随着每月上传数百万条评论和照片，OpenTable需要调整他们发布的媒体内容，不仅要确保在他们的网站上明确的内容，而且要准确地分类这些内容并提供一致的用户体验。下面，我们将讨论计算机视觉如何帮助餐厅预订平台在这项运营工作中提高15倍的效率。

背景

今晚找个地方吃饭？可能你就要访问OpenTable。餐厅预订平台成立于20世纪90年代末，已成为餐饮业的进驻预订网站。尽管有几家新的竞争对手，OpenTable仍然是该领域最具主导地位的公司，在全球超过40000家餐厅每月可容纳2000多万名就餐者。OpenTable不仅能让食客预订桌子。它还可以帮助他们找到完美的餐厅，让他们根据日期、时间或价格等因素进行筛选。更重要的是，它允许现实生活中的就餐者回顾他们的经历并添加他们自己的图像，从而帮助未来的顾客做出他们的餐馆决定。

问题

每个月，超过100万的消费者在OpenTable上发表评论，利用该公司的网站上传他们的饭菜和他们预订的餐馆的照片。但是与许多平台一样，OpenTable很难缓和用户生成的内容（ugc），因此没有上载不适当或不相关的内容。只有一名员工审查每个用户生成的图像，每天只有300张照片被修改和整理。随着社交媒体的兴起，该公司需要将Instagram等网站的视频内容纳入其网站，以确保其用户获得尽可能真实的评论。公司正在努力处理直接发布到他们网站上的照片，同时他们转向计算机视觉。

解决方案

虽然Clarifai的适度模型和平台允许企业从每天发布到他们站点的数百万张图片中过滤出任何明确的内容，但OpenTable有一个独特的方式。除了保持内容的适当性和相关性之外，他们还需要将这些图像分为几个主要类别，如“餐厅本身的图片”、“食物的图片”、“服务员的图片”、“客人的图片”等，这样无论哪种类型，他们都能为用户提供一致的浏览体验。他们正在寻找的餐馆。他们从我们的食物模型开始，一个能识别数千种食物的模型。也就是说，与此模型一样，它在视觉内容上识别不同的食物项目，如牛排或鸡肉，OpenTable需要对包含整个餐厅体验的照片进行整理。关于计算机视觉，最重要的是它可以训练识别你想看到的任何东西。定制培训是很有价值的，它不会完全落入任何预先培训的模型的范围，而这些模型是为像Clarifai这样的人工智能公司构建的。对于OpenTable，他们需要一个模型来训练不同的UGC，这样它就可以准确地识别出与整个餐厅相关的功能。



在构建与购买的探讨中，一个关键点是客户的责任是什么，人工智能提供商的责任是什么。在OpenTable，他们所需要做的就是给我们数据。Clarifai的数据策略（DST）团队接受了整个模型的培训，因此允许公司简单地将我们的应用程序编程接口（API）端点插入一个用户界面，他们的小型管理团队可以轻松地使用该模型的预测。在我们工作了2-3周之后，公司有了自己的模型，可以准确地识别出20多个概念，这些概念与用餐者在餐馆时可能拍摄的照片类型有关。

结果

借助计算机视觉，OpenTable能够将其操作效率提高15倍，从每天查看300张照片提高到5000张。他们的定制模型确保上传到网站上的任何图像实际上都与公司的目标和品牌相关，以确保他们的用户既可以拥有他们赖以做出餐饮决策的UGC，也可以拥有他们想要的高质量客户体验。