Renzell, ett nytt restaurangvärderingssystem, satsar stort på matematik

Människor är angelägna om att hitta ett bra ställe att äta. Spridningen av undersökningar och platser som Michelin, Zagat, The Infatuation och översynen av tidningens restaurangrecension är tecken på att en professionell åsikt fortfarande spelar roll - speciellt när South Park serverar Yelp så hårt. Ett sådant är tanken på Renzell, ett nytt data- och medieföretag som använder sin egen klassificeringsmetodik för att bedöma restauranger med fina restauranger - och att betygsätta undersökarna själva.

Bo Peabody, Renzells grundare, talade till mig från hans kontor i New York. Peabody anser helhjärtat att Renzell kan vara ett bättre betygsföretag, och att dess algoritmer kan användas över hela världen. Han är så engagerad i öppenhet - Renzell delar sina fynd med restaurangerna själva - att han skickade mig en inloggning för att gå igenom en undersökning. Som Zagat beror Renzell på diners att fylla i formulär på sina erfarenheter. Peabody ser många skillnader mellan hans trupper och Zagats. Renzells undersökning själv är imponerande, och jag har sett mycket Zagat pappersarbete under min tid. Renbyggd, den är inriktad på all slags matupplevelse - från soundtrack till pacing av måltiden. Det var kul att fylla i. Peabody bankar på det.

Omvänd: Kan du ge mig lite bakgrund på företaget?

Peabody: De senaste 20 åren har jag spenderat två parallella liv: En som digital medieteknik venturekapitalist och sedan den andra som en restauratör. Jag har haft två restauranger. Renzell är för mig en kulmination av mycket arbete som jag har gjort. Så bor på Manhattan de senaste 15 åren - som någon som älskar restauranger och som är i branschen - fortsätter jag att äta mycket ut. Jag blev alltid slagen av hur gammal typ av betyg och recensioner ekosystem är, inte bara i New York, men över hela världen. I New York har tekniska innovationer påverkat praktiskt taget alla andra aspekter av livet.

Det slog mig också att om du kan samla in mer datadrivna recensioner kan du också ge den informationen tillbaka till restauranger för att de ska kunna fortsätta förbättra gästupplevelsen. Jag antar att den andra observation jag gjorde är att dessa platser - oavsett om det är Michelin eller Zagat - kommer upp med betyg och lägger dem sedan i otroligt fula telefonböcker. Ämnet de täcker är en av ovanlig skönhet. Så bestämde jag mig för att lösa dessa saker: Låt oss komma fram till ett mer data-driven tillvägagångssätt för att skapa betyg som gör att du kan eliminera många amatörer som plågar alla andra system. Låt oss sedan dela den informationen tillbaka med restaurangerna, så det hela känns inte så ogenomskinligt och konstigt. Låt oss sedan sätta betyg i något vackert som överensstämmer med skönheten i ämnet vi täcker.

Okej, och gör du det en gång om året?

Åtminstone på ett offentligt sätt kommer vi att utfärda betyg en gång per år. De kommer att visas i den första frågan om vad som kommer att bli kvartalsvisa tidningen. Då kommer följande tre frågor att ha andra intressanta datatyper, men också bara vackra historier och funktioner om de restauranger som vi täcker.

Jag var tvungen att hitta ett sätt att begränsa det totala antalet restauranger till ett definierbart universum. Vi bestämde oss också för att närma oss det från ett data-driven perspektiv. Vi började spåra - ungefär ett och ett halvt år sedan - i princip alla restauranger i New York City som skulle övervägas. Vi började med 225 och listan har vuxit till 265. Vi spårar alla dem med 32 olika egenskaper och vi ger varje restaurang en poäng på dessa egenskaper. Det är en enkel algoritm att vi väger de 32 sakerna på ett visst sätt - vissa är viktigare än andra - och det är så vi kom fram med den ursprungliga listan över vem som ska täcka.

Har du använt data från andra källor för att komma dit?

Ja. Ungefär hälften av de saker vi har är befintliga uppgifter, som Vin Spectator, Michelin, och då är de andra primära forskning som vi gjorde på egen hand. Så vi säger inte riktigt "Michelin är dåligt". Jag tycker bara att det är ett singelkoncept; Det är felaktigt.

