Suchtechnologie bei Airbnb



    Vor drei Wochen haben wir darüber geschrieben, wie Benutzer und Hausbesitzer die Suche auf unserer Website effektiver nutzen können . Heute wollen wir über die Algorithmen sprechen, auf denen unsere Suchmaschine basiert.

    Der Beitrag wurde basierend auf der Präsentation von Maxim Charkov vorbereitet:


    Suche ist die Kraft des Matchings. Im Wesentlichen versuchen wir hier, die Anforderungen unserer Benutzer mit den auf dem Markt verfügbaren Anforderungen in Einklang zu bringen.

    Zunächst möchte ich ein paar Worte über mich und meine Kollegen sagen. Ich arbeite in einem Suchteam. Ich habe vor zwei Jahren angefangen, für das Unternehmen zu arbeiten. Zuvor war ich Google-Mitarbeiter, wo ich mehrere Jahre lang alles hintereinander erledigte, von Suchfunktionen bis hin zu Webbrowsern. Natürlich wäre alles, was ich hier präsentieren werde, ohne Leute aus unserem Team nicht möglich gewesen. Search Airbnb ist ein laufendes Team. Unsere Ingenieure arbeiten an den Problemen des Such- und Buchungsflusses, einschließlich Infrastruktur, Benutzeroberfläche usw. Unser Geschäftsbereich umfasst auch Geräteentwicklung, Design, Benutzerforschung, Datenverarbeitung und Analyse.

    Zuerst möchte ich das Suchproblem bei Airbnb vorstellen und wie wir unseren Gästen helfen, die besten Positionen zu finden. Dann werde ich über das Problem der Buchungsumwandlung sprechen. Sie werden feststellen, dass es bei Airbnb nicht immer genügend Positionen gibt, um alle Benutzeranforderungen zu erfüllen. Und das ist eine interessante Aufgabe. Ich werde auch ein paar Worte zur Bewertung von Änderungen sagen. Bei der Arbeit an neuen Suchprodukten ist es sehr wichtig, Bewertungsinstrumente und -faktoren festzulegen, die sicherstellen, dass sich jede vorgenommene Änderung positiv auf den Benutzer auswirkt.

    Airbnb ist ein globaler Anzeigenmarkt. Heute in unserer Datenbank mehr als 600.000 Positionen, 34 000 Städte in 192 Ländern der Welt. Auf unserer Website finden Sie Unterkünfte für jeden Geschmack, von gewöhnlichen Apartments über Baumhäuser bis hin zu privaten Inseln.



    Hier sehen Sie die Dichte unserer Positionen in der Region San Francisco. Jeder Punkt ist ein entsprechender Satz.

    Nordamerika: Europa ist auch ein dichter Markt. Die Region Asien-Pazifik gewinnt rasch an Dynamik. Wir brauchen neue Lösungen für die Arbeit im globalen Maßstab, da wir all diese große Vielfalt an Standorten und Arten von Angeboten haben.













    Achten wir auf das Suchverhalten von Personen, die erfolgreich bei Airbnb gebucht haben. Reisende verbringen viel Zeit mit der Suche. Im Durchschnitt verbringt jeder von ihnen mindestens drei Tage ab dem Zeitpunkt der ersten Suchanfrage, um die Reservierung abzuschließen. Während dieser Zeit berücksichtigen sie ungefähr 20 Positionen. Der Prozess, eine Wohnung zu finden, ist an sich aus vielen Gründen nicht einfach. Die Wahl eines Ortes ist eine ernsthafte Entscheidung. Oft möchten sich Menschen mit Familie oder Freunden beraten, bevor sie die endgültige Entscheidung treffen.

    Im Gegensatz zur Websuche (vorher habe ich damit gearbeitet) wird fast nie das vollständige Bild der Suche angezeigt, wenn der Benutzer einfach eine Abfrage eingibt, die erste in der Ergebnisliste auswählt und eine Reservierung vornimmt. Auch wenn das erste Ergebnis objektiv die beste Option für den Benutzer ist, möchten die Benutzer dennoch einige andere berücksichtigen, bevor sie eine Auswahl treffen.

