#AI
탐색 단계의 사용자를 위한 여행지 추천 모델 구축기
01
Summary
"어디로 갈지 고민인가요?" 에어비앤비가 제안하는 취향 저격 여행지
트랜스포머와 지리적 맥락 학습으로 완성한 에어비앤비의 스마트한 목적지 추천 엔진
에어비앤비 공학 팀이 사용자의 막연한 탐색 의도를 구체적인 예약으로 전환하기 위해 개발한 추천 프레임워크의 상세 구조를 공개합니다. 사용자의 장단기 행동 패턴을 언어 모델처럼 학습하고 지리적 계층 구조를 반영하여 최적의 목적지를 제안하는 기술적 노하우를 담고 있습니다.
- 01사용자의 검색, 조회, 예약 이력을 토큰화하여 트랜스포머 시퀀스 모델링 적용
- 02도시와 상위 지역(Region)을 동시에 학습하는 멀티태스크 러닝으로 지리적 이해도 극대화
- 03최근 활동 사용자와 장기 휴면 사용자의 특성을 반영한 정교한 트레이닝 데이터 샘플링
- 04검색 자동 완성 및 리마인드 이메일을 통한 실제 비즈니스 임팩트 입증
RECOMMENDATION
사용자 시퀀스 데이터를 활용한 개인화 추천 시스템을 설계하거나, 복잡한 지리적 계층 구조를 모델에 녹여내고 싶은 시니어 엔지니어에게 일독을 권합니다.
The Problem
여행 계획의 초기 단계에 있는 에어비앤비 사용자들은 구체적인 목적지나 일정이 없는 모호한 의도를 보이는 경우가 많아, 이들의 탐색을 돕고 예약 결정의 마찰을 줄이는 데 어려움이 있었습니다.
The Solution
사용자의 예약, 조회, 검색 이력을 시퀀스 토큰으로 취급하는 트랜스포머 기반 모델을 구축하고, 도시와 지역 단위를 동시에 예측하는 멀티태스크 러닝과 활동/휴면 사용자를 구분한 데이터 학습 전략을 도입했습니다.
The Result
자동 완성 제안 및 검색 중단 알림 서비스에 배포한 결과, 특히 비영어권 지역에서 유의미한 예약 증가를 기록했으며 사용자들이 더 저렴한 인근 도시를 발견하도록 돕는 성과를 거두었습니다.
Trade-off
사용자의 개인화 옵션 거부 시 데이터 활용에 제약이 있으며, 현재는 목적지 추천에 집중되어 있어 여행 시기나 가격 선호도와의 완벽한 결합은 향후 개선 과제로 남아 있습니다.
03
Key Concepts
Continue reading · same source
More from Airbnb
View all posts from Airbnb프로젝트 라이트하우스 3부 — project-lighthouse-anonymize를 소개합니다
Data PrivacyAnonymizationPython4일 전코로나19의 종식을 알게 된 방법 (그리고 우리 모델이 잊어야 했던 것들)
ForecastingBayesian MethodsMachine Learning1주 전유연한 인증(Flexible Authentication): 에어비앤비의 수백만 사용자를 위한 인증 시스템 재설계
Server-Driven UIAuthenticationMobile Architecture2주 전평가 주도 개발: 대규모 GenAI 평가를 통해 얻은 교훈
LLM EvaluationGenerative AIEval-Driven Development1개월 전게스트 여정 학습을 통한 에어비앤비 검색 개인화
TransformerRecommendationSearch Personalization1개월 전
Related reads#Transformer
Explore #Transformer
Pinterest·Recommendation Systems
핀터레스트 홈 피드를 위한 조건부 학습 검색(CLR) 확장하기
#Transformer3일 전
Airbnb
게스트 여정 학습을 통한 에어비앤비 검색 개인화
#Transformer1개월 전
Netflix
GenPage: 넷플릭스의 엔드 투 엔드 생성형 홈 화면 구축을 향한 여정
#Transformer2개월 전
Netflix·Diffusion Models
더 정교한 AI 비디오 편집을 향하여: 넷플릭스의 초기 연구 탐색
#Transformer2개월 전
카카오뱅크·Vision Transformer
AI, 고객 행동의 순서를 읽다: 카카오뱅크 시퀀스 기반 FDS 모델 개발기
#Transformer2개월 전