搞日租房的Airbnb，如何用機器學習對接上百萬的房東和租客？

李林 編譯整理

量子位 報道 | 公眾號 QbitAI

用Airbnb找房，是不是經常覺得「這個房子正合朕意」？

除了照騙拍得好之外，機器學習也功不可沒。

Airbnb的工程副總裁Mike Curtis對科技媒體VentureBeat說，機器學習對他們公司的業績增長產生了「深遠」的影響。

一個搞日租房的，能用機器學習幹什麼？

答案是精準匹配房東和租客。

Airbnb有上百萬的租客，上百萬的房東（房子），怎麼從這兩堆上百萬人里，找出合適的，給他們牽線搭橋，想想就覺得是世界難題。

猜房客心思

他們為了解決這個世界難題，最主要的方法是在租客搜房子的時候，對搜索結果進行個性化排序。

以前，大家搜一樣的關鍵詞，看見的結果都是按一樣的規則排的。但問題是，排在最前邊的結果，不見得每個人都喜歡。

於是機器學習就派上了用場：讓不一樣的人看到不一樣的排序。

Airbnb從2014年底開始試著這麼干，現在，他們全站的搜索結果都是用機器學習方法個性化排序的。

比如說你搜8月6號到11號、在悉尼、一個人住的房子，Airbnb除了返回一堆符合條件的結果之外，還會去猜這堆結果里你可能更喜歡哪個，把可能性最高的排在前邊。

比如說他們發現你喜歡有書桌的，就把有書桌的排在前邊；發現和你有相似特徵的人都喜歡住在悉尼大學附近，就把悉尼大學附近的排在前邊。

量子位只是舉個例子，實際情況複雜得多。Curtis說，他們的排序演算法會綜合考慮100多種特徵。

猜房東會不會喜歡

把房客最喜歡的房子排在前邊就夠了么？

並不是，還要考慮這些房東怎麼想。Airbnb數據科學總監Bar Ifrach很久以前(2014年4月)發過一篇博文，講他們是怎樣根據房東的偏好來給房客推薦房子的。

畢竟，這個租房的生意，要你情我願才行。讓房客點了五六個結果都被房東拒絕很不好，讓暫時不想出租的房東總被人問來問去也不好。

所以，Airbnb會更推薦願意租給你的房東。

比如說，你要從8月6號住到11號，而搜索到的結果裡邊，有兩間條件很合適的房子在8月5號之前、8月12號之後都租了出去。

那麼Airbnb就會根據這兩個房東以往的習慣，來判斷他們是願意連續出租，還是願意中間空置幾天。

然後把願意連續出租的那個推薦給你。

幫房東定價

上面說的還是房客，其實Airbnb要發展壯大，幫房東省心也非常必要。

不少提供短租房的房東，其實都是不知道該要多少錢的。

Airbnb覺得，讓房東們去查附近酒店都多少錢、其他房東收多少錢，然後根據這麼兩三個因素定個價，是不科學的。

不如用機器學習幫他們定價。

機器學習在定價的時候，參考的因素比人類多得多，還會預測未來某段時間的供需關係，比如說10個月以後你家附近房源會不會很緊張。

這樣，房東就能得到一個Airbnb的默認參考價。

當然，這個定價系統沒有「劫富濟貧」版Uber那麼高級……

【完】

一則通知

量子位正在組建自動駕駛技術群，面向研究自動駕駛相關領域的在校學生或一線工程師。歡迎大家加量子位微信(qbitbot)，備註「自動駕駛」申請加入哈~

招聘

量子位正在招募編輯記者、運營、產品等崗位，工作地點在北京中關村。相關細節，請在公眾號對話界面，回復：「招聘」。

追蹤人工智慧領域最勁內容

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！