一家餐厅推荐应用，第一步不是让你选口味、看榜单、收藏店铺，而是让你绑定信用卡。

这就是 Zest 的切入点。它已正式公开上线，由 Mario Gomez-Hall 和 Alex Moller 创立，成立于 2024 年 11 月。公司已拿到 180 万美元 pre-seed 融资，投资方包括 Alexis Ohanian 的 776，以及 Kindred Ventures 的 Steve Jang。

Zest 的判断很直：别只看别人说自己爱吃什么，要看他们真的把钱花在哪。上线后数周，Zest 获得超过 10 万次访问。注意，这是访问量，不是用户数，也不能证明推荐已经跑通。

它把账单变成餐厅推荐的底层信号

Zest 的使用门槛比普通餐厅 App 高。

用户需要通过 Plaid 接入信用卡交易。Zest 会筛选餐饮、饮品、咖啡等相关消费记录，再生成个人餐饮地图。公开信息里的关键边界是：它只导入餐饮相关数据，不追踪快餐和 fast-casual，也不是直接保存完整信用卡数据。

这套机制的好处很明显。一个人反复去的社区餐厅，可能比他某次精心拍照发出来的热门餐厅，更能代表真实偏好。

但它也带来一个更硬的授权问题。写一条点评是表达观点，导入交易记录是交出行为证据。两者的心理成本不在一个量级。

维度传统餐厅发现应用Zest 的做法现实影响
核心信号评分、评论、收藏、榜单餐饮交易频次和金额更接近日常习惯，但不等于满意度
用户动作搜索、打卡、写评价绑定卡、授权导入转化门槛更高
社交推荐看朋友或达人说什么看朋友实际去哪吃少一些表演性，也更敏感
推荐能力内容排序和人工榜单交易数据叠加 AI个性化主张成立，效果仍待验证

Zest 还计划加入自由笔记，让用户记录订位技巧、推荐菜和体验。另一个功能叫 Fresh Picks，思路类似 Spotify Discover Weekly，把“每周发现新歌”搬到餐厅推荐上。

这一步如果做得好，Zest 不只是告诉你“附近什么火”，而是回答一个更具体的问题：和我吃得像的人，最近又去了哪里。

它真正挑战的是“谁可信”

餐厅推荐一直有一个老毛病：公开评分容易被水军、情绪化差评和平台排序影响；社交平台内容又容易被拍照效果、流量奖励和身份展示带偏。

Zest 试图绕开这层噪音。它不问你怎么评价一家店，而是看你有没有反复付钱。

这个思路有吸引力。复购确实比一次性打卡更接近偏好。对本地生活产品团队、餐饮 SaaS 或做门店增长的人来说，这类信号也更有参考价值。相比“某家店今天爆了”，他们会更在意“哪些店被同一批人反复消费”。

但账单也不是答案本身。

交易记录只能证明“去过并付过钱”，不能证明“吃得满意”。朋友请客、临时聚餐、公司报销、离家近、订得到位，都可能影响选择。餐厅消费不是听歌，人的当晚状态、同行对象、预算和距离都会改变结果。

所以我不太买账的一点是：把真实消费直接等同于真实喜欢。更稳妥的说法是，交易数据提供了比评分更难伪装的信号，但它仍需要场景解释。

Zest 还在使用来自全网的 8000 多万条评论来增强推荐理解，来源覆盖米其林指南到 Reddit 式街头建议。这能缓解冷启动，也会带来一个新问题：当账单、评论和社交关系一起影响推荐时，用户需要看得懂推荐为什么出现。

不然，旧榜单的黑箱，只是换成了新黑箱。

最该看的不是访问量，是三道门槛

对普通用户来说，Zest 的实用场景很容易理解。

去陌生城市前，不必在攻略里翻几十家店，而是看口味相近的人实际常去哪里。本地吃饭时，也可以少看“最火榜”，多看朋友或创作者的真实消费轨迹。

但是否现在就用，要分人。

对象更现实的动作原因
重度探店、经常旅行的人可以小范围试用个性化收益更高，愿意换取效率
隐私敏感用户先观望交易授权成本高，退出和可见范围仍需看清
本地生活/餐饮产品团队观察复购信号能否转成推荐这可能影响榜单、达人和门店增长逻辑

这里有三个变量，比 10 万次访问更重要。

一是绑定信用卡的转化率。访问量说明有人好奇，授权率才说明用户愿意付出数据成本。

二是 Fresh Picks 的准确性。它需要证明自己比榜单更会推荐，而不是只把“你去过的同类店”重复一遍。

三是数据边界。公开信息里能看到 Zest 通过 Plaid 导入并筛选餐饮交易，但用户如何管理历史数据、如何退出、社交地图里哪些内容可见，这些都会影响信任。

Zest 未来还可能扩展到购物等城市消费场景。这个方向很顺，但也更危险。餐厅记录已经足够敏感，购物会暴露更多身份、收入和生活方式线索。

主线还是那一句：Zest 想用真实消费替代打卡和评分，重做餐厅推荐的信任基础。它的优势来自账单，风险也来自账单。

口碑可造，账单难演。问题是，用户愿不愿意为了少踩几家餐厅，把这本账交出去。