У гостиницы есть название, адрес и телефон. Почему интернет не всегда понимает, что это одна гостиница?

Представьте, что я пришёл на встречу, а меня представили четырьмя разными способами.

Для одного человека я Евгений Мишталь. Для другого - просто Мишталь. В документах записано полное ФИО, а в мессенджере вообще ник (какой-нибудь man_in_black) с фотографией десятилетней давности, а может и не с фотографией, а с котиком.

Люди, скорее всего, разберутся, особенно если вы стоите перед ними и можете сказать: «Да, это всё я». Но представьте, что разобраться должна машина и спросить у вас она не может.

Примерно с такой проблемой я столкнулся, когда начал сравнивать сведения о гостевых домах.

Один и тот же объект может быть записан в государственном реестре одним названием, на картах - другим, на площадке бронирования - третьим. Иногда различается адрес, иногда телефон, бывает, что сайт есть, но непонятно, связан ли он именно с этой гостиницей. А ещё есть тёзки!

В одном из моих замеров по Геленджикскому округу нашлось сразу пять объектов с названием «Надежда», четыре «Виктории» и четыре «Елены». Как быстро и доступно объяснить поисковой системе, какую именно «Надежду» имел в виду турист?

Для человека задача вроде бы простая: посмотреть фотографии, адрес, позвонить (хотя сейчас многие поленятся). Но цифровым системам приходится собирать эту картину из разрозненных источников.

И вот здесь обнаружилось то, что поначалу казалась технической мелочью.

Недостаточно, чтобы информация о бизнесе существовала, нужно, чтобы разные системы могли понять, к какому именно бизнесу она относится.

Я взял данные государственного реестра и начал сопоставлять их с тем, что видно в интернете.

В одной из первых контрольных выборок я вручную сверил 63 записи реестра. Уверенно сопоставить сведения удалось у 43 - примерно у двух третей. У остальных 20 возникали проблемы с установлением соответствия

Это не означает, что треть гостиниц работала неправильно или что поисковые системы обязательно путали их между собой. Речь о гораздо более узком результате: в моей процедуре проверки имеющихся признаков оказалось недостаточно для надёжного сопоставления.

Но именно он заставил меня изменить подход.

До этого я думал о сайте, карточке на картах и площадках бронирования как об отдельных инструментах продвижения. Теперь начал смотреть на них как на части одной цифровой биографии объекта.

У реального здания есть адрес. У бизнеса - название и контакты. У записи в реестре - свой номер. У каждой площадки - собственный идентификатор. И все эти кусочки должны достаточно убедительно указывать на одну и ту же гостиницу.

По сути, я перестал спрашивать только «есть ли ваш бизнес в интернете?».

Теперь вопрос «Может ли система уверенно понять, что найденная информация относится именно к вам?»

Тогда я ещё не знал, что из этого получится отдельное исследование. Просто стало ясно, что проверять несколько сайтов вручную уже недостаточно.

В следующий раз расскажу, как взял первую большую выборку и попытался измерить проблему числами и почему результаты меня удивили.