Airbnb изменил способ путешествий людей по всему миру, но предоставление гостям соответствующих вариантов в результатах поиска стало все более сложным из-за разнообразных мест и типов недвижимости в их инвентаре. Чтобы решить эту проблему, Airbnb перешел от использования простых эвристик к продвинутым методам машинного обучения и обучения с подкреплением для преобразования процесса поиска местоположений. Первоначально Airbnb полагался на эвристику для определения картографических областей в зависимости от типа поиска, но эти эвристики имели ограничения и не могли различать различные типы поисков или адаптироваться к новым данным.Затем Airbnb исследовал статистику для улучшения поиска местоположений, создавая набор данных для каждого пункта назначения путешествия, в котором записывались места бронирования гостей при поиске этого пункта назначения. Однако этот статистический подход все еще имел ограничения и рассматривал все поиски местоположения одинаково, независимо от конкретных параметров поиска. Это привело Airbnb к мысли, что поиск местоположения может потребовать более продвинутых методов, таких как машинное обучение.Airbnb построил модель машинного обучения, которая могла учиться на различных параметрах поиска, таких как количество гостей и продолжительность пребывания, и предсказывать более соответствующие картографические области для каждого поиска. Система машинного обучения увеличила количество бронирований на 7,12% и уменьшила размер области поиска карты на 40,83%, что привело к кумулятивному увеличению на 1,8% в неотмененных бронированиях на платформе.Затем Airbnb ввел обучение с подкреплением в процесс поиска местоположения, позволяя системе непрерывно учиться на взаимодействиях гостей и корректировать область поиска карты на основе поведения бронирования гостей. Система обучения с подкреплением успешно исследовала больше для менее посещаемых мест и исследовала меньше для мест, которые часто ищут и бронировать, что привело к кумулятивному увеличению на 0,51% в неотмененных бронированиях и на 0,71% в рейтинге 5-звездных поездок.Путешествие Airbnb от простых эвристик к сложным моделям машинного обучения и обучения с подкреплением демонстрирует силу данных-ориентированных подходов в преобразовании сложных систем. Преобразование приводит к кумулятивному увеличению на 2,66% в неотмененных бронированиях, значительному достижению для компании, работающей в масштабе Airbnb.