Airbnb, 익명 사용자 개인화 위해 지리 기반 ML 기능 도입

Airbnb가 로그인 이력이나 영구 식별자가 없는 사용자의 콜드 스타트 문제를 해결하기 위해 Proximity Features라는 새로운 기계 학습 기능 클래스를 배포했다. 이 시스템은 지리적 상관관계를 활용하여 인근 사용자의 집단적 신호를 집계함으로써, 사용자가 도착하는 즉시 검색 순위, 추천, 마케팅 랜딩 페이지를 개인화한다.

Proximity Key의 작동 방식

핵심 메커니즘은 약 1,000명의 사용자가 포함된 지역적 지리적 클러스터를 나타내는 컴팩트한 그룹 키인 proximity key다. 사용자의 IP 주소에서 파생된 이 키는 user_id의 집계 유사체로 기능하며, 모델이 개별 이력 대신 그룹 행동에 조건을 걸 수 있게 한다. 이 키는 양자화된 위도/경도 타일과 인구 밀집 지역의 추가 IP 해시 버킷 인덱스를 인코딩하여 세분성을 유지한다.

기능은 다음 세 가지 범주로 매일 계산된다:

• 단기 참여: 최근 검색에서 상위 목적지, 객실 유형, 중위 가격.
• 장기 예약 패턴: 예약된 목적지 및 여행 인원 신호.
• 집계 버킷 메타데이터: 버킷 크기 및 지리적 밀도.

적응형 클러스터링 및 안정성

지리적 밀도의 차이를 처리하기 위해 Airbnb는 2단계 적응형 클러스터링 알고리즘을 사용한다. 도심과 같은 밀집 지역에서는 IP 해시 버킷을 사용하여 좌표를 세분화한다. 농촌과 같은 희소 지역에서는 여러 단계의 조정을 통해 각 버킷에 약 1,000명의 사용자가 축적될 때까지 지리적 타일을 넓힌다. 이 접근 방식은 2023년부터 재클러스터링 없이 프로덕션에서 유효성을 유지해 온 안정적인 버킷을 보장하며, 새로운 IP에 대해서는 일일 갱신에 의존한다.

개인정보 보호 및 프로덕션 결과

개인정보 보호는 모든 계층에 통합되어 있다. 기능은 개인이 아닌 그룹 집계를 반영하며, 클러스터링은 동의하지 않은 사용자를 제외하고, 지리적 IP 좌표는 거칠다. 이 시스템은 소프트 의존성으로 작동하므로 개인화 조회가 시간 초과될 경우 핵심 요청 경로를 차단하지 않는다.

프로덕션 A/B 실험에서 측정 가능한 상승 효과가 입증되었다:

• 마케팅 랜딩 페이지: 이전에 정적 목록 카드를 제공받던 콜드 스타트 트래픽에 의미 있는 개인화를 가능하게 했다.
• 홈페이지 AutoSuggest: 신규 사용자에게 일반 글로벌 목록을 위치 인식 추천으로 대체했으며, 예약 경험이 없거나 휴면 상태인 사용자에게 방향성 있는 개선이 나타났다.
• 참여 이메일: 거친 위치 신호를 사용하여 개인화 캠페인을 위한 실험 검증을 진행 중이다.

전체 기술 세부 사항은 KDD 2026의 TSMO Workshop에 채택된 논문에서 확인할 수 있다.