Как найти рестораны, гостиницы и музеи в Google Картах

Исследовательница из Лондона, устав от того, что Google Карты раз за разом предлагают одни и те же сетевые заведения, собрала данные обо всех ресторанах Большого Лондона через Google Maps API и построила модель машинного обучения. Результат оказался не просто списком «где поесть», а разбором механизма, по которому платформа распределяет внимание и, по сути, управляет экономическим выживанием малого бизнеса. Материал опубликован в виде открытого исследования с кодом.

Как Google Карты превращаются из справочника в «создателя рынка»?

Google публично признаёт три базовых сигнала ранжирования: релевантность, расстояние и известность. Первые два понятны: совпадение запроса с описанием заведения и физическая близость. Политэкономика начинается на третьем сигнале.

Известность складывается из количества отзывов, скорости их появления, среднего рейтинга, узнаваемости бренда и общей популярности в интернете. Проблема в том, что эти факторы закольцованы:

• Чем выше заведение в выдаче, тем больше посетителей.
• Больше посетителей означает больше отзывов.
• Больше отзывов усиливает сигнал известности.
• Усиленный сигнал поднимает заведение ещё выше.

Автор исследования сравнивает этот механизм с эффектом Матфея (термин социолога Роберта Мертона): «всякому имеющему дастся и приумножится». Сети получают фору за счёт узнаваемости бренда. Районы с высоким трафиком генерируют отзывы быстрее, и точки в этих зонах растут в рейтинге даже при одинаковом качестве еды.

Новые независимые заведения попадают в ловушку «холодного старта» (ситуация, когда без отзывов тебя не находят, а без посетителей отзывов не получить). По сути, платформа не отражает спрос, а формирует его.

Что показала модель машинного обучения?

Чтобы отделить реальное качество ресторана от эффекта платформенного усиления, исследовательница обучила модель на основе градиентного бустинга (HistGradientBoostingRegressor из библиотеки scikit-learn). Это алгоритм, который умеет находить скрытые зависимости в больших таблицах с разнородными данными, не требуя от аналитика вручную указывать, что на что влияет.

В модель вошли:

• Количество отзывов (после логарифмического преобразования, чтобы учесть, что разница между 10 и 100 отзывами важнее, чем между 1000 и 1100).
• Тип кухни.
• Принадлежность к сети или независимый статус.
• Ценовая категория.
• Формат заведения: ресторан, кафе, заведение навынос, бар.
• Расположение в городе через пространственную сетку.

Отдельная головная боль: Google Карты плохо классифицируют кухню. Огромная доля заведений помечена расплывчато: просто «ресторан» или «еда навынос». Автору пришлось строить отдельную модель классификации, которая определяла тип кухни по названию заведения и языку меню.

Цель проекта: построить «контрфактический город», то есть показать, каким был бы рейтинг каждого заведения без платформенного усиления. Если прогнозируемый моделью рейтинг заметно отличается от реального, разница указывает на вклад алгоритма, а не качества еды.

Что с этого вам?

Авторам Дзена и контент-маркетологам. Когда вы пишете обзоры заведений или подборки «лучших мест», помните: топ Google Карт, Яндекс Карт и 2ГИС не равен объективному рейтингу. Делайте собственные подборки с независимыми находками. Такой контент ценнее именно потому, что алгоритм карт его не покажет.

Владельцам малого бизнеса в РФ. Яндекс Карты и 2ГИС используют похожую логику ранжирования: отзывы, рейтинг, активность. Ловушка «холодного старта» работает точно так же. Просите первых клиентов оставлять отзывы, заполняйте карточку полностью, добавляйте фотографии и актуальное меню. Каждый отзыв в первые месяцы весит больше, чем сотый отзыв у сетевого конкурента.

Тем, кто ищет рестораны и гостиницы на картах. Не доверяйте первым трём результатам безоговорочно. Прокрутите ниже, измените масштаб, попробуйте конкретный запрос вместо общего слова «ресторан». Поиск на Google Картах ресторанов, гостиниц, музеев, общественного транспорта, аптек и банкоматов работает лучше, когда вы задаёте узкий запрос: «грузинский ресторан» вместо просто «еда рядом».

Алгоритмы карт не враги, но и не нейтральные арбитры. Они усиливают то, что уже заметно, и прячут то, что ещё не набрало массу. Если вы ведёте бизнес или пишете о местах, работайте с этим знанием: набирайте первые отзывы активно, а в контенте ищите то, что алгоритм не покажет сам.