Como o Airbnb melhorou a busca no mapa

• A busca é o mecanismo central que conecta Guests e Hosts no Airbnb
• Os resultados de busca do Airbnb são apresentados em dois formatos
  • formato de lista (list-results, em forma de cartões com imagem da acomodação, preço, avaliação etc.)
  • formato de mapa (map-results, em forma de pins com preço exibidos sobre o mapa)
• O algoritmo de ranking de busca existente gerava listas ordenando ambos os formatos de acordo com a probabilidade de reserva
• Porém, no mapa, como os resultados são exibidos na forma de pins individuais, e não de uma lista, surgiu a necessidade de um novo método de ranking

O que muda no mapa?

• No formato de lista, parte-se da premissa de que a atenção do usuário diminui gradualmente de cima para baixo
  • Na prática, observa-se que quanto maior a posição no ranking da lista, maior o CTR (Click-Through Rate)
• No formato de mapa, as acomodações ficam espalhadas em pins sobre o mapa, então essa queda de atenção por posição não se aplica, e a atenção fica distribuída de forma uniforme
  • Portanto, limitar de forma simples as acomodações exibidas no mapa pela ordem de probabilidade de reserva tem eficácia menor

Modelagem de atenção uniforme do usuário (Uniform User Attention)

• Uma abordagem que assume que, no mapa, a atenção do usuário se distribui igualmente entre todos os pins
• Mas, na prática, os Guests clicam apenas em alguns pins; por isso, se muitos pins forem mostrados, boas acomodações podem passar despercebidas, e se poucos forem mostrados, existe o risco de excluir acomodações desejadas pelo usuário
• Solução:
  • limitar a quantidade de pins exibidos no mapa e mostrar apenas os itens com maior probabilidade de reserva
  • Resultados do teste A/B:
    • os usuários conseguiram encontrar a acomodação desejada com menos cliques
    • houve aumento na taxa de conversão de reservas, especialmente com aumento da proporção de avaliações 5 estrelas

Atenção do usuário em camadas (Tiered User Attention)

• Os pins no mapa são divididos em duas camadas:
  1. Pins normais: mostram acomodações com alta probabilidade de reserva junto com o preço
  2. Mini pins: mostram acomodações com probabilidade de reserva relativamente menor como ícones pequenos (sem preço)
• Efeito:
  • os pins normais têm taxa de clique 8 vezes maior que os mini pins, o que permite concentrar melhor a atenção do usuário nas acomodações com maior probabilidade de reserva
  • em especial, isso permite oferecer resultados mais adequados em buscas no desktop
  • nos testes A/B, essa abordagem também melhorou o desempenho de reservas

Modelagem de atenção do usuário com desconto (Discounted User Attention)

• Os usuários tendem a clicar mais nos pins posicionados no centro do mapa
• Por isso, foi desenvolvido um algoritmo para encontrar a coordenada central ideal, posicionando as acomodações com maior probabilidade de reserva no centro do mapa
  • avaliando vários candidatos de coordenadas, escolhe-se como novo centro a posição mais próxima das acomodações com maior probabilidade de reserva
• Resultados do teste A/B:
  • aumento de 0,27% na taxa de conversão de reservas
  • redução de 1,5% na frequência de movimentação do mapa, ou seja, os usuários conseguiram encontrar com mais facilidade a acomodação desejada

Conclusão e próximos desafios

• Os usuários percebem e interagem de forma diferente com listas e mapas
• O método de ranking foi melhorado levando em conta que o comportamento do usuário na busca por mapa e na busca por lista é diferente
• Por meio de experimentos em etapas, foi possível alcançar melhora na experiência de busca e aumento na conversão de reservas
• No entanto, como expor adequadamente todas as acomodações no mapa continua sendo um desafio em aberto
• Uma discussão mais detalhada e os aspectos técnicos deste tema podem ser vistos no artigo apresentado na KDD ’24, "Learning to Rank for Maps at Airbnb"
• Pesquisas futuras devem buscar métodos melhores

[roxie]

Parece que o ranking no mapa ainda é realmente uma área com muitos desafios interessantes pela frente. Para ser sincero, até de um jeito meio surpreendente. Recentemente usei o Google Maps no exterior, mas foi difícil refinar as condições de busca de restaurantes com o nível de precisão que eu queria. E mostrar avaliações com o estilo ou o tom que eu buscava parecia algo muito distante, quase fora de questão. Força para todo mundo da indústria que trabalha criando mapas!!