    Nun wollen wir sehen, wie der Benutzer mit Suchmaschinen interagiert. Sie beginnen normalerweise auf der Seite, auf der sie die Suchparameter eingeben: Ort, Reisedatum und Anzahl der Touristen. Dann sehen sie die am besten geeigneten Positionen.



    Dies ist, was der Benutzer sieht, aber hinter den Kulissen haben wir ein ausgeklügeltes Ranking-System, das Tausende und Abertausende von Signalen kombiniert, um zu verdeutlichen, dass diese vorgeschlagenen Optionen genau das sind, was unser Gast wünscht.

    Unsere Aufgabe als Suchteam ist es, dem Benutzer zu helfen, seine Ziele zu erreichen. Das heißt, wir müssen den Prozess der Suche nach einem Wohnort so einfach wie möglich gestalten. Beginnen wir mit dem Abschnitt Suchen. Wir messen ständig, wie genau das Ergebnis der Lieferung den Benutzeranforderungen entspricht. Am effektivsten ist es, die Gesamtzahl der Benutzer zu berechnen, die eine Suchanfrage gestellt haben, und derjenigen, die die Buchung bei Airbnb abgeschlossen haben. Sie können den letzten Indikator nur erhöhen, indem Sie die Qualität, Relevanz und Personalisierung der Suchergebnisse für einen bestimmten Benutzer erhöhen.

    Daher müssen wir zuerst das Konzept der Qualität verstehen: Dies ist im Wesentlichen die Attraktivität der Position aus Sicht der Anfrage. Wir haben ein Modell, das die Qualität für jedes Suchergebnis berechnet, und verwenden diesen Indikator dann beim Ranking von Unternehmen. Im weitesten Sinne sieht das Modell wie zwei Gruppen von Signalen aus. Eine Gruppe sind die Positionsattribute: Bilder, Anzahl der Bewertungen, Bewertungen, Standortattraktivität, geschätzte Kosten usw. Und das andere sind Verhaltenssignale: die Interaktion des Benutzers und die Positionen auf unserer Website.

    Verhaltensfaktoren


    Sie sind unausgesprochene Nutzerkritiken von Suchergebnissen und daher für uns sehr nützlich. Werfen wir einen Blick auf diese Beispielsuchseite. Wir können davon ausgehen, dass ein typischer Benutzer die Ergebnisse von oben nach unten betrachtet. Schwarze Pfeile geben die Reihenfolge an, in der der Benutzer die Suchergebnisse berücksichtigt. Wenn er der Meinung ist, dass die Position seine Aufmerksamkeit wert ist, klicken Sie darauf, um detailliertere Informationen zu erhalten, oder fahren Sie sofort mit der nächsten fort. Daher können wir bereits versuchen, einen Ranking-Faktor zu erstellen, indem wir die Anzahl der Klicks zählen, die jedes Ergebnis erhalten hat. Hier lohnt es sich jedoch, eine kleine Korrektur vorzunehmen. Schauen wir uns die Ergebnisse an, nämlich Nummer 7.







    Wäre es wahr zu sagen, dass der Benutzer die letzte Position gesehen und für am besten geeignet gehalten hat? Es ist auch möglich, dass der Gast bereits das beste Ergebnis unter den oben genannten 7 gefunden hat. Oder vielleicht hat er sogar beschlossen, die Anfrage abzulehnen oder zu ändern. Um einen unfairen Ausschluss von den Ergebnissen zu verhindern, bestimmen wir für jede einzelne Seite die Position des letzten Klicks. In diesem Fall ist dies Ergebnis Nummer 7. Bei der Erstellung eines Ranking-Faktors werden daher das zuletzt berücksichtigte Ergebnis sowie alle vom Benutzer geöffneten höheren Links berücksichtigt.

