首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

解密Airbnb的定价算法

作者:Dan Hill,Airbnb的产品主管 编译/校对:张天雷/郭蕾 摘自:http://www.infoq.com/cn 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?...事实上,可以通过将潜在的租房列在我们网站—Airbnb上来实现,Airbnb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。...因此,如果来自于日本的一个房主第一次在Airbnb进行注册,计划出租一套位于京都的公寓,我们不妨查看来自于东京或冈山的房源,如果Airbnb上没有这些城市的数据,我们还可以与来自于阿姆斯特丹的房源进行比较...,因为对于Airbnb来说,阿姆斯特丹是一个比较成熟的市场,而且它与京都具有接近的城市规模和旅游业水平。...关于作者 Dan Hill,Airbnb的产品主管。Hill写出了Airbnb的定价算法,他还与人合伙创办了家庭共享公司Crashpadder,其在2012年被Airbnb收购。

1.9K50

Airbnb定价算法揭密

我和我的同事们发现,这种定价的困难阻止了潜在的房源出现在我们的网站——Airbnb上。Airbnb这家公司将空闲的房间,公寓和房屋与想预订的人相匹配。...首先,这是一个在该国家几十年一次的事件,所以在Airbnb上显然没有任何历史数据可以借鉴。其次,每家酒店都被没有空房,因此供求关系明显失衡。...因此,如果一个日本房主是京都首批使用Airbnb出租公寓的用户之一,那么我们可以拿东京或者冈山做参照,因为那些城市对Airbnb来说都是新市场,当然也可以用阿姆斯特丹的数据,尽管对Airbnb来说,这是一个比较成熟的市场...这些工具正在为全球范围内的Airbnb用户提供价格提示。但是我们认为它可以做更多的事情,而不仅仅是更好地给潜在的房主提供价格提示。...关于作者 Dan Hill,Airbnb的产品线负责人,住宿租赁网站的定价算法作者。住房共享公司Crashpadder的联合创始人,该公司于2012年被Airbnb收购。

4.6K100

译文|Airbnb助力Hadoop SQL查询引擎!

Airbnb是Hadoop在国内的一个公开资源数据开发和SQL查询工具。它的出现,能给Facebook Presto云技术的发展注入一剂强心剂吗?...Airbnb当初发明Airpal是因为Airbnb需要一个便捷的数据分析工具,这个工具也应该满足企业用户的需求,而不仅仅是公司那23个人的数据小团队。...Airbnb产品经理James Mayfield在接受InformationWeek电话采访时表示:“Airpal减少了查询障碍。...一直到18个月前,Airbnb一直都利用亚马逊的云端,主要是用它的Redshift数据库服务来做高速数据分析。...Hive是Hadoop的组成部分,而且一直都是Airbnb历史交易信息的唯一真实数据来源,但是Airbnb放弃了Redshift,开始采用Presto,这样就避免了许多浪费时间的筛选、转换和下载工作。

73290

案例 | 解密Airbnb的定价算法

事实上,可以通过将潜在的租房列在我们网站— Airbnb 上来实现,Airbnb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。...显然,Airbnb需要为人们提供一种更好的方式—自动化定价,以帮助顾客做出正确的决定。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。...因此,如果来自于日本的一个房主第一次在Airbnb进行注册,计划出租一套位于京都的公寓,我们不妨查看来自于东京或冈山的房源,如果Airbnb上没有这些城市的数据,我们还可以与来自于阿姆斯特丹的房源进行比较...,因为对于Airbnb来说,阿姆斯特丹是一个比较成熟的市场,而且它与京都具有接近的城市规模和旅游业水平。...关于作者 Dan Hill,Airbnb的产品主管。Hill写出了Airbnb的定价算法,他还与人合伙创办了家庭共享公司Crashpadder,其在2012年被Airbnb收购。

2.1K80

【Embedding】Airbnb:个性化搜索排序系统

出品:贪心科技•作者:阿泽 今天学习的是一篇 2018 年 Airbnb 的一篇工业论文《Real-time Personalization using Embeddings for Search Ranking...at Airbnb》,介绍的是 Word2Vec 在 Airbnb 推荐场景中的应用。...虽然看似简单,但这篇论文却拿到 KDD 2018 Best Paper,知易行难,在看本文文章之前,我们先来试着回答几个问题: 如果你是 Airbnb 的工程师,如何构建数据集,正例是什么,负例是什么?...Airbnb 这种体量的公司是如何在搜索中做到实时计算个性化,计算量不会很大吗? 如何解决新用户和新房源的冷启动问题的? 读者阅读完本文后将一一得到答案: 1....in Search Ranking》 《从KDD 2018 Best Paper看Airbnb实时搜索排序中的Embedding技巧》 《Airbnb如何解决Embedding的数据稀疏问题?》

