Airbnb

Objectif

Aider chaque hote a fixer un prix par nuit qui maximise a la fois la probabilite de reservation et le revenu, sur un catalogue ou aucun bien n'est identique a un autre.

Le déploiement

Price Tips, lance en 2015, suggere a l'hote un prix par nuit. Smart Pricing, lance la meme annee, ajuste automatiquement le prix dans les bornes que l'hote definit. Le modele publie a KDD 2018 combine trois briques: un classifieur qui predit la probabilite de reservation de chaque nuit-annonce, une regression qui predit le prix optimal avec une fonction de perte sur mesure, puis une couche de personnalisation qui produit la suggestion finale. La difficulte propre a Airbnb est qu'aucune annonce n'est identique, ce qui empeche d'estimer une courbe de demande classique. Le modele est deploye en production et valide en A/B test.

Résultats Preuve B

Papier scientifique publie par les equipes d'Airbnb a KDD 2018, decrivant un systeme en production valide par A/B testing. Absence de chiffre de revenu public isolant l'effet du modele, d'ou un niveau B et non A.

1. 1
   Prediction de la probabilite de reservation IA

   Un classifieur estime la chance qu'une nuit-annonce soit reservee a un prix donne.

2. 2
   Calcul du prix optimal IA

   Une regression avec fonction de perte sur mesure propose le prix qui equilibre reservation et revenu.

3. 3
   Personnalisation de la suggestion IA

   Une couche de personnalisation ajuste la suggestion finale pour l'annonce.

4. 4
   Parametrage par l'hote client

   L'hote fixe ses bornes de prix minimum et maximum et active ou non l'ajustement automatique.