Airbnbは、個人の履歴を持たない新規ユーザーやログアウト中のユーザーに対して、コールドスタート問題に直面しています。これを解決するために、地理的なクラスター内の集計されたユーザー行動を活用するプロキシミティ機能（Proximity Features）を開発しました。その中心的な仮説は、同じ場所にいるユーザーは、個々のデータに関係なく、同様の旅行の好みを共有するというものです。これらの機能は、GDPRのようなプライバシー規制に準拠し、永続的なユーザー識別子に依存せずに体験をパーソナライズするのに役立ちます。システムは、ユーザーのIPアドレスから大まかな地理的位置を抽出し、近くのユーザーを適応型プロキシミティバケット（proximity buckets）にグループ化します。各バケットは約1,000人のユーザーを表し、位置タイルと、人口密集地域ではIPハッシュバケットをエンコードするプロキシミティキー（proximity key）によって識別されます。このキーは集計ポイントとして機能し、機械学習モデルがパーソナライゼーションのために集合的なシグナルを使用できるようにします。機能は毎日計算され、短期的なエンゲージメント、長期的な予約パターン、およびバケットメタデータが含まれます。適応型クラスタリングアルゴリズムは、さまざまな地理的密度にわたってバケットが適切にサイズ設定されるようにします。人口密集した都市部では、より細かい分割を使用し、人口密度の低い地方では、より粗いグループ化を採用します。これにより、グローバルに効果的なクラスタリングのためのズーム適応型マップが作成されます。プロキシミティキーは時間とともに安定しており、機能は分散型キーバリューストアからリアルタイムで取得され、リクエストをブロックしないようにソフト依存関係があります。プライバシーは基本的な要素であり、機能は個々人ではなくグループの行動を反映します。入力データには同意を得ていないユーザーは除外され、ジオIP座標は匿名化されます。プロキシミティ機能は、マーケティングランディングページやホームページのAutoSuggestでパーソナライゼーションを実証的に改善し、初めて予約したユーザーや休眠中のユーザーの間でリフトを示しました。このアプローチは再利用可能になるように設計されており、Airbnbのさまざまなサーフェスや、エンゲージメントメールでのコールドスタートユーザーへのパーソナライゼーション機能を拡張します。