Η Airbnb περιγράφει ένα νέο σύστημα αναζήτησης που μαθαίνει από ολόκληρο το ιστορικό του επισκέπτη, με στόχο να εμφανίζει πιο σχετικές καταχωρίσεις τη στιγμή που τις χρειάζεται. Στην τεχνική ανάρτηση της εταιρείας, το μοντέλο βασίζεται σε Transformer και αξιοποιεί τόσο το μακροπρόθεσμο ταξιδιωτικό ιστορικό όσο και τη βραχυπρόθεσμη δραστηριότητα προβολών.
Η προσέγγιση αντικαθιστά, όπως αναφέρει η Airbnb, την αποκλειστική εξάρτηση από εκατοντάδες χειροκίνητα σχεδιασμένα χαρακτηριστικά, τα οποία είχαν γίνει όλο και πιο δύσκολα στη συντήρηση και στην κλιμάκωση. Αντί για στατικές περιγραφές, το σύστημα επιχειρεί να συνθέσει μια πιο πλήρη εικόνα των προτιμήσεων κάθε επισκέπτη.
Πώς δομείται το μοντέλο
Η εταιρεία χωρίζει το ιστορικό του επισκέπτη σε δύο τμήματα. Το πρώτο, το long-term sequence, περιλαμβάνει σημαντικά γεγονότα των τελευταίων επτά ετών, όπως κρατήσεις, αξιολογήσεις και ακυρώσεις, με ανώτατο όριο τα 80 events.
Το δεύτερο, το short-term sequence, συγκεντρώνει τις καταχωρίσεις που έχει δει ο επισκέπτης τις τελευταίες 21 ημέρες και περιορίζεται στα 200 events. Σύμφωνα με την Airbnb, τα όρια αυτά έχουν σχεδιαστεί έτσι ώστε να χρειάζεται περικοπή μόνο στις μεγαλύτερες ακολουθίες δεδομένων, που αντιστοιχούν περίπου στο 2% του συνόλου.
Με αυτόν τον τρόπο, το σύστημα συνδυάζει το μακροπρόθεσμο ιστορικό με την πρόσφατη συμπεριφορά. Έτσι, μπορεί να λαμβάνει υπόψη όχι μόνο τι έχει επιλέξει ένας επισκέπτης στο παρελθόν, αλλά και τι φαίνεται να αναζητά αυτή τη στιγμή.
Για την επεξεργασία αυτών των πληροφοριών, το μοντέλο χρησιμοποιεί ένα κοινό σύστημα δεδομένων για στοιχεία όπως οι καταχωρίσεις, οι hosts και οι γεωγραφικές περιοχές.
Πού εστιάζει η βελτιστοποίηση
Η Airbnb αναφέρει ότι σημαντικό μέρος της βελτίωσης ήρθε από τον τρόπο με τον οποίο οργανώνονται οι αναζητήσεις. Αντί να επαναλαμβάνει από την αρχή την ίδια επεξεργασία για κάθε νέα αναζήτηση, το σύστημα επεξεργάζεται το ιστορικό του επισκέπτη μία φορά και στη συνέχεια αξιοποιεί το αποτέλεσμα για τις επιμέρους αναζητήσεις.
Η εταιρεία χρησιμοποίησε επίσης τεχνικές που περιορίζουν τους περιττούς υπολογισμούς, ομαδοποιώντας τα δεδομένα ανάλογα με το μέγεθός τους και αποφεύγοντας την επεξεργασία δεδομένων που δεν προσθέτουν ουσιαστική πληροφορία. Συνολικά, οι τρεις παρεμβάσεις αποδίδουν, σύμφωνα με την Airbnb, περίπου τετραπλάσια βελτίωση στην ταχύτητα εκπαίδευσης του μοντέλου.
Στην καθημερινή λειτουργία, το σύστημα ενημερώνει τακτικά το προφίλ του επισκέπτη με νέα δεδομένα. Όταν πραγματοποιείται μια νέα αναζήτηση, συνδυάζει αυτές τις πληροφορίες με τα στοιχεία της συγκεκριμένης αναζήτησης και στη συνέχεια κατατάσσει τις διαθέσιμες καταχωρίσεις.
Τι έδειξαν οι δοκιμές
Πριν από την ευρύτερη διάθεση, η Airbnb λέει ότι προχώρησε σε δοκιμές διάρκειας περίπου τριών εβδομάδων και ενεργοποίησε το σύστημα σε τρεις φάσεις. Πρώτα δοκίμασε το μακροπρόθεσμο ιστορικό, στη συνέχεια πρόσθεσε τις πρόσφατες προβολές καταχωρίσεων και αργότερα εισήγαγε ένα επιπλέον μοντέλο για τη βελτίωση της κατάταξης των αποτελεσμάτων.
