게스트 여정 학습을 통한 Airbnb 검색 개인화

Airbnb는 사용자의 검색 경험을 개선하기 위해 수년간의 게스트 행동 데이터를 인코딩하는 Transformer 기반 시퀀스 모델을 도입했다. 기존의 정적인 추천 방식에서 벗어나, 사용자의 여정(Journey)을 시계열 데이터로 파악하여 적절한 시점에 적합한 숙소를 노출하는 것이 핵심이다.

이 모델은 사용자의 과거 클릭, 예약, 검색 이력 등 다양한 행동 시퀀스를 학습하여 개인의 선호도를 정교하게 파악한다. 이를 통해 단순한 현재의 검색어뿐만 아니라, 사용자의 잠재적인 여행 스타일과 의도를 예측할 수 있다.

주요 특징 및 기술적 접근은 다음과 같다:

• Transformer 아키텍처: 시퀀스 데이터 내의 장기적 의존성을 파악하여 사용자 행동의 맥락을 이해함
• 게스트 여정 학습: 단일 세션의 행동을 넘어 수년에 걸친 사용자 행동 패턴을 모델링
• 개인화된 검색 결과: 사용자의 과거 선호도와 현재의 맥락을 결합하여 검색 결과의 정확도 향상