- Search es el mecanismo central en Airbnb para conectar a Guests y Hosts
- Los resultados de búsqueda en Airbnb se presentan de dos formas
- Formato de lista (list-results, tarjetas que muestran imagen del alojamiento, precio, calificación, etc.)
- Formato de mapa (map-results, pines basados en el mapa que muestran el precio)
- El algoritmo de ranking de búsqueda anterior generaba la lista ordenando ambos formatos según la probabilidad de reserva
- Pero en el mapa, como se muestran pines individuales en lugar de una lista, se necesitó un nuevo enfoque de ranking
¿Qué cambia en el mapa?
- En el formato de lista se asume que la atención del usuario disminuye gradualmente de arriba hacia abajo
- De hecho, en la lista se observa que mientras más alta es la posición, mayor es el CTR (Click-Through Rate)
- En el formato de mapa, los alojamientos están dispersos como pines sobre el mapa, por lo que no aplica una disminución de atención según el orden, sino una distribución uniforme
- Por eso, limitar de forma simple los alojamientos mostrados en el mapa según el orden de probabilidad de reserva resulta menos efectivo
Modelado de atención uniforme del usuario (Uniform User Attention)
- Un enfoque que asume que en el mapa la atención del usuario se distribuye de manera uniforme entre todos los pines
- Sin embargo, en la práctica los Guests solo hacen clic en unos pocos pines, así que si se muestran demasiados pueden perderse buenos alojamientos, y si se muestran muy pocos existe el riesgo de excluir el alojamiento que el usuario quiere
- Solución:
- Limitar la cantidad de pines mostrados en el mapa y mostrar solo los elementos con mayor probabilidad de reserva
- Resultados del test A/B:
- Los usuarios pudieron encontrar el alojamiento deseado con menos clics
- Aumentó la conversión a reserva, en especial la proporción de reseñas de 5 estrellas
Atención del usuario por niveles (Tiered User Attention)
- Los pines del mapa se dividen en dos niveles:
- Pines normales: muestran alojamientos con alta probabilidad de reserva junto con el precio
- Mini pines: muestran alojamientos con probabilidad de reserva relativamente menor como íconos pequeños (sin precio)
- Efecto:
- Los pines normales tienen una tasa de clics 8 veces mayor que los mini pines, lo que permite concentrar más la atención del usuario en los alojamientos con mayor probabilidad de reserva
- En particular, permite ofrecer resultados más adecuados en búsquedas de escritorio
- Los tests A/B mostraron que este enfoque también mejoró el rendimiento de reservas
Modelado de atención descontada del usuario (Discounted User Attention)
- Los usuarios tienden a hacer más clics en los pines ubicados al centro del mapa
- Por eso desarrollaron un algoritmo para encontrar la coordenada central óptima, de modo que los alojamientos con mayor probabilidad de reserva queden ubicados en el centro del mapa
- Se evalúan varias coordenadas candidatas y se toma como nuevo centro la posición más cercana a los alojamientos con mayor probabilidad de reserva
- Resultados del test A/B:
- Aumento de 0.27% en la conversión a reserva
- Disminución de 1.5% en la frecuencia de mover el mapa, es decir, a los usuarios les resultó más fácil encontrar el alojamiento que buscaban
Conclusión y próximos retos
- Los usuarios perciben e interactúan de forma distinta con la lista y con el mapa
- Se mejoró el enfoque de ranking teniendo en cuenta que el comportamiento del usuario en la búsqueda por mapa y por lista es diferente
- Mediante experimentos graduales se logró mejorar la experiencia de búsqueda y aumentar la conversión a reserva
- Sin embargo, cómo mostrar adecuadamente todos los alojamientos en el mapa sigue siendo un problema no resuelto
- Una discusión más detallada y los aspectos técnicos pueden consultarse en el paper presentado en KDD ’24, "Learning to Rank for Maps at Airbnb"
- Como línea futura de investigación, planean buscar métodos mejores
1 comentarios
Parece que el ranking en los mapas sigue siendo un área con muchísimos retos por explorar. Sinceramente, hasta resulta un poco desconcertante. Hace poco usé Google Maps en el extranjero y me costó filtrar la búsqueda de restaurantes con el nivel de precisión que yo quería. Y ni hablar de poder ver reseñas con el estilo o tono que estaba buscando; se siente como algo todavía muy lejano. ¡Mucho ánimo para toda la gente de la industria que trabaja haciendo mapas!