Airbnb 用機器學習協助房東定價

共享經濟是透過巨量的供需兩端串起的模式,每個服務提供者都有其獨特之道,但當提供類似服務者變多的時候,服務提供者該如何替自己的價值定價呢?除了網站會建議一個官方寫死的基本價格外,就是服務提供者自己去參考平台上其他人怎麼做,但這真的能反應出自己的價值嗎?當供需不平衡的情況發生時,服務提供者該如何得知消息並進而調整合適定價呢?

續篇:Airbnb 關鍵動態定價的做法與關鍵參數

Airbnb 推出了機器學習為基底的定價演算法功能,協助房東們隨時調整定價!而很棒的是,Airbnb 推出此功能時,其發明者 Dan Hill 也發表了一篇論文在 IEEE Spectrum,以及釋放這套名為 Aerosolve 定價演算法在 Github 上供大家使用,並撰文說明此開源。所以大家可以下載這套演算法後,輸入自己的資料,再稍作修改就可以得到自己的定價演算法了。不過提醒大家,不是每個應用都合適,如果你屬於策展 (Curate) 型的就不適合。

為什麼 Airbnb 會推出這一套演算法?

unnamed

Airbnb 是靠抽賣出的房間抽佣,賣得越多收入也才越多。而他們也監測到,Airbnb 房東在建立房源資料時,大部份欄位都填寫的很順利,但當到了定價欄位就卡住不少時間。所以 Airbnb 對此進行研究,做了幾種假設跟測試,期待能夠提供符合預測時節的定價建議,這包含了地區、房源類型、附近房東房源定價、預定日期與住宿日期的間距、照片明亮度與溫暖度、…等各種不同的訊號,進行這些假設與測試後,最後設計出了 Aerosolve 機器學習為基底的定價演算法。

不過 Airbnb 推出 Aerosolve 到市場上前,早就有兩間公司針對 Airbnb 房東的需求做出了解法,這兩間公司為 Beyond PricingEverbooked。至於租車領域則有 RelayRides 加入定價系統市場。

定價這件事情在發展上有一個名詞叫做「Revenue Management」,只要打這個名詞就會看到許多的新創或是解決方案公司,之後會再多寫定價方面的文章,定價在各產業都非常重要,旅遊產業市場如此龐大,華人卻鮮少人關注是很可惜的,所以我之前寫過幾篇跟定價有關的文章:

可能有些人會對於 Airbnb 的 Aerosolve 演算法想了解更多分解細節部分,較深的部分將另撰文說明。

Posted in 住宿, 網路服務