COVID-19パンデミックは、歴史的なパターンを混乱させ、従来のモデルを信頼できないものにしたため、予測上の課題を提示しました。需要の回復は非同期かつ地理的に不均一であり、ワクチンの展開や国境の再開には様々なタイムラインがありました。回復中の各市場でローカルデータを待つことは、長期間にわたって盲目的に予測することを意味したでしょう。Airbnbの解決策は、時間的に過去を見るだけでなく、地理的に横を見ることにありました。彼らは、回復が順次展開し、ある回廊が他の回廊よりも先に変化を経験することに気づきました。重要なシグナルは、予約リードタイムの平均であり、これは混乱中に圧縮され、回復中に長くなりました。ヨーロッパや北米のような地域間でこれらのリードタイムシフトのタイミングを比較することにより、ある市場が別の市場の経験に基づいて再開にどのように対応するかを推測することができました。これにより、早期に影響を受けた回廊の後部を、後に影響を受けた回廊の情報提供的な先行として使用することができました。この先行伝播メカニズムは、ローカルデータが乏しい市場でも、リアルタイムの学習と予測を可能にしました。このアプローチには、詳細なデータを持つグローバルなフットプリントと階層ベイズモデリングフレームワークが必要でした。この方法論は、新しい製品機能の展開や規制変更の影響を予測する場合など、危機を超えて適用可能です。これにより、早期採用市場からの即時の学習を、まだ変化を経験していない市場の予測に反映させることができます。