Airbnbは、世界中で人々の旅行の仕方を変革させましたが、インベントリーの多様なロケーションとプロパティータイプが増えるにつれて、ゲストが検索結果で関連するオプションを見つけることが困難になっていました。この課題に対処するために、Airbnbは、シンプルなヒューリスティックから高度な機械学習と強化学習の技術に移行し、ロケーション検索プロセスを変革しました。まず、Airbnbは、検索の種類に基づいてマップのエリアを定義するヒューリスティックを使用していましたが、這らのヒューリスティックは、異なる検索タイプや新しいデータに対応できませんでした。次に、Airbnbは、統計学を使用してロケーション検索を改善し、各旅行先のデータセットを構築し、ゲストがその目的地を検索する際に予約した物件の場所を記録しました。ただし、統計的なアプローチもまた制限があり、特定の検索パラメータにかかわらず、すべての検索結果を同じように扱いました。このため、Airbnbは、ロケーション検索がより高度な技術、例えば機械学習を必要かもしれないと信じるようになりました。Airbnbは、多くの検索パラメータ、例えば宿泊人数や滞在期間を学び、各検索に対してより関連するマップのエリアを予測することができる機械学習モデルを構築しました。この機械学習システムは、予約された物件のリコールを7.12%向上させ、検索結果のマップのエリアのサイズを40.83%縮小させ、結果的にプラットフォーム上のキャンセルされていない予約者が累積的に1.8%増加しました。Airbnbは、次に強化学習をロケーション検索プロセスに導入し、ゲストのインタラクションから継続的に学び、予約された物件の行動に基づいて検索結果のマップのエリアを調整することができます。この強化学習システムは、旅行の少ないロケーションをより多く探検し、頻繁に検索されるロケーションをより少なく探検することに成功し、結果的にキャンセルされていない予約者が累積的に0.51%増加し、5スターの旅行の評価が0.71%向上しました。Airbnbがシンプルなヒューリスティックから高度な機械学習と強化学習のモデルに移行する過程は、大規模な企業が運営する複雑なシステムを変革するデータドリブンアプローチの力を見せています。この変革は、累積的にキャンセルされていない予約者が2.66%増加する大きな成果をもたらしました。