에어비앤비의 재무 계획에 필수적인 예측 모델은 코로나19 팬데믹 기간 동안 심각한 혼란을 겪었습니다. 핵심적인 문제는 역사적으로 안정적이었던 예약과 여행 날짜 간의 관계가 매우 불안정해졌다는 것이었습니다. 이를 해결하기 위해 에어비앤비는 예측을 총 예약액과 리드 타임 구성 요소로 분리했습니다. 그들은 예약 리드 타임과 관련된 변화하는 비율을 처리하도록 특별히 설계된 B-DARMA 모델을 개발했습니다. 놀랍게도 총 예약액이 회복된 후에도 리드 타임 구성은 지속적인 변화를 보였고, 팬데믹 이전 패턴으로 돌아가지 않았습니다. 에어비앤비는 이러한 장기적인 변화를 모니터링하고 정량화하기 위해 분포 발산 지표를 사용했으며, 이는 모델 상태 진단에 필수적인 도구가 되었습니다. 이러한 지속적인 변화는 수익 예측, 현금 흐름 및 운영 결정에 직접적인 영향을 미쳤으며, 정확한 분포 모델링의 중요성을 강조했습니다. 예측을 개선하기 위해 그들은 구조적 단절로부터 학습하는 능력을 개발하여 모델이 변화에 적응할 수 있도록 했습니다. 이러한 구성 요소를 분리하고 분석함으로써 에어비앤비는 구조적 변화를 감지하고 적응할 수 있는 더욱 탄력적인 예측 모델을 만들었습니다.