Στις αρχικές δοκιμές, η Airbnb διαπίστωσε ότι η αξιοποίηση του μακροπρόθεσμου ιστορικού του επισκέπτη βελτίωσε την ποιότητα των αποτελεσμάτων αναζήτησης κατά 0,44%. Όταν προστέθηκαν και οι πρόσφατες προβολές καταχωρίσεων, η συνολική βελτίωση έφτασε το 1,48%. Η προσθήκη ενός ακόμη μοντέλου για την κατάταξη των αποτελεσμάτων ανέβασε τη συνολική βελτίωση στο 3,78%.
Οι δοκιμές σε πραγματικούς χρήστες έδειξαν επίσης θετικά αποτελέσματα. Η χρήση του μακροπρόθεσμου ιστορικού αύξησε κατά 0,31% τον αριθμό των επισκεπτών που ολοκλήρωσαν την κράτησή τους χωρίς ακύρωση και κατά 0,38% τις προβολές. Με την προσθήκη των πρόσφατων αναζητήσεων και προβολών, οι αυξήσεις έφτασαν το 0,55% στους επισκέπτες με ολοκληρωμένη κράτηση χωρίς ακύρωση, το 0,82% στις διανυκτερεύσεις χωρίς ακύρωση και το 0,90% στις προβολές.
Η ίδια τεχνολογία χρησιμοποιήθηκε και στα promotional emails της Airbnb, για να καθορίζεται ποιες καταχωρίσεις θα εμφανίζονται στους επισκέπτες. Σύμφωνα με την εταιρεία, η εφαρμογή του συστήματος αύξησε κατά 5,04% τα clicks στα emails, ενώ σημειώθηκαν επίσης μικρότερες αυξήσεις στις ολοκληρωμένες κρατήσεις και στις διανυκτερεύσεις χωρίς ακύρωση.
Τι σημαίνει για την αναζήτηση στην πλατφόρμα
Το βασικό συμπέρασμα της Airbnb είναι ότι το σύστημα δεν βλέπει μόνο τι έκανε πρόσφατα ο επισκέπτης, αλλά και τι υποδηλώνει το συνολικό ιστορικό του για τις τρέχουσες προτιμήσεις του. Για τους hosts και τους property managers, αυτό σημαίνει ότι η σειρά με την οποία εμφανίζονται τα καταλύματα γίνεται όλο και πιο προσωποποιημένη. Δύο επισκέπτες που κάνουν παρόμοια αναζήτηση δεν είναι απαραίτητο να βλέπουν ακριβώς τα ίδια αποτελέσματα, καθώς η Airbnb μπορεί να λαμβάνει υπόψη το ιστορικό και τις πρόσφατες κινήσεις του καθενός.
Αυτό κάνει ακόμη πιο σημαντικούς παράγοντες όπως η ποιότητα της καταχώρισης, οι φωτογραφίες, οι αξιολογήσεις, η τιμή και η συνολική εμπειρία που προσφέρει ένα κατάλυμα, καθώς το σύστημα προσπαθεί να ταιριάξει κάθε επισκέπτη με τις επιλογές που θεωρεί πιθανότερο να τον ενδιαφέρουν.
Η εταιρεία αναφέρει επίσης ότι το έργο δεν έχει ολοκληρωθεί. Μεταξύ των επόμενων κατευθύνσεων που εξετάζει είναι πιο συχνές ενημερώσεις του προφίλ των επισκεπτών, περισσότερα δεδομένα, όπως wishlists και αλληλεπιδράσεις με τον χάρτη, καθώς και περαιτέρω βελτιώσεις στον τρόπο με τον οποίο κατατάσσονται οι καταχωρίσεις.
Συχνές ερωτήσεις
Ποιο πρόβλημα προσπαθεί να λύσει η Airbnb;
Η εταιρεία προσπαθεί να αξιοποιήσει το πλήρες ιστορικό του επισκέπτη, ώστε η αναζήτηση να επιστρέφει πιο σχετικές καταχωρίσεις με βάση τόσο τις παλιές κρατήσεις όσο και την πρόσφατη συμπεριφορά του.
Τι σημαίνει αυτό για έναν host;
Η Airbnb χρησιμοποιεί περισσότερα δεδομένα για να αποφασίσει ποια καταλύματα είναι πιθανότερο να ενδιαφέρουν έναν συγκεκριμένο επισκέπτη. Επομένως, η προσωποποίηση της αναζήτησης γίνεται ακόμη πιο σημαντική για την προβολή των καταχωρίσεων.
