在这个人人创业的时代，要想在众多竞争者中脱颖而出，本身是一件很困难的事（尤其在中国这个盛行Copycat的地方）。但如果你有一个明显的优势，那么你能更容易让用户和投资人找到你，而在这些优势中，相比需求驱动、设计驱动，最容易形成壁垒的就是技术驱动了。

Q酒店就是这样一家实实在在以技术驱动的公司。

在我之前的印象中，酒店类App 往往是以巧妙的模式或丰富的资源取胜的，不过最近接触的Q酒店这款App ，却打着个性化推荐这张相当“大胆”的牌。只所以说“大胆”，是因为国内很少有在“算法”上比较牛的公司，个性化推荐需要在数据挖掘、语义分析、机器学习等各种算法上有着很强的功底，才能做到让用户满意的效果。当看到Q酒店打算从这点切入的时候，我还是很惊讶的。

Q酒店产品负责人Dicson 在聊天的时候称，过去的酒店App ，都是根据价格、位置、综合评分来为用户提供选择的。但每个人对酒店的要求都不一样，有的重卫生轻服务，有的人重价格轻环境，所以Q酒店是根据每个用户自己的选择标准，来推荐最合适他的酒店。这和饭本关于“饮食是分层次的”的逻辑一样，每个人的口味偏好评判标准不同，仅仅是大众点评或酒店综合评分已经不能满足用户的需求了，需要根据不同人的喜好进行推荐。

Q酒店今天刚刚上线了1.31版，新版本在用户个性化数据加密方面做了优化，同时产品界面也有所调整（简洁的设计颇有iOS 7的风格）。根据Dicson 的说法，Q酒店由技术驱动主要体现在三个方面：用户喜好、酒店评价和使用场景。团队内部将其称为“三维匹配推荐算法”。它的原理是将用户的个人喜好、所处场景、酒店自身条件分别建模（每个模型背后对应若干个参考要素，分别配以不同的权重系数），再将三个数据模型进行交叉匹配，得出针对每个用户在不同场景下不同酒店的优先排列顺序。

在Q酒店左侧设置界面里，有9个用户喜好的选项，每位用户可以选择在选酒店时最看重的四个要素，其中有房间舒适、服务周到、性价比高、卫生干净、设施齐全等。用户选了四项后，Q酒店就会将这三项综合权重最高的酒店选项推荐给用户。Dicson 告诉我，这9个喜好选项并不是简单的添加上来的，而是他们根据合作方提供的酒店评论资源库，通过数据挖掘和语义分析，并结合入住酒店的各类典型用户的深入访谈，将大众最关心的9项要求提取出来，生成了这9个喜好。

Q酒店为了尽可能全面的提供酒店数据，他们会采用多种形式来尽可能多的获得各种酒店资源。Q酒店的开发商初见公司创始人是7天连锁酒店的前CEO 郑南雁，而Q酒店之前也有几款酒店预定类的产品，所以他们更容易获得更多的酒店数据。

而这些获得的数据，Q酒店会通过数据挖掘、内容过滤等算法，将其中有价值的评论提取出来，并根据这些数据对酒店进行分析。每个酒店最后的数据会根据几个维度进行评分，类似于人类性格分析中常用的“雷达模型”，用户通过9个喜好形成的雷达模型和酒店的雷达模型进行匹配，最后匹配度最高的那些酒店，就会推荐给用户。

最后一个使用场景：旅行、出差、约会。由于人们在不同场景下显然对入住酒店的要求不一样，如出差公费自然对价格不敏感、旅行自然要求交通方便等，所以Q酒店也会根据场景来调整算法。当用户在选择场景之后，Q酒店便会根据用户喜好和场景，综合得出一个酒店权重，然后推荐比较准确的酒店。

Dicson 告诉PingWest ，Q酒店的信息推荐算法已经申请了国家专利，用户使用Q酒店的次数和时间越长，Q酒店推荐的内容便越准确。目前Q酒店团队还不到10人，其中有五位技术，分别来自Google、百度等公司，在个性化推荐方面有很多的经验，另外成员中也有拥有资深的酒店IT和技术背景的人。