Förmodligen är den sak som är mest unik om vår verksamhet en gång vi väljer de restaurangerna, då gör vi en mycket djup datametodik för att få den erfarenhet som gästerna har över flera nätter i samband med flera erfarenheter med flera profiler av människor.

Kan du berätta mer om dataen själv?

Vi delar det med alla. Det mesta av det finns på hemsidan. Vi är helt transparenta med restaurangerna om de data vi samlar in. Michelin har inte riktigt data. Michelin och Zagat finns i motsatta ändar av problemspektrum: Michelin plågas av brutto subjektivitet. De har bara tre eller fyra personer i varje stad som äter på dessa restauranger. De äter bara på dessa restauranger tre, fyra, kanske fem gånger. Så du har en mycket liten mängd människor, som har egna fördomar. I den andra änden av spektret har du motsatt problem där du har för många människor, de flesta har ingen aning om och ingen affärsrörelse på high-end restaurangerna. Jag tror att deras åsikter på platsen på hörnet troligtvis är bra, men faktum är - för bättre eller sämre - det finns en liten grupp människor som verkligen är kvalificerade att prata om alla aspekter som en bra restaurang ska ha.

Det vi ska göra är något i mitten där vi har en kuraterad grupp människor som kommer att ligga någonstans mellan 500 och 750 personer i varje stad. Vi startade med 75 personer från våra personliga nätverk, de sex av oss som började arbeta med projektet. Jag intervjuade 40 av dem i en timme för att se till att de visste hur mycket de pratade om och då passerade 38 av dem och vi bjudade in de 38 personerna och då bjuder vi de andra 35 något blint. Vi började med cirka 65 personer i ett beta-test i maj. När vi såg vad vi gjorde gjorde vi det möjligt för dem att börja hänvisa andra människor. När någon blir refererad gör vi vår egen forskning och vi bygger en profil av vem dessa människor är. Människor kommer att ansöka, vi tar dem genom en ansökan. Men människor som är inbjudna av befintliga medlemmar, vi gör en massa forskning på dem.Den riktiga saken som är viktig är att vi använder de data som vi samlar på dessa människor och vi väger dessa svar på undersökningarna utifrån de saker som vi vet om dem. Så i världen av teknikföretag är det här rudimentär datavetenskap. Men i restaurangen är det här revolutionerande.

Var det några restauranger som oväntat var mycket höga?

Absolut. Jag ska ge dig ett exempel. Det finns en restaurang som heter Taboon i Hell's Kitchen och kocken tog i grunden high-end Mellanöstern mat till ett fint matsalformat. Han lämnade och just återvänt tillbaka, och det är slags betraktad som en stadsrestaurang, men våra uppgifter tyder på att det i alla dimensioner är en destinationsrestaurang.

Jag ser inte Per Se.

Ja det är den andra änden av spektret. Jag skulle säga att de platser som människor oftast förvånas av att inte vara där finns Masa och Per Se. Du vet att data tyder på att du kan se vad vi spårar - och de placerar bokstavligen noll på värde. De poängerar noll på vibe. Och när du får nollor i kategorier är det väldigt svårt. Det sätt som vi väger kategorierna, de restaurangerna kommer aldrig att göra bra. Vi är redaktionella. Jag tvättar inte mina händer, men vi har definitivt en syn på vilken av de 32 sakerna som är viktigare.

Jag kan berätta att Michelin-stjärnan inte är en av de saker som vi väger mycket högt. Det är inte att vi inte respekterar Michelin, det är att Michelin fokuserar på en mycket speciell synvinkel och det finns en väldigt begränsad uppsättning saker som vi inte tycker är mycket vägledande för vad du äter och bryr dig om. Om du går till Per Se, kommer du att sitta med en massa turister. Och det är i ett köpcentrum! Jag menar, se, jag har varit där flera gånger. Det finns saker om det som är fantastiska. Jag tycker att det är något som alla ska göra om de har råd med det, men jag tror inte att det är en plats som du kommer att göra en punkt att gå till varje år.