新冠疫情带来了预测挑战，因为它扰乱了历史模式，使得传统模型不可靠。需求复苏不同步且地理分布不均，疫苗接种和边境重新开放的进度各不相同。若等待每个复苏市场的本地数据，将导致在相当长一段时间内处于“盲目预测”状态。Airbnb 的解决方案是横向跨地理区域观察，而非仅向后回溯时间。他们观察到复苏是顺序展开的，某些走廊在其他地区之前便已出现变化。一个关键信号是平均预订提前期：在干扰期间缩短，在复苏期间延长。通过比较欧洲和北美等地区这些提前期变化的时序，他们可以推断一个市场如何基于另一个市场的经验对重新开放做出反应。这使得他们能够将早期受影响走廊的后验分布作为信息丰富的先验，用于后期受影响的市场。这种先验传播机制实现了实时学习与预测，即使在本地数据稀缺的市场也是如此。该方法需要全球覆盖范围、细粒度数据以及分层贝叶斯建模框架。该方法不仅适用于危机情境，还可用于预测新产品功能上线或监管变更的影响。它允许从早期采用市场立即学习，从而为尚未经历变化的市场提供预测依据。