1.7K20

React Native 在 Airbnb 的起起落落

Airbnb 的实践经验来看,React Native 的优势在于: 跨平台:进而实现三端设计语言的统一,以及 Web 与 Native 的代码高度复用 切合 JS 生态:无缝接入 Redux、ESLint...、Prettier、reselect、jest 等 JS 生态 开发效率:无需等待编译,Flexbox 布局也更容易掌握 Native 扩展:任何 Native 能力都可以桥接到 React Native...性能可接受:动画同 Native 一样流畅,体验上能够满足大多数场景,很少需要关注性能 跨平台特性带来的代码复用与三端统一的可能性是无可替代的优势,而支持 JavaScript 运行时使其得以进入 JS...而这些问题中的很多难点都是 Airbnb 所经历过,并且与之不懈斗争的。...for Mobile at Airbnb

84110

深度学习在Airbnb搜索的应用实践

作者 | Mr.张@知乎 整理 | NewBeeNLP 这篇文章是airbnb团队在KDD2019上的一篇文章。...Introduction 最早一版实现的搜索排序是一个人工的打分函数,用GBDT替代人工打分函数使得业务有了airbnb有史以来最大的改善,同时也伴随着许多成功有效的迭代改进。...注,airbnb的黑话:房间=listing Model Evolution 下图展示了我们主要离线指标NDCG的相对提升以及转化率的相对提升,其中被预约的房间的相关性为1,其他为0,x轴为不同时间上线的模型...Listing ID Airbnb上的每个房间都拥有唯一的id,采用NN模型的一个潜在机会就是能够直接将这些id作为特征代入模型,即用id做embedding,这一做法在NLP和Youtube的推荐上都被验证是十分有效的...我们对数据进行检查,我们发现几个潜在的特性: 高端、高价的房间 拥有较多描述的房间 特殊的房间 以上这些特性都很难再模型中表达出来,同时这些也是airbnb这种场景中特有的。

59030

每日 24 亿事件处理:Airbnb 的 Riverbed 技术解析

作者 | Rafal Gancarz 译者 | 明知山 策划 | 丁晓昀 Airbnb 开发的 Riverbed 是一个 Lambda 风格的数据框架,用于生成和管理分布式物化视图。...该框架支持 50 多个涉及重度数据读取的应用场景,在这些场景中,数据来自 Airbnb 面向服务架构 (SOA) 平台的多个数据源。...Airbnb 观察发现,一些跨多个不同数据存储的复杂查询是导致该平台主要功能出现延迟的罪魁祸首。开发团队不能使用数据库提供的标准的物化视图,因为计算物化视图所需的数据不在单个数据库中。...Riverbed 的批处理 (来源:Airbnb 工程博客) Riverbed 支持数据回填和协调,以防出现因丢失 CDC 事件导致的实时处理问题。...Riverbed 目前每天处理 24 亿个事件,写入 3.5 亿个文档,处理与 Airbnb 的支付、搜索、评论、行程和内部产品等功能相关的 50 多个物化视图。

11630

Airbnb利用深度学习增强平台的搜索建议

在线预订平台Airbnb拥有超过500万的房源,以及成千上万的旅游,徒步旅行和其他旅行体验。这些需要大量的筛选,Airbnb公司认为AI可以伸出援助之手。...在论文“Applying Deep Learning To Airbnb Search”中,该公司的研究人员描述了在两年的时间里,他们实现了一个复杂的神经网络,在Airbnb的网络和移动应用程序中,以提高搜索结果的相关性...该报告紧随Airbnb的内部AI系统,将设计草图转化为产品源代码,以及机器学习驱动的语言系统,将列表评论翻译成客人的母语。 “搜索排名应用程序是Airbnb最大的机器学习成功案例之一。...正如研究人员所解释的那样,大多数客人首先在Airbnb的网站上搜索特定地理区域的房屋。这些搜索返回从Airbnb的数百万中抽样的有序列表。 最初,手动的评分功能确定哪些房屋和房间在前列。...Airbnb的第一个AI搜索系统为更复杂的搜索系统奠定了基础。

57120

基于机器学习预测Airbnb的城市旅行成本

然而,通过对不同城市的观察,我发现Airbnb的价格不同。这促使我进入数据科学的世界以一探究竟。...本文所涉及的数据集来自Kaggle的Airbnb数据,我选定了两个城市,西雅图和波士顿,每个数据集的数据分别是3818行和3585行。我的目标很明确:“了解Airbnb价格”。...图3:房东拥有的平均房产数量 波士顿的房东平均拥有更多的Airbnb房产。这可能意味着Airbnb房产的价格由更少数量的房东决定。但是我们还不能用这个来说明任何事情,所以让我们深入挖掘一下。...图9 影响Airbnb价格的十个重要因素 现在,我们获得了影响价格的十个重要因素的列表,这些要素如下: zip_has:邮政编码位置中Airbnb房产的数量。表征该位置的繁华程度。...因此,我们可以假设租金、地段位置和Airbnb价格密切相关。 从重要的特性中,我们知道受欢迎程度、地理位置、舒适程度和房产规则对Airbnb价格的影响较大。

75740
领券