    Natürlich reicht ein Klick als solcher nicht aus. Wir sollten bei der Suche nicht alle Verhaltenssignale einschränken. Zum Beispiel schauen wir uns die Seite an und versuchen zu bewerten, wie viel Zeit der Gast benötigt hat, um nach einem kurzen Blick auf die Seite mit den Suchergebnissen Maßnahmen zu ergreifen.
    Ein verhaltensbezogener Qualitätsansatz kann sehr effektiv sein. Es gibt einige Vorschläge, die sehr schlechte Noten erhalten haben, aber gemäß den oben aufgeführten Verhaltenssignalen war ihre Punktzahl extrem hoch. Zuerst können Sie einige minderwertige Ergebnisse finden, wie diese Höhle in Berlin. Dies ist wahrscheinlich überhaupt keine wahre Position. Manchmal kann die Art der Position unerwartet sein: Ein typischer Airbnb-Benutzer hatte nicht erwartet, einen Parkplatz zu finden. Hier ist ein weiteres Beispiel: Wir haben eine Garage. Und das Auto!















    Schauen wir uns jetzt die andere Seite an. Sie können sehen, was in der Regel der Unterschied zwischen den verfügbaren Positionen ist: die Attraktivität des Fotos, die wettbewerbsfähigen Kosten und die hohe Bewertung. Natürlich können wir manchmal keine korrekte Bewertung vornehmen, da wir uns nur auf das Benutzerverhalten stützen. Daher kombinieren wir Verhaltenssignale mit expliziteren Faktoren wie Feedback, um den endgültigen Qualitätsfaktor zu berechnen.

    Seltsamerweise achten wir mehr auf Qualität als auf das Ergebnis der Lieferung. Für Geschäftsreisende ist die Lage entscheidend. Wir bitten unsere Benutzer immer, nach Abschluss der Nutzung des Dienstes ein kleines Umfrageformular auszufüllen. Und in einem der Punkte bitten wir den Benutzer, den Standort (Standort) zu bewerten. Daher können wir diese Antworten verwenden, um den Algorithmus anzuzeigen und dann, wenn Sie möchten, die Qualität des Standorts einer beliebigen Position zu bewerten und die Schätzungen der Positionen in der Nähe anzuzeigen. Hier links haben wir einen Qualitätsfaktor für San Francisco, der auf knn basiert. Und rechts haben wir die Positionsschätzungen in San Francisco, die von einer anderen Karte erhalten wurden.







    Bei der Betrachtung eines Standorts ist es wichtig, nicht nur die Qualität zu berücksichtigen, sondern auch für die Anfrage relevant zu sein. Hier sehen wir Positionen für "Santa Cruz, CA".



    Natürlich wird die gesamte Unterkunft in Santa Cruz angeboten, aber was ist, wenn der Benutzer in Santa Cruz County bleiben möchte? Die zweite Position hier ist von Airbnb, es hat 500 Ansichten. Aber seine Lage ist Aptos, das in der Nähe liegt, aber es ist immer noch nicht Santa Cruz, und nur wenige hätten gedacht, nach diesem bestimmten Ort zu suchen. Natürlich könnten wir so etwas wie "Wenn die Anfrage" Santa Cruz, dann ist Aptos auch geeignet "sagen. Dieses Problem bleibt jedoch nur deshalb ungelöst, weil wir auf der ganzen Welt arbeiten. Darüber hinaus möchten wir wirklich keine Wahl für unsere Benutzer treffen. Im Gegenteil, wir möchten anhand ihrer Handlungen lernen und über jede Anfrage nachdenken. Abfragen können auch viel komplizierter sein als nur Städtenamen. Der Benutzer kann nach der Nachbarschaft des Dorfes, des Vororts, der Postanschrift, des Landes oder des Staates suchen.

