Wie Airbnb die Kartensuche verbessert hat

• Search ist bei Airbnb der zentrale Mechanismus, um Gäste und Hosts zusammenzubringen
• Die Suchergebnisse bei Airbnb werden in zwei Formen bereitgestellt
  • Listenansicht (list-results, kartenartige Darstellung mit Unterkunftsbildern, Preisen, Bewertungen usw.)
  • Kartenansicht (map-results, pins auf einer Karte mit Preisangaben)
• Der bisherige Search-Ranking-Algorithmus erzeugte die Reihenfolge in beiden Formaten anhand der Buchungswahrscheinlichkeit
• Auf der Karte werden Ergebnisse jedoch nicht als Liste, sondern als einzelne Pins angezeigt, weshalb ein neues Ranking-Verfahren nötig wurde

Was ist auf der Karte anders?

• In der Listenansicht wird angenommen, dass die Aufmerksamkeit der Nutzer von oben nach unten allmählich abnimmt
  • Tatsächlich zeigt sich in Listen, dass ein höheres Ranking zu einer höheren CTR (Click-Through Rate) führt
• In der Kartenansicht sind Unterkünfte als Pins über die Karte verteilt, daher gilt diese auf der Reihenfolge basierende Aufmerksamkeitsabnahme nicht; die Aufmerksamkeit ist gleichmäßig verteilt
  • Deshalb ist ein einfaches Verfahren, das die auf der Karte angezeigten Unterkünfte nur nach Buchungswahrscheinlichkeit auswählt, weniger wirksam

Modellierung gleichmäßiger Nutzeraufmerksamkeit (Uniform User Attention)

• Ein Ansatz geht davon aus, dass die Aufmerksamkeit der Nutzer auf der Karte gleichmäßig auf alle Pins verteilt ist
• In der Praxis klicken Gäste jedoch nur auf einige wenige Pins. Werden zu viele Pins angezeigt, können gute Unterkünfte übersehen werden; werden zu wenige gezeigt, besteht das Risiko, gewünschte Unterkünfte auszuschließen
• Lösung:
  • Die Anzahl der auf der Karte angezeigten Pins begrenzen und nur Einträge mit der höchsten Buchungswahrscheinlichkeit auswählen und anzeigen
  • Ergebnis der A/B-Tests:
    • Suchende konnten die gewünschte Unterkunft mit weniger Klicks finden
    • Höhere Buchungskonversionsrate, insbesondere stieg der Anteil an 5-Sterne-Bewertungen

Gestufte Nutzeraufmerksamkeit (Tiered User Attention)

• Karten-Pins werden in zwei Stufen unterteilt:
  1. Normale Pins: Unterkünfte mit hoher Buchungswahrscheinlichkeit werden zusammen mit dem Preis angezeigt
  2. Mini-Pins: Unterkünfte mit relativ geringerer Buchungswahrscheinlichkeit werden als kleine Icons dargestellt (ohne Preis)
• Wirkung:
  • Normale Pins erzielen eine 8-mal höhere Klickrate als Mini-Pins, sodass die Aufmerksamkeit der Nutzer stärker auf Unterkünfte mit hoher Buchungswahrscheinlichkeit gelenkt werden kann
  • Besonders bei Desktop-Suchen können so passendere Ergebnisse geliefert werden
  • A/B-Tests zeigten, dass auch dieser Ansatz die Buchungsleistung verbesserte

Modellierung abgezinster Nutzeraufmerksamkeit (Discounted User Attention)

• Nutzer klicken auf der Karte tendenziell häufiger auf zentral platzierte Pins
• Deshalb wurde ein Algorithmus zur Bestimmung optimaler Mittelpunktkoordinaten entwickelt, um Unterkünfte mit hoher Buchungswahrscheinlichkeit im Zentrum der Karte zu platzieren
  • Verschiedene Koordinatenkandidaten werden bewertet; die Position mit geringer Distanz zu den Unterkünften mit der höchsten Buchungswahrscheinlichkeit wird als neues Zentrum gewählt
• Ergebnis der A/B-Tests:
  • Buchungskonversionsrate stieg um 0,27 %
  • Die Häufigkeit des Verschiebens der Karte sank um 1,5 %, das heißt, Suchende konnten gewünschte Unterkünfte leichter finden

Fazit und künftige Aufgaben

• Nutzer nehmen Listen und Karten unterschiedlich wahr und interagieren auch unterschiedlich mit ihnen
• Das Ranking wurde verbessert, indem berücksichtigt wurde, dass sich das Nutzerverhalten bei Karten- und Listensuche unterscheidet
• Durch schrittweise Experimente wurden eine bessere Search-Erfahrung und höhere Buchungskonversionsraten erreicht
• Offen bleibt jedoch weiterhin die Frage, wie sich auf der Karte alle Unterkünfte angemessen anzeigen lassen
• Eine ausführlichere Diskussion und technische Details finden sich im auf der KDD ’24 vorgestellten Forschungspapier "Learning to Rank for Maps at Airbnb"
• Künftige Forschung soll nach noch besseren Methoden suchen

[roxie]

Das Ranking auf Karten scheint wirklich ein Bereich zu sein, in dem noch viele lohnende Herausforderungen offen sind. Ehrlich gesagt sogar in einem ziemlich verblüffenden Ausmaß. Ich habe neulich im Ausland Google Maps verwendet, und es war schwer, die Suchkriterien für Restaurants mit der Genauigkeit einzugrenzen, die ich mir gewünscht hätte. Dass mir Bewertungen mit genau dem Gefühl oder Ton gezeigt werden, den ich suche, wirkte erst recht wie ein noch sehr fernes Ziel. Allen Menschen in der Branche, die an Karten arbeiten: viel Erfolg!!