解密Airbnb的定价算法.pdf

解密Airbnb的定价算法 对于计划出租房屋的房主 ，你应该将房屋的租金设定为多少呢 ？或者对于租房的顾 而言 ，应该给 自己的租房支付多少呢 ？不管是对于一次有计划的远足 ，还是一次说走就走的旅行 ，为租房付出多 少才真正合适呢 ？ 回答这些问题并不容易。事实上 ，可以通过将潜在的租房列在我们网站— A irbnb上来实现 ，A irbnb 是一家联系旅游人士和家有空房出租的房主的服务型网站 ，它可以为用户提供各式各样的住宿信息 。 在焦点小组 ，我们观察到人们在我们的网站上填写房屋信息的过程中 ，往往在价格选项上会显得 为难。很多人会查看他们的邻居们所设置的价码 ，然后选择一个可比较的价格 ；这个过程会让用户 在浏览器中打开很多标签 ，然后找出那些与他们接近的房源。有些人在填写信息之前 ，脑子里已经 有了一个目标 ，可能是为了赚取一些额外的资金 ，来帮助支付抵押贷款或度假费用。于是 ，他们开 出的价格主要是为帮助他们实现这一目标 ，反而没有考虑房子真实的市场价值。而对于这其中的有 些人 ，不幸的是 ，通常他们的房子都没能被租出去。 显然 ，A irbnb需要为人们提供一种更好的方式— 自动化定价 ，以帮助顾 做出正确的决定。这就是 我们为什么在2012年就开始构建定价工具 ，并至今一直在努力地改进它们的原因。今年6月 ，我们 发布了我们最新的版本。我们开始实行动态定价 ，也就是说 ，根据不断变化的市场条件每天提供新 的价格提示。我们调整了我们的通用定价算法以考虑市场上一些偶然的、甚至是令人惊讶的特征。 此外 ，我们还增加了一种独特的机器学习方法 ，让我们的系统不仅能从自己的经验中学习 ，而且必 要时还能利用人的一些直觉。 在线网络中 ，许多公司使用算法来设置或建议价格。以易趣为例 ，它会告诉用户哪些类似的产品已 经售出 ，以致用户可以基于这些信息对自己的产品设置价格。易趣的定价问题是相对容易解决的 ， 因为它不用关心卖家和买家在哪里 ，也不需要是关心产品在什么时候出售。虽然在搭乘共享公 司Uber和Lyf t 中 ，地域和时间都是需要考虑的因素 ，但是这两家公司仅仅通过法令来确定价格 ，在 定价方面并没有用户选项 ，也不需要考虑定价的透明性。 在A irbnb上 ，我们面临着一个异常复杂的问题。我们网站上的数百万房源都是独一无二的 ，它们有 自己的地址、大小和装饰。顾 在接待、饮食或旅游引导方面的要求也不尽相同。一些规律的 （如 季节性天气变化 ）和不规律的 （如本地的大型活动 ）因素都会让问题变得更加复杂。 三年前 ，通过利用房源信息中最重要的一些特征 ，如房间和床铺的数量、周围的环境、以及某些特 殊的设施 （如停车位、游泳池等 ），我们开始构建一个为潜在用户提供价格提示的工具。我们 在2013年正式将它推出 ，它在大多数情况下工作得很好。但它也存在局限性: 第一 ，其定价算法的工作方式是不变的。 举个例子 ，假如我们考虑俄勒冈州波特兰市珍珠区的情况 ，如果设定河边的房子的价格比远 离河边的房子的价格要高 ，除非我们手动地对这些指标进行变更 ，否则该算法将永远这样 执行。 第二 ，我们的定价工具并不是动态的 ，并不会根据你预定房间的 间或有多少人在同一 间预定而 对价格提示做出调整。 自去年年中以来 ，我们一直在试图改变这种状况。我们想构建一个工具 ，其能够通过与用户进行交 互而从错误中获得提高。我们也希望使用该工具来调节需求 ，在必要的时候 ，可以在房间空余时给 出价格下降的提示 ，或根据需求增加给出价格增长的提示。我们现在已经解决了这些问题 ，并且在 今年6月份的时候用户已经开始使用这一新工具。接下来 ，我们将告诉你这些工具是如何不断改进的 ，并且它们现在是如何工作的。我们还会告诉你 ，为什么我们最新的工具—A eroso lve ，除了对租赁 的房屋进行定价 ，最终还可以做的更多。这也是为什么我们将其发布到开源社区的原因。 三个简单的例子 为了得到解决这个问题的思路 ，我们首先举三种简单的情况。 比如 ，去年足球世界杯期间你居住在巴西。你的家乡会涌入大量来自于世界各地的游 ，聚 集在一起享受这个星球上最伟大的足球比赛。如果此时你的房子里正好有空余的房间 ，你也 想满足其他足球爱好者的需求 ，顺便赚取一些额外的现金 ，就可以将它们租出去。 为了帮助你设置合理的价格 ，我们的工具需要考虑几个因素 ： 首先 ，在这个国家 ，这是一代人才可能经历一次的事情 ，所以我们在A irbnb上绝对没有历史数据 可供参考。 其次