    Da wir von unseren Benutzern etwas über die Relevanz erfahren möchten, müssen wir verstehen, was genau die Menschen für relevant und speziell für sie geeignet halten. Nachdem wir die Benutzeraktionsprotokolle gruppiert haben, tritt ein weiteres Problem auf. Einzelne Benutzer können mehrmals auf die Website gehen, um verschiedene Probleme zu lösen. Beispielsweise besucht ein Gast die Website, gibt eine Pacific-Anfrage ein und entscheidet sich dann für eine Reservierung. Am nächsten Tag kehrt er zurück und sucht eine Unterkunft in Los Angeles und bucht in Santa Monica. Und wir versuchen, solche Aktionen zu teilen.





    Ein weiterer wichtiger Schritt ist die Kanonisierung. Es ist notwendig, Daten zu löschen, insbesondere um Fehler und Rechtschreibunterschiede zu korrigieren. Beispiel: "SF" ist San Francisco. Sie müssen jedoch "San Francisco, CA, USA" in der Anfrage korrekt eingeben. Wir haben einen Rechtschreibfehler für Deutschland behoben und die japanische Schreibweise der Abfrage „Buenos Aires“ in die Datenbank eingegeben. Nachdem wir Sitzungsdaten haben, beginnt der Computer mit der Erzeugung von Signalen. Eine davon ist die bedingte Wahrscheinlichkeit einer Bestellung in einem bestimmten Zeitraum unter Berücksichtigung der Besonderheiten einer bestimmten Anfrage. Dies spiegelt effektiv wider, wie viele Personen nach etwas gesucht haben, das bereits an einem bestimmten Ort gebucht wurde.







    Wenn Sie beispielsweise Reservierungen in der Stadt Aptos analysieren, stellt sich heraus, dass Personen diese Position auf Anfrage von „Santa Cruz“ gefunden haben. Dies weist auf eine starke Verbindung zwischen den beiden Orten hin. Sowie Datensignale, die Anzahl der Positionen an diesem Ort und die Entfernung zwischen dem Ort der Buchung und der Abrechnung in der Anfrage.



    Dies sind die tatsächlichen Daten für Pacific, Kalifornien. Sie können einige interessante Funktionen sehen. Zum Beispiel reservieren die meisten Leute, die eine Unterkunft in Pacifica suchen, in San Francisco. Das mag seltsam erscheinen, liegt aber daran, dass Airbnb im Pazifik immer noch nicht sehr beliebt ist. Auf Anfrage werden nur ca. 20 Artikel angezeigt. Aber San Francisco bietet Ihnen eine riesige Auswahl. Selbst wenn der Benutzer in Pacifica bleiben möchte, wird er am Ende oft noch eine Unterkunft in San Francisco buchen. Wir können endlich Zweifel zerstreuen, indem wir die Größe der Städte berücksichtigen.

    Schauen Sie sich den zweiten Tisch an. Eine große Anzahl von Benutzern, die sich entschieden haben, in El Granada zu bleiben, bevor sie sich für Pacific entschieden haben. Auf dem letzten Diagramm sehen Sie die kombinierte Punktzahl. Sie können nicht nur feststellen, dass der Pazifik für den Pazifik relevant ist, wir haben auch Tonnen von alternativen Orten wie El Granada usw. Sie können sie alle auf der Karte sehen. Menschen, die hier nach einer Unterkunft suchten, könnten auch Optionen an einer Reihe anderer Orte in Betracht ziehen. Zeigt alle Städte in der Nähe des Pazifiks an, die mit der Anfrage übereinstimmen.




    Darüber hinaus versuchen wir, alle Ergebnisse für einen bestimmten Gast zu personalisieren. Dafür verwenden wir soziale Graphen. Die Tatsache, dass Ihr Freund die Suchergebnisse angesehen und dann eine bestimmte Position ausgewählt hat, macht sie für Sie relevanter. Wir versuchen auch, die Ergebnisse mit der höchsten Wahrscheinlichkeit zu finden, den Gast und den Gastgeber im wirklichen Leben zu treffen. Zum Beispiel können Sie einen gemeinsamen Freund mit dem Eigentümer haben oder er hat dieselbe Universität wie Sie besucht.

