Airbnb는 개인별 기록이 없는 신규 또는 로그아웃한 사용자와 관련하여 콜드 스타트 문제를 겪고 있습니다. 이를 해결하기 위해 지리적 클러스터 내의 집계된 사용자 행동을 활용하는 근접 기능(Proximity Features)을 개발했습니다. 핵심 가설은 동일한 위치에 있는 사용자들이 개인 데이터와 관계없이 유사한 여행 선호도를 공유한다는 것입니다. 이러한 기능은 GDPR과 같은 개인 정보 보호 규정에 맞춰 개인 식별자를 사용하지 않고도 경험을 개인화하는 데 도움이 됩니다.시스템은 사용자의 IP 주소에서 대략적인 지리적 위치를 파생시키고 가까운 사용자를 적응형 근접 버킷(proximity buckets)으로 그룹화합니다. 각 버킷은 약 1,000명의 사용자를 나타내며, 위치 타일(location tiles)과 밀집 지역에서는 IP 해시 버킷(IP hash buckets)을 인코딩하는 근접 키(proximity key)로 식별됩니다. 이 키는 집계 지점 역할을 하여 머신러닝 모델이 개인화를 위해 집단 신호를 사용할 수 있도록 합니다. 기능은 매일 계산되며 단기 참여, 장기 예약 패턴 및 버킷 메타데이터를 포함합니다.적응형 클러스터링 알고리즘은 다양한 지리적 밀도에 걸쳐 버킷 크기가 적절하도록 보장합니다. 밀집된 도시 지역의 경우 더 세분화된 하위 구분을 사용하고, 희소한 농촌 지역의 경우 더 거친 그룹화를 사용합니다. 이를 통해 전 세계적으로 효과적인 클러스터링을 위한 줌 적응형 지도(zoom-adaptive map)를 생성합니다. 근접 키는 시간이 지나도 안정적이며, 기능은 분산 키-값 저장소(key-value store)에서 실시간으로 가져오며, 요청 차단을 방지하기 위해 소프트 종속성(soft dependency)을 사용합니다.개인 정보 보호는 기본적인 요소이며, 기능은 개인보다는 그룹 행동을 반영합니다. 입력 데이터는 동의하지 않은 사용자를 제외하며, 지리 IP 좌표는 익명화됩니다. 근접 기능은 마케팅 랜딩 페이지 및 홈페이지 AutoSuggest에서 개인화를 눈에 띄게 개선했으며, 예약 경험이 없거나 비활성 상태인 사용자들 사이에서 향상을 보였습니다. 이 접근 방식은 재사용 가능하도록 설계되어 Airbnb의 다양한 표면에서 콜드 스타트 사용자에게 개인화 기능을 확장하고 잠재적으로 참여 이메일에도 적용할 수 있습니다.