我們知道，這周是美國的國慶節小長假！數千萬美國人來到海邊，走到湖畔，爬上高山，吃著烤肉，喝著啤酒。對于這些假日旅行者來說，Airbnb是一個不能再好的網站啦，因為他們在上面可以找到最合適的海濱住所，而在那些住宿房間里，除了可以放松睡覺，還有各種服務，比如洗衣機，吹風機，無線Wi-Fi，免費停車，等等。

但是，絕大多數人并沒有意識到，當他們在同一時間登陸上Airbnb，并且發起房屋搜索，其實是非常復雜的，而且對于Airbnb來說，壓力也會很大。
當然，Airbnb并不是搜索行業領域里的巨頭，當我們談到搜索，谷歌和亞馬遜說不定可以分分鐘“滅掉”Airbnb。但是和這些公司不同（值得一提的是，最近幾年Facebook、Instagram、以及Twitter都開始把重點放到搜索上面了），Airbnb正在面臨這一個非常獨特的挑戰，因為它的搜索結果并不只是單純地尋找一個網站，一張照片，或是一款產品，Airbnb的用戶希望搜索到的結果遠不止這些，比如，有些人希望在上面尋找一些合適的房屋，并以此做比較來重新設計裝修自己的房子；有些人只是不希望在仲夏時節為了放松兩天而在酒店上花一大筆錢，還有些人根本不想被電子郵件打擾，而想在自己的湖邊小屋里享受下假日周末。然而這一切……都得靠Airbnb。

沒錯，Airbnb還得干搜索的活兒！他們需要對數據庫內的房屋進行預測，確?？蛻裘看味寄苷业阶约盒膬x的房屋。這意味著，Airbnb不能簡單地把所有房源局限在某一個特定區域，單從這一點來看，就比谷歌搜素的難度要大得多。我們知道，如果你在谷歌搜索一個詞，它只需把所有相關網頁按隨機順序排列顯示出來就可以了，但Airbnb不行，他們不能把所有房源像搜索結果一樣隨機羅列出來。

“你總是需要匹配供應和需求，而在我們Airbnb所提供的房屋租賃服務狀況下，所謂的供給是非常獨特的。因為我們的搜索源，是實實在在的房屋和房主人，”Airbnb首席技術官Mike Curtis在紐約接受采訪時說道，“為正確的客人，匹配上正確的房主，這真的可以說是最復雜的一件事兒了！”
機器學習
為了解決這一問題，Airbnb越來越多的開始嘗試使用機器學習來理解房東和房客的習慣與喜好，這樣的話，就能讓彼此之間匹配的更加精準。每次，當一個用戶在Airbnb搜索住宿信息，該公司便會使用一個模型來運行搜索，找到哪些房東最有可能接受這位用戶。在這款模型里面，有很多變量參數，比如客人居住時間，最近的潛在預訂時間和房主最近的預訂時間之間間隔了多久，等等。
通過對該模型進行試驗，Airbnb公司的研究人員發現，基于房主的習慣喜好進行搜索，排出來的搜索結果能夠提升4%的實際預訂率。因此，Airbnb決定采用這款模型。
與此同時，Curtis表示Airbnb公司還在收集戶主的其他行為參數，以便能在他們的機器學習模型上使用。舉個例子，對于那些時間非常有限的找房用戶來說，了解戶主是否能夠接受最后一分鐘預定會非常有幫助，而且，也能和提供類似服務的公司（比如HotelTonight）競爭?！拔覀冮_始向即時預訂服務轉型，這非常重要，因為我們了解了房主們的喜好，”Curtis說道。
搜索能夠拉近用戶
對于Airbnb來說，最后一塊拼圖就是要利用技術來理解用戶喜好，而不是簡單地過濾用戶的選擇。事實上，Airbnb可以從很多方面來獲取用戶喜好信息，比如根據他們的點擊模式，系統可以學習某個用戶特別偏好選擇哪一類房間；還有些用戶喜歡將Airbnb和Concur一起使用，后者是一個專門為企業提供旅行和費用支出管理的系統，這也就是說，通過Concur訪問Airbnb的用戶，基本上可以判斷出他們屬于商務旅行人士，因此他們可能會需要一些專屬的設施，比如室內洗衣機和無線Wi-Fi網絡，等等。
當然，Curtis也承認，目前Airbnb預測模型在用戶行為測試方面的作用還比較有限，但他表示，明年公司依然會把工作重點放在搜索這一塊，這是他們必須要做的工作。對于如今的科技公司來說，能夠越快實現客戶滿意，效果自然就越好，比如谷歌在他們的搜索頁面頂部會選出最有利的搜索結果；亞馬遜也有自己的推薦引擎，向消費者推送一些商品推薦。搜索功能越先進，就越能幫助公司獲得客戶，至少，能比競爭對手更快、更多地獲得客戶。因此提升優化搜索功能，不僅是對Airbnb，對于其他線上公司來說，都是非常重要的。
“對于那些想在紐約過周末的人來說，你不能只為用戶提供一個地方，或是一種地方，這樣他們會無從選擇，你必須要找到很多地方，然后讓他們從中找到一個最喜歡、最適合的房子，”Curtis說道，“所以，我們必須變得更加智能！”