    Buchungsumwandlung


    Unsere Aufgabe ist es, unseren Nutzern die Suche und Buchung von Wohnungen so weit wie möglich zu erleichtern. Wir diskutieren, wie wir ihnen helfen können, den besten Ort zu finden. Aber wie können wir sicher sein, dass sie die Bestellung tatsächlich abschließen? Airbnb ähnelt anderen Reisewebsites.



    Hier ist eine Illustration des Reservierungsflusses. Zuerst muss man eine attraktive Position finden. Als nächstes kontaktieren Sie den Eigentümer. Wenn er zustimmt, Sie zu akzeptieren, dann buchen Sie. Die Site unterstützt Hotkeys für den schnellen Zugriff auf einzelne Funktionen. Beispielsweise gibt es eine Sofortbuchungsoption, die der Eigentümer aktivieren kann. In den meisten Fällen benötigen Sie jedoch noch eine Bestätigung des Eigentümers der Unterkunft. Der Eigentümer kann sich weigern, Sie zu akzeptieren oder Sie einfach zu ignorieren. Dies ist wirklich unangenehm, wenn Sie drei Tage lang nach einer geeigneten Position suchen und dann einfach ignoriert werden.



    Wir verfolgen die Aktionen vom Moment der Kontaktaufnahme mit dem Eigentümer des Hauses bis zur Bestätigung der Kandidatur des Gastes. Contact to Accept ist im Wesentlichen die Beziehung zwischen Benutzern, deren Wohnsitz von den Eigentümern überprüft wurde, und Benutzern, die versucht haben, Kontakt mit den Eigentümern aufzunehmen.

    Wir sind in den letzten Jahren ziemlich weit gekommen.
    Wir haben einige Nachforschungen angestellt, um festzustellen, warum einige Gäste abgelehnt wurden. Und wieder haben wir zwei Sätze von Signalen: einen „materiellen und technischen“, den zweiten „emotionalen“. Der häufigste technische Grund ist die Zugänglichkeit. Beispielsweise hat der Eigentümer die Kalenderzeit nicht aktualisiert oder die Verfügbarkeit von Wohnraum an bestimmten Tagen im Kalender einfach nicht markiert. Oder er kann die Wünsche des Gastes nicht erfüllen: die Aufenthaltsdauer, die Zeit vor oder nach dem Check-in. Einige Eigentümer legen beispielsweise einen Mindestaufenthalt von drei Nächten oder den Eintritt nur am Wochenende fest. Natürlich gibt es immer eine emotionale Komponente. Jeder Eigentümer hat eine Präferenz, nach der er entscheidet, ob er Sie akzeptiert oder nicht.

    Wir tun viel, um die Leistung zu verbessern. Zum Beispiel versuchen wir, den Eigentümer mit einem Gast zu verbinden, dem er höchstwahrscheinlich zustimmen würde, zu dienen. Es wird auch viel Aufwand für die Optimierung aufgewendet: ein Gleichgewicht zwischen Attraktivität und Buchbarkeit (Rüstung, Rüstung) - wie oft Reservierungen vorgenommen werden, da eine weniger attraktive Position tatsächlich besser sein kann. Und natürlich sollte die Benutzeroberfläche der Interaktion mit der Site förderlich sein.

    Host-Kompatibilität


    Dies ist unser Versuch, das Produkt für unsere Eigentümer erheblich zu personalisieren. Hierfür gibt es mehrere wichtige Punkte. Erstens: Nur weil der Gastgeber durchschnittlich 50% der Bewerber akzeptiert, bedeutet dies nicht, dass eine Anfrage gleichermaßen angenommen oder abgelehnt wird. In der Tat hat der Eigentümer seine eigenen Vorlieben, der Gast ist möglicherweise aus persönlichen Gründen nicht geeignet und wird ohne Begründung abgelehnt. Unterschiedliche Hosts haben unterschiedliche Einstellungen. Ein Beispiel ist unser Hausbesitzer in Miami. Er zieht es vor, Gäste für längere Zeit zu empfangen und lehnt alle Anfragen nach einer Unterkunft für mehrere Tage ab. Er ist nicht damit einverstanden, eine Person für 2 Nächte aufzunehmen, wenn dies ihn daran hindert, andere Touristen für einen längeren Zeitraum aufzunehmen.

