svært. Den måde, hvorpå vi vejer kategorierne, vil disse restauranter aldrig klare sig godt. Vi redaktionaliserer. Jeg vasker ikke mine hænder, men vi har helt sikkert et synspunkt om, hvilken af ​​disse 32 ting er vigtigere.

Jeg kan fortælle dig, at Michelin-stjerne ikke er en af ​​de ting, vi vægtede meget højt. Det er ikke, at vi ikke respekterer Michelin, det er, at Michelin er fokuseret på et meget bestemt synspunkt, og der er et meget begrænset sæt ting, som vi ikke tror, ​​er meget vejledende for hvad du spiser og bekymrer dig om. Hvis du går til Per Se, vil du sidde med en flok turister. Og det er i et indkøbscenter! Jeg mener, jeg har været der flere gange. Der er ting om det, der er fantastiske. Jeg synes, det er noget, alle skal gøre, hvis de har råd til det, men jeg tror ikke, det er et sted, hvor du skal gøre noget for hvert år.