JourneyFormer: Encoding Airbnb Guest Journey with Sequence Modeling
Questo articolo presenta JourneyFormer, una soluzione di modellazione di sequenze implementata in Airbnb per affrontare sfide di produzione quali i percorsi complessi degli ospiti e l'esiguità delle etichette di prenotazione, portando a miglioramenti significativi sia nelle metriche di ranking offline che nei risultati di business chiave attraverso test A/B online.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Immagina Airbnb come un enorme e frenetico mercato digitale dove milioni di persone cercano un posto dove stare. Per anni, il sistema che decide quali case mostrarti per prime (il "ranking di ricerca") è stato come un bibliotecario che ha letto l'intera cronologia di un ospite ma ne ricorda solo il riassunto del viaggio.
Il team di Airbnb ha costruito un nuovo sistema chiamato JourneyFormer. Pensa a questo non come a un bibliotecario che legge un riassunto, ma come a un detective che guarda l'intero film dell'ospite in tempo reale, comprendendo i colpi di scena, le pause e la decisione finale.
Ecco come funziona, suddiviso in concetti semplici:
1. Il Problema: Il Viaggio dell'Ospite "Rumoroso"
Quando usi Airbnb, non fai solo un clic su "Prenota". Potresti:
- Guardare 50 appartamenti diversi.
- Annullare un viaggio che avevi pianificato.
- Lasciare una recensione per un posto in cui sei stato l'anno scorso.
- Chiamare l'assistenza clienti perché una porta era bloccata.
- Infine, prenotare un posto specifico.
Il vecchio sistema cercava di riassumere tutto questo in alcune statistiche (ad esempio, "Questa persona prenota 2 volte all'anno"). Ma questo tralasciava la storia. Un ospite che ha guardato 50 ostelli economici potrebbe stare solo guardando per curiosità, mentre un ospite che ha guardato 3 ville di lusso potrebbe essere pronto a comprare. Il vecchio sistema non riusciva a distinguere tra "guardare con curiosità" e "comprare".
2. La Soluzione: Il Film del "Viaggio"
JourneyFormer tratta la cronologia di un ospite come una sequenza cinematografica piuttosto che come un rapporto riassuntivo. Utilizza un tipo speciale di IA (chiamata Transformer) che è bravissima a comprendere le storie.
- La Trama a Lungo Termine: Esamina gli ultimi 7 anni della vita di un ospite, ma solo per le "scene importanti" come prenotazioni effettive, cancellazioni o recensioni. Ignora il rumore di fondo noioso.
- La T trama a Breve Termine: Esamina gli ultimi 21 giorni, concentrandosi pesantemente su ciò che l'ospite sta cliccando proprio ora. Se stai clicando freneticamente su case sulla spiaggia alle Hawaii, il sistema capisce che probabilmente andrai alle Hawaii a breve.
3. Il "Filtro Intelligente" (Selezione degli Eventi)
Il documento nota che gli ospiti cliccano sulle inserzioni (visualizzazioni) molto più spesso di quanto non prenotino effettivamente. È come passare davanti a 100 case in un quartiere ma comprarne solo una. Se l'IA cercasse di ricordare ogni singolo "passaggio", si confonderebbe e rallenterebbe.
Per questo, JourneyFormer utilizza un filtro di frequenza:
- Gli eventi rari (come prenotare una casa o lasciare una recensione) vengono conservati dagli ultimi 7 anni.
- Gli eventi comuni (come il semplice guardare una casa) vengono conservati solo dagli ultimi 21 giorni.
Questo mantiene il "film" breve e focalizzato su ciò che conta davvero.
4. Il "Traduttore Universale" (ID Embedding)
Airbnb ha milioni di inserzioni, host e località. Per il computer, questi sono solo numeri casuali. JourneyFormer utilizza un "Traduttore Universale" (chiamato Unified Embeddings) per trasformare questi numeri in un linguaggio che l'IA possa comprendere.
Utilizza anche un sistema di mappe gerarchiche (S2Cell ID). Immagina una mappa che zooma dal livello del continente, al paese, alla città, al quartiere e infine al numero civico specifico. L'IA impara che un ospite che ama "San Francisco" potrebbe anche amare "The Mission District", ma potrebbe non gradire una casa in una strada rumorosa. Questo aiuta l'IA a capire dove un ospite vuole stare, non solo cosa vuole.
5. La "Spinta di Velocità" (Trucchi di Addestramento)
Addestrare un'IA su milioni di viaggi di ospiti è come cercare di leggere una biblioteca di libri in un'ora. Il documento descrive tre trucchi astuti per renderlo più veloce:
- Raggruppamento (Bucketing): Invece di forzare una storia breve e un romanzo lungo nello stesso mucchio, li raggruppano per lunghezza. Questo evita che il computer sprechi tempo riempiendo le storie brevi con spazi vuoti.
- Batching delle Ricerche: Se un ospite effettua tre ricerche di seguito, l'IA non ricalcola l'intero viaggio da zero ogni volta. Ricorda il calcolo precedente e aggiorna solo la nuova parte.
- Saltare i Posti Vuoti: Se un gruppo di dati ha alcuni punti "vuoti" (perché un ospite ha meno ricerche di un altro), l'IA salta quei posti vuoti invece di elaborarli.
6. I Risultati: Viaggi Migliori per Tutti
Il team ha testato questo nuovo sistema nel mondo reale (esperimenti online) e lo ha confrontato con il vecchio sistema.
- Offline: L'IA è diventata più brava a indovinare quali case piacciono agli ospiti (misurato con un punteggio chiamato NDCG).
- Online: Quando hanno mostrato questi risultati a persone reali, più persone hanno prenotato viaggi e sono state prenotate più notti.
- Email: Hanno anche testato il sistema nelle email promozionali. Quando l'IA sceglieva le case da mostrare in un'email, le persone erano il 5% più propense a cliccare e prenotare.
Cosa Non Hanno Fatto (I "No")
Il documento è onesto riguardo a ciò che hanno provato ma hanno rifiutato:
- Aggiornamenti in tempo reale: Hanno provato ad aggiornare il "film" dell'ospite istantaneamente ogni volta che cliccava. Questo rendeva l'IA più veloce nel fare previsioni, ma in realtà confondeva gli ospiti mostrando loro le stesse case che avevano appena guardato (retargeting). Gli ospiti volevano vedere nuove opzioni, non le stesse di prima.
- Troppa complessità: Hanno provato a rendere l'IA più "intelligente" aggiungendo più livelli, ma questo ha solo reso il sistema più lento e difficile da mantenere senza migliorare i risultati.
Il Punto Fondamentale
JourneyFormer è un sistema che ha smesso di trattare gli ospiti come una lista di statistiche e ha iniziato a trattarli come persone con una storia. Osservando la sequenza delle loro azioni — ciò che hanno guardato, ciò che hanno prenotato e ciò che hanno cancellato — il sistema può prevedere ciò di cui hanno bisogno, portando a prenotazioni più efficaci sia per gli ospiti che per gli host.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.