Airbnb hat die Art und Weise, wie Menschen auf der ganzen Welt reisen, revolutioniert, aber die Bereitstellung relevanter Optionen für Gäste in den Suchergebnissen ist aufgrund der vielfältigen Standorte und Unterkunftsarten in ihrem Bestand zunehmend komplex geworden. Um diese Herausforderung zu meistern, wechselte Airbnb von einfachen Heuristiken zu fortgeschrittenen maschinellen Lernalgorithmen und Verstärkungslernalgorithmen, um ihren Standortabrufprozess zu transformieren. Anfangs verwendete Airbnb Heuristiken, um Kartenbereiche basierend auf der Art der Suche zu definieren, aber diese Heuristiken hatten Grenzen und konnten nicht zwischen verschiedenen Suchtypen unterscheiden oder sich gut an neue Daten anpassen.Airbnb erkundete dann die Statistik, um den Standortabruf zu verbessern, indem sie für jedes Reiseziel ein Dataset erstellte, das aufzeichnete, wo Gäste Listings gebucht hatten, wenn sie nach diesem Ziel suchten. Diese statistische Vorgehensweise hatte jedoch immer noch Grenzen und behandelte alle Suchen für einen Standort gleich, unabhängig von spezifischen Suchparametern. Dies führte Airbnb dazu, zu glauben, dass der Standortabruf möglicherweise fortgeschrittenere Techniken wie maschinelles Lernen erfordert.Airbnb entwickelte ein maschinelles Lernalgorithmus, das aus verschiedenen Suchparametern wie der Anzahl der Gäste und der Aufenthaltsdauer lernen und relevantere Kartenbereiche für jede Suche vorhersagen konnte. Das maschinelle Lernsystem erhöhte die Trefferquote der gebuchten Listings um 7,12 % und reduzierte die Größe des Abrufbereichs um 40,83 %, was zu einem kumulativen Effekt von +1,8 % bei nicht stornierten Buchungen auf der Plattform führte.Airbnb führte dann Verstärkungslernen in den Standortabrufprozess ein, sodass das System kontinuierlich aus den Interaktionen der Gäste lernen und den Abrufbereich basierend auf dem Buchungsverhalten der Gäste anpassen konnte. Das Verstärkungslernalgorithmus erkundete erfolgreich mehr für weniger besuchte Standorte und erkundete weniger für Standorte, die oft gesucht und gebucht werden, was zu einem kumulativen Anstieg von 0,51 % bei nicht stornierten Buchungen und 0,71 % bei 5-Sterne-Reisen führte.Airbnbs Reise von einfachen Heuristiken zu komplexen maschinellen Lernalgorithmen und Verstärkungslernalgorithmen zeigt die Kraft datengetriebener Ansätze bei der Transformation komplexer Systeme. Die Transformation führt kumulativ zu einem Anstieg von 2,66 % bei nicht stornierten Buchungen, einer bedeutenden Leistung für ein Unternehmen, das auf der Größe von Airbnb operiert.