    Ein weiterer wichtiger Faktor für eine Entscheidung ist, ob eine bestimmte Gastanfrage in den Kalender des Gastgebers passt. Angenommen, dies ist mein Kalender. Ich habe eine Reservierung vom 21. bis 24 .. Es gibt noch eine Reservierung. Zwischen ihnen habe ich drei freie Tage vom 25. bis 27. Februar. Angenommen, ich habe eine Anfrage für einen eintägigen Aufenthalt für den 26. Februar. Wenn ich das akzeptiere, bedeutet dies, dass ich Lücken im Zeitplan habe und zwei weitere Mieter für zwei freie Tage und Nächte suchen muss. Allein aus diesem Grund wäre es durchaus ratsam, diesen Antrag abzulehnen. Obwohl der andere Eigentümer es vorziehen könnte, zwischen den Buchungen Freizeit zu haben und dieses Angebot anzunehmen.





    Bei Airbnb verwenden wir Informationen über das Verhalten früherer Hosts, Fehler und akzeptierte Anforderungen, um das Antwortmuster der Website auf eine Aktion zu personalisieren. Wir berücksichtigen die Vorlieben jedes Gastgebers und wenden dieses Modell bei der Suche an, um die Wahrscheinlichkeit der Annahme einer Check-in-Anfrage unter Berücksichtigung aller verfügbaren Informationen über die Reise, den Gast und den aktuellen Status des Eigentümers zu berechnen. Einige von ihnen haben keine klaren Vorlieben.



    Und hier ist ein weiteres Beispiel dafür, wie eine Änderung des AUI einen ziemlich großen Einfluss auf die Leistung haben kann. Wir haben diese Funktion vor einigen Jahren verwendet, um nach bestimmten Attributen zu suchen: Entfernung, Preis usw. Die Option war sehr beliebt. Tatsächlich wurden etwa 10% der Anfragen zum Mietpreis gestellt. Das Problem war, dass der Preis das einzige Attribut war. Seltsamerweise könnte die billigste Position für den Gast sehr attraktiv aussehen, aber er wusste nicht, dass der Eigentümer ihn höchstwahrscheinlich ablehnen würde. Daher haben wir diese Funktion aufgegeben und die Konvertierung aus einem Kontrollexperiment hinzugefügt.

    Bewertung


    Bei Airbnb testen und bewerten wir jede kleine Änderung, die wir an der Suchoberfläche, dem Buchungsstrom oder den Algorithmen vornehmen. Es ist wichtig, über eine Reihe von Werkzeugen zu verfügen, mit denen wir uns schnell ein Bild von der Arbeit experimenteller Funktionen und der Produktivität machen können. Aus diesem Grund haben wir eine Reihe von Tools erstellt, beispielsweise für Offline-Tests, die wir vor der Einführung eines neuen Algorithmus verwenden. Wir haben auch Möglichkeiten zur Online-Bewertung. Manchmal führen wir Experimente auf Marktebene durch.

    S x S.


