Airbnbのチームは、旅行計画の初期段階でユーザーを支援するために、目的地推薦モデルを開発しました。このモデルは、まだ目的地や旅行日を決めていないユーザーの課題に対応します。モデルは、Airbnbプラットフォーム上での検索や予約といったユーザーの行動を分析することで、ユーザーの目的地への意図を予測します。主な革新点は、多様なシグナルを統合し、アクティブなユーザーと休眠中のユーザーの行動のバランスを取り、ロケーション知識を組み込んでいることです。モデルはトランスフォーマーアーキテクチャを使用し、ユーザーの行動をトークンとして扱い、ユーザーの好みを理解します。トレーニングデータは、予約に近いアクティブなユーザーと、初期計画段階の休眠中のユーザーの両方に対応できるように特別に設計されています。マルチタスク学習を使用して、地域レベルと都市レベルの両方の目的地を予測し、ロケーションの理解を向上させています。このモデルは、オートサジェストと放棄された検索のメール通知を強化し、ユーザーが潜在的な目的地を発見するのを支援します。オートサジェストでは、都市の推薦を提供し、特に非英語圏での予約増加につながっています。放棄された検索のメールでは、推奨エリアのリスティングを掲載し、予約完了を促進します。探索段階に焦点を当てることで、モデルはインスピレーションを刺激し、意思決定の摩擦を減らし、ユーザーエンゲージメントを高めることを目指しています。このフレームワークは、旅行時期や価格の好みを含む、旅行計画体験全体のパーソナライゼーションの基盤を提供します。