Iza kulisa · Mediteranski indeks
Analizu je napravio AI. Vodio ga je netko tko nije programer. Ovo je stranica o tome kako – bez tajni: odakle podaci, tko ih je čitao, kako su nađene priče, što je sve palo na provjerama i koliko je to koštalo.
Korak 1 · sirovina
Dvije platforme, dva razloga. Google Maps vidi sve što turist dotakne – restorane, barove, plaže, muzeje, apartmane – i zato je glavni izvor za pritužbe iz svakodnevice. Booking.com vidi samo potvrđene boravke i, ključno, pravu nacionalnost gosta – zato je izvor za sve usporedbe „tko nas voli“.
Recenzije su skidane kroz Outscraper API (Google) i vlastiti kolektor (Booking): prvo popis objekata po 30 destinacija, zatim recenzije objekt po objekt, u JSONL datoteke – jedna recenzija, jedan redak. Svaki redak nosi tekst, ocjenu, jezik, datum, grad i anonimizirani ID objekta.
Svaki sloj postoji zbog jednog pitanja koje drugi slojevi ne mogu odgovoriti.
| Sloj | recenzija | čemu služi |
|---|---|---|
| Lipanjski presjek | 150.736 | usporedba zemalja u istom mjesecu (lipanj 2026.) |
| Dvogodišnja serija | 1.156.529 | trendovi na istim objektima (25 mjeseci, tri lipnja) |
| Apartmani | 32.649 | test „je li teta s apartmanom kriva“ |
| Booking | 282.304 | potvrđeni boravci + nacionalnost gosta |
| Ukupno | 1.622.218 |
Čišćenje je dosadno i presudno: svaka recenzija deduplicirana po ID-u, objekti bez povijesti izbačeni iz trendova, a mega-objekti s tisućama recenzija ograničeni da ne preglase male.
Najčešća greška ovakvih analiza: skineš „zadnjih 1.000 recenzija“ po zemlji i uspoređuješ. Ali u Turskoj se 1.000 recenzija skupi za tjedan, u Hrvatskoj za mjesec – pa uspoređuješ tursko jučer s hrvatskim listopadom.
Ovdje je svaka usporedba zaključana u isti kalendarski prozor: lipanj s lipnjem, 12 mjeseci s istih 12 mjeseci, na istim objektima gdje se mjeri trend. Uz svaki graf na analizi piše koji prozor koristi.
Korak 2 · čitanje
Nijedan čovjek ovo ne može pročitati – to je oko 11.000 sati čitanja. Zato je svaku recenziju pročitao Claude Opus 4.8 (Anthropic) i razvrstao je u 12 kategorija pritužbi (preskupo, neljubazno osoblje, loša hrana, samo gotovina, skrivene stavke…), teme pohvala (osoblje, lokacija, hrana…) i jedan poseban signal: je li gost sam od sebe napisao da je vrijedilo.
Tehnički: recenzije se klasificiraju u malim paketima od 25 komada – svaka sa svojim ID-om i strukturiranim odgovorom, u pozivu od svega nekoliko tisuća tokena (daleko ispod granica gdje modeli „gube nit“ u dugom kontekstu). Tisuće takvih poziva slaže se u batcheve (Anthropic Batch API): obrada preko noći, upola cijene, a poziv bez odgovora automatski se šalje ponovno. Model čita izvorni jezik – hrvatski, njemački, poljski, turski, korejski – bez prevođenja, jer se u prijevodu gubi točno ono što tražimo: ton.
A tko je vodio cijelo istraživanje – postavljao hipoteze, računao, rušio vlastite nalaze, pisao stranicu koju ste čitali? Fable 5, Anthropicov najnapredniji model. Dva modela, dvije uloge: jedan je čitao milijune redaka, drugi je mislio.
Kako znamo da model točno prepoznaje „preskupo“ na turskom i „neljubazno“ na talijanskom? Na kontrolnom uzorku recenzija klasifikaciju je neovisno ponovio drugi model – i uspoređene su oznake.
Korak 3 · potraga
Nisam sjedio nad tablicama i tražio zanimljivosti. Umjesto toga, u podatke je poslana flota AI agenata-rudara – svaki s drugim zadatkom: jedan traži anomalije po gradovima, drugi po nacionalnostima, treći po cijenama iz teksta recenzija, četvrti po odgovorima vlasnika…
Svaki kandidat-nalaz zatim ide pred adversarijalnog suca: drugog agenta čiji je jedini posao dokazati da je nalaz artefakt – premali uzorak, kriva baza, sezonska iluzija, statistički šum. Tek što preživi napad, smije na stranicu.