    Seite an Seite, eines der wichtigsten Werkzeuge. Auf diese Weise erhalten Ingenieure schnelle Antworten auf Fragen wie: "Wie viel Prozent der Anfragen wirkt sich dies aus?" Oder "Wie ändert eine Änderung meines Rankings die Preisverteilung auf dieser Seite?" Oder "Geben Sie mir einige Beispiele für Anfragen, die in diesem Experiment zu unterschiedlichen Ergebnissen führen." Ranking. " Ein Ingenieur kann auch Antworten auf Verkehrsfragen erhalten. Beispiel: "Wie wirken sich meine Änderungen auf eine Top- oder weniger beliebte Anfrage aus?" Nachts beginnen wir mit der Verarbeitung solcher Anfragen von Entwicklern und analysieren Beispiele für echte Anfragen. Das Ergebnis ist eine Liste von Abfragen mit unterschiedlichen Wahrscheinlichkeitsverteilungen. Danach können Sie Vergleiche anstellen, wir geben einfach an, was genau wir vergleichen möchten, ordnen Experimente, Bewertungsoptionen, Beispielanfragen und dann

    Wir vergleichen verschiedene Ergebnismengen mit einer speziellen Funktion, die auf der Tau-Rang-Korrelationsmethode von Kendal basiert. Dies ist eine sehr einfache Methode, mit der die Anzahl der Ergebnispaare gezählt wird, die ihre Position ändern. Wir haben einige Änderungen am Algorithmus vorgenommen. Wir haben es beispielsweise so geändert, dass es mit Top-Abfragen funktioniert, da der Benutzer nur Top-Positionen auf der Site sieht. Wir haben bereits einige Statistiken erhalten. Beispielsweise betrifft eine Änderung des Rankings mehr als 30% der Abfragen.

    Ein Ingenieur kann sich auch mit Data Mining und Analyse befassen. Wenn Sie wissen möchten, warum die Ergebnisse in Ihrer Kontrollgruppe auf eine bestimmte Weise eingestuft sind, können Sie die Werte aller Signale, alle Schätzungen, die als Ergebnis der Rangfolge erhalten wurden, usw. anzeigen. Es können nicht alle Daten angezeigt werden, da sie möglicherweise vertrauliche Benutzerinformationen enthalten. Diese Informationen sind jedoch sehr wichtig, um schnelle Änderungen vornehmen zu können.
    Die Grundregel lautet hier: Führen Sie immer Experimente mit echten Benutzern durch. Auf diese Weise können wir Änderungen in der Benutzeroberfläche implementieren oder den Ranking-Algorithmus ändern und dann die Konvertierung in verschiedenen Benutzergruppen vergleichen.

    Ich möchte auch über ein Problem sprechen, das die Interaktion auf der Website sehr schwierig macht.

    Nehmen wir ein Beispiel, wenn wir zwei Positionen in einer Stadt haben. Beide Optionen haben ungefähr den gleichen Preis und viele Bewertungen. Die erste Position ist höher, weil sie einen höheren Prozentsatz an Gästen hat, 90%, während die zweite nur 50% hat. Nehmen wir an, wir führen ein Experiment zur Auswahl eines Hosts durch. Anscheinend bevorzugt der zweite Besitzer Paare. Wenn dies kein Paar ist, lehnt er die Kandidatur einfach ab. Wir entwickeln das folgende Experiment: Wir sagen, dass die Gruppe die übliche Positionsbewertung sehen wird, aber wenn die Anzahl der Gäste in der Anfrage gleich zwei ist, wird das zweite Ergebnis nach oben gehen, da die Gästebestätigungsbewertung 100% beträgt. Die Position beginnt mit dem Empfang von Bestellungen, der Host-Kalender füllt sich und das Ergebnis wird für die Kontrollgruppe weniger häufig angezeigt. Auf diese Weise,

    Es gibt völlig entgegengesetzte Beispiele. Die Tatsache, dass dies ein Experiment ist, kann Ihre Kontrolle über die Situation schwächen. Bestimmte Aspekte können unterschätzt werden. Das Problem ist, dass Sie Gäste voneinander isolieren können, obwohl sie immer noch auf dem Markt interagieren. Und was noch wichtiger ist, sie beeinflussen ihre Anfragen nach seiner Entwicklung. Wenn ein Gast beispielsweise eine Unterkunft an einem bestimmten Datum bucht, bedeutet dies, dass ein anderer Benutzer diese nicht buchen kann.