Ostatak je pao ili ispao predosadan. Primjer ubijenog nalaza: „hrvatski apartmani su preskupi“ – zvučalo je kao udarna vijest, dok se nije pokazalo da Google pod „apartmane“ trpa i resorte. Pravi apartmani: uredni. Nalaz je preživio tek kao obrnuta priča („teta je nevina“).
Korak 4 · sami protiv sebe
Najveća opasnost ovakve analize nije da nešto ne nađeš – nego da objaviš nešto što nije istina. Zato je svaka velika teza morala preživjeti pokušaj vlastitog rušenja. Na stranici ih vidite kao kartice „PROVJERA NALAZA · SAMI PROTIV SEBE“ – evo cijelog popisa:
Kredibilitet ove analize nisu njezini nalazi – nego popis nalaza koje je sama srušila prije vas.
Korak 5 · audit
Svaka brojka koju vidite na analizi ima svoju automatsku provjeru – skriptu koja se vrti prije svake objave i ruši build ako se ijedna ne slaže. Tri sloja:
Sloj C postoji zbog poniznosti: u finalnoj provjeri otkriveno je da su četiri takve tvrdnje bile naslijeđene iz ranije verzije i netočne. Ispravljene su – i svaka je dobila trajni check da se ne može vratiti.
Korak 6 · pričanje
Prije pisanja, AI je proučio kako to rade najbolji na svijetu – Financial Times, The Pudding, New York Times – i iz toga destilirao 22 pravila zanata: jedna poanta po grafu; naslov je nalaz, ne opis; skala se objašnjava prije brojke; skraćena os se označava; interakcija samo kad nosi značenje.
Onda je složen storyboard od devet činova – od konferencijske dvorane do memoranduma – pa je svaki graf prolazio isti test: test laika. Ako čitatelj mora stati i „mentalno gimnasticirati“, graf se pojednostavljuje. Neki su grafovi kroz uredničko čitanje pali s indeksa na sirove brojke, s dvanaest linija na dvije, s interakcije na statiku – dok nisu prošli.
I jedno pravilo iznad svih: Booking (1–10) i Google (1–5) nikad na istom grafu. Dvije skale, dva svijeta – uvijek označeno, nikad pomiješano.
Korak 7 · kod i hosting
Cijela analiza je jedna HTML datoteka od ~200 KB: svi podaci, sav kod i svi grafovi (ručno crtani SVG) žive unutra. Bez frameworka, bez trackera, bez kolačića, bez CDN-ova. Hosting: Replit, statički deploy – i zato stranica izdrži svaki nalet prometa.
Naslovne kartice za društvene mreže renderirane su iz HTML-a headless Chromeom – isti dizajn-sustav, ista tipografija, iste boje kao stranica.
I da bude jasno: nijedan redak ovog koda nisam otipkao ja. Opisivao sam što želim, AI je gradio, ja sam gledao, provjeravao i tražio bolje. To je cijela metoda – i razlog zašto je sve skupa trajalo dva dana.
Trošak, izmjeren iz stvarnih računa i obračuna tokena: prikupljanje podataka (Outscraper API) ~1.400 USD; AI klasifikacija (Anthropic Batch API: ~60.600 poziva, ~495 milijuna tokena) ~2.200 USD. Sam razvoj – analiza, kod, grafovi, provjere – potrošio je još ~1,05 milijardi tokena razgovora s AI-jem; po API cjeniku to bi bilo dodatnih ~1.500 USD, ali je pokriveno mjesečnom pretplatom na alat. Prije pet godina ovakav projekt značio bi tim ljudi i mjesece posla.
Prigovori · dobrodošli
Ozbiljna analiza ne bježi od prigovora – pretplati se na njih. Ovo su najčešći koje tehnička publika (s pravom) postavlja, i što na njih kažu podaci:
Mislite da je neka konkretna brojka kriva? Svaka na stranici ima automatsku provjeru i ponovljiv izračun iz sirovih podataka. Javite mi se s brojkom – objavit ću ponovni izračun, javno.
Granice
Imena objekata i tvrtki. Analiza mjeri sustav, ne proziva pojedince – svi objekti su anonimizirani, a nalazi koji bi i bez imena bili prepoznatljivi nisu objavljeni.
Tanke brojke. Sve ispod praga uzorka (u pravilu 300 recenzija po ćeliji, 150 po gradu-skupini) ili leti van ili nosi vidljivu ogradu.
CSV za download. Recenzije pripadaju platformama i gostima koji su ih napisali – agregati su javni, sirovina nije.
TripAdvisor. Treća platforma ostala je izvan opsega – kandidat za sljedeće izdanje, kao test robusnosti nalaza.