    Das ist ein großes Problem für uns. Dies ist natürlich kein Problem für ein Produkt wie die Google-Suche, da die Web-Ergebnisse nicht verschwinden, wenn Benutzer darauf klicken. Beim Umgang mit Standorten ist jedoch alles viel komplizierter. Eine Lösung besteht darin, sich so weit wie möglich vom Markt zu trennen. Wenn Sie beispielsweise ein Experiment in Boston durchführen, sollte dies den Markt in Chicago nicht beeinträchtigen. Innerhalb dieser Abteilungen können wir Kontrollgruppen erstellen. Jetzt befinden sich diese Benutzer nicht auf lokaler Marktebene, sondern in ganzen geografischen Gebieten. Wir können ein Experiment für alle Benutzer in einem bestimmten Bereich durchführen und dann die Ergebnisse mit den Daten für den Kontrollbereich vergleichen.

    Das Problem dabei ist, dass es für Airbnb sehr schwierig ist, Märkte zu finden, die wir miteinander vergleichen können. Erstens hat das Tourismusgeschäft eine ausgeprägte Saisonalität. Und in verschiedenen Märkten fallen die Hochsaison zu verschiedenen Jahreszeiten. Die Produktivität und Rentabilität jeder Region hängt daher von Faktoren ab, die schwer zu berücksichtigen sind. Darüber hinaus wächst Airbnb weiterhin sehr schnell, und einige Märkte haben sich noch nicht stabilisiert. Wenn sie größer werden, verändern sie das Bild vollständig.

    Ich habe darüber gesprochen, wie wir unseren Gästen helfen, attraktive Positionen zu finden, wie wir die Verfügbarkeit von Positionen anzeigen und die von uns vorgenommenen Änderungen bewerten. Am Ende werde ich ein wenig über einige der Probleme sprechen, auf die wir kürzlich gestoßen sind. Wenn Sie auf unsere Website gehen, sehen Sie eine ziemlich klare Nachricht: "Geben Sie uns das Datum und den Ort der Reise, und Sie erhalten eine Unterkunft." Wenn Sie zu Airbnb gehen, sollten Sie genau wissen, wohin Sie wollen. Das sollte aber nicht so sein. Wir möchten lernen, wie Sie für viele Abfragen geeignete Ergebnisse erzielen. Zum Beispiel: "Was ist, wenn ich nicht einmal weiß, wohin ich gehen möchte, aber ich weiß auf jeden Fall, was ich tun möchte." "Kannst du eine erstaunliche Reise für mich aufnehmen, basierend auf dem, was du über mich weißt?" Um dem Benutzer bei solchen Anfragen zu helfen, müssen wir lernen, breiter zu denken und tiefer zu schauen.



    Zum Beispiel haben wir links eine ganz bestimmte Anfrage. Lage Lage - Venedig, dies ist ein Blick auf den Kanal. Oder „Ich lebe in San Francisco und möchte nicht mehr als zwei Stunden unterwegs sein. Finde mir den coolsten Ort für das Wochenende, damit ich selbst im Haus wohne. “

    Sie werden eine Menge erstaunlicher Reisemöglichkeiten entdecken, auch wenn Sie nicht versuchen, sie zu finden. Öffnen Sie einfach die App und sehen Sie Tipps und personalisierte Angebote.

    Bei Airbnb ist jede Position einzigartig. Unseren Gästen bei der Navigation durch alle Funktionen des Portals zu helfen, ist eine der vorrangigen Aufgaben. Wir möchten Sie also nicht mit den Tausenden von verfügbaren Angeboten verblüffen. Im Gegenzug möchten wir nur einige zeigen, die perfekt zu Ihnen passen. Und natürlich bemühen wir uns um eine einfache Nutzung des Dienstes, damit die Buchung keinen Aufwand erfordert.

    Vielen Dank für Ihre Aufmerksamkeit!

    Jetzt auch beliebt: