Airbnb幫助人們發(fā)現(xiàn)世界各地的優(yōu)質(zhì)住宿和有趣活動，他們?yōu)榉繓|提供各類房屋出租服務(wù)，為房客提供獨(dú)特的旅行體驗(yàn)贺拣，讓他們有機(jī)會感受當(dāng)?shù)氐纳睢?/p>
1. Airbnb的嘗試
房東在網(wǎng)上投放房源時，大部分會查看鄰居的定價，選擇一個比較可靠的價格忍捡。有些房東會因?yàn)閭€人經(jīng)濟(jì)原因集漾，在內(nèi)心定一個價格錨點(diǎn)，在沒有考慮房子真實(shí)市場價值時砸脊，會導(dǎo)致房屋出租率較低具篇。
圖片來自網(wǎng)絡(luò)
因此，Airbnb想要提供一種更好的方式：自動化定價凌埂，幫助房東做出正確的決定驱显。
Airbnb的定價比較復(fù)雜。網(wǎng)站上的數(shù)百萬房源都獨(dú)一無二瞳抓，除了房屋基本信息埃疫，比如地址、大小挨下、風(fēng)格熔恢、裝飾不盡相同，房東的態(tài)度臭笆、接待服務(wù)叙淌、飲食、文化和旅游引導(dǎo)不一樣愁铺，就連天氣變化和本地大型活動也很難預(yù)料鹰霍。
2012年，Airbnb開始利用房源信息中最重要的部分特征：房間和床鋪的數(shù)量茵乱、周圍的環(huán)境茂洒、以及某些特殊的設(shè)施（停車位、游泳池等）瓶竭，構(gòu)建一個為潛在用戶提供價格提示的工具督勺。
圖片來自Airbnb官網(wǎng)
初始定價工具局限性非常明顯：除了定價算法的工作方式不變，定價工具也不是動態(tài)的斤贰，不會根據(jù)業(yè)務(wù)進(jìn)行調(diào)整智哀，比如預(yù)訂的時間或者人數(shù)對價格產(chǎn)生的影響。
另外還需要額外考慮其他因素荧恍，比如世界杯等大型賽事如何更實(shí)效地影響定價瓷叫、房間獨(dú)特的價值如何體現(xiàn)、動態(tài)調(diào)價之后需求變化的不確定性和因此帶來的損失送巡。
在South by Southwest（SXSW）和Austin City Limits festivals音樂節(jié)期間房租上漲
于是摹菠，Airbnb定位他們要提供的價值：易于使用，為房東提供有用的信息骗爆，同時為定價提示給出明確的理由次氨。他們因此設(shè)計(jì)了Aerosolve，除了對租賃的房屋進(jìn)行定價摘投，在必要的時候煮寡，可以在房間空余時給出價格下降的提示屉佳，或根據(jù)需求增加給出價格增長的提示，在未來還足以提供更多的服務(wù)洲押。
2. 動態(tài)定價簡介
新房主在Airbnb添加一個房源的時候，系統(tǒng)會提取房源的關(guān)鍵屬性圆凰，查看在區(qū)域中有相同或者相似屬性的杈帐、且被成功預(yù)訂的房源，同時考慮到需求要素和季節(jié)性特征专钉，提供一個居中的價格提示挑童。
對于高度發(fā)達(dá)的市場，數(shù)據(jù)獲取比較容易跃须；而在新興市場數(shù)據(jù)信息較少時站叼，Airbnb會按照市場大小、旅游業(yè)發(fā)展水平以及在Airbnb上所處的增長階段菇民，進(jìn)行分類尽楔。這樣，不僅可以將其與所在城市房源進(jìn)行比較第练，還可以與其他具有相似特征的市場相比較阔馋。
Airbnb的動態(tài)定價系統(tǒng)有三個要素：
① 二元分類模型，預(yù)測某一晚上某個房間被預(yù)訂的概率娇掏。
② 定價策略模型呕寝，對空閑日期提出價格建議。
③ 個性化邏輯婴梧，符合房東的目標(biāo)下梢、結(jié)合特殊事件，同時采集用戶和房東數(shù)據(jù)塞蹭。
特征提取時孽江，關(guān)注用戶預(yù)訂最關(guān)心的、具有代表性的特征浮还，包括房間大小竟坛，浴室數(shù)量，是否帶車庫钧舌，周圍環(huán)境担汤，地理位置等房屋基礎(chǔ)信息；房屋裝修洼冻，房屋環(huán)境崭歧，新舊程度，房屋結(jié)構(gòu)撞牢，材質(zhì)率碾，光線等房源的照片特征叔营。
圖片來自Airbnb官網(wǎng)
另外，Airbnb還對街區(qū)進(jìn)行了特殊處理所宰，他們把某一地區(qū)具有相似特征的街區(qū)放在一起绒尊。一般來說同一小區(qū)或相似小區(qū)的房價是非常接近的。Airbnb最開始選擇圓心畫圓法仔粥，上線后發(fā)現(xiàn)價格表現(xiàn)非常粗糙婴谱，于是讓制圖員在世界各地主要的大城市中為每一個街區(qū)繪制邊界，創(chuàng)建非常準(zhǔn)確的地理空間數(shù)據(jù)躯泰，如房源周圍的河流谭羔、公路和運(yùn)輸線，對房源進(jìn)行準(zhǔn)確分類麦向。后續(xù)還依靠一個城市中房源的預(yù)訂和價格的分布數(shù)據(jù)來描繪各種曲線瘟裸，進(jìn)而發(fā)現(xiàn)微街區(qū)，可以對價格進(jìn)行精細(xì)預(yù)測诵竭。
當(dāng)然话告，Airbnb還會參考一些場外因素。比如旅游淡季旺季秀撇、節(jié)假日超棺、周圍酒店價格等等。以此來動態(tài)調(diào)整房價范圍呵燕。
考慮上述因素后棠绘，Airbnb就可以給出一個預(yù)測價格范圍了，對于在容易租出去的價位標(biāo)上綠色再扭⊙醪裕可能出租的價位黃色，較難出租的價位為紅色泛范∪门埃可以讓用戶根據(jù)自己的需求進(jìn)行選擇。
3. 動態(tài)定價的其他應(yīng)用
為了讓房東利益最大化罢荡，Airbnb還設(shè)計(jì)了 Price Tips和 Smart Pricing 工具赡突。
Price Tips 提供價格日歷，根據(jù)房東目前的定價区赵，顯示該房間每天被預(yù)訂出去的概率是多少惭缰。點(diǎn)擊某一天，日歷會顯示推薦的價格以及其他信息笼才。Smart Pricing 房東可以設(shè)置一個最低值和最高值漱受，Airbnb自動生成不同日期的新價格。
在機(jī)器學(xué)習(xí)的過程中骡送，Airbnb不斷分析哪些房源屬性需要被考慮昂羡，以及對應(yīng)的權(quán)重是否需要調(diào)整絮记。隨著時間推移，各種信息的權(quán)重不斷改進(jìn)虐先，提高價格提示的準(zhǔn)確性怨愤。如果確認(rèn)一些特征模型沒有刻畫清楚，可以通過其他方式參與和影響權(quán)重的設(shè)置蛹批。
同時憔四，系統(tǒng)能夠給每個定價提示產(chǎn)生一個各種因素及其相應(yīng)權(quán)重的列表，提高工具的可解釋性般眉。
4. 二手車定價參考
基礎(chǔ)特征的提取和足夠的迭代，比如二手車本身的車源屬性潜支，包括品牌車型車系甸赃、等級、上牌時間冗酿、里程埠对、詳細(xì)的車況、新車價格裁替，另外也可以考慮照片项玛、額外配置、車內(nèi)空間大小等納入特征集弱判。
市場信息特征的獲取襟沮、抽象和定義，比如城市相似車源庫存量昌腰、區(qū)域內(nèi)的供給和需求开伏、新車促銷力度、政府政策和技術(shù)革新等遭商。
另外固灵，Airbnb似乎沒有提到用戶預(yù)訂行為在動態(tài)定價中的影響，二手車對應(yīng)可以考慮劫流，用戶對車源的關(guān)注程度和預(yù)訂意愿巫玻。
在定價應(yīng)用上，除了給用戶提供動態(tài)的價格建議工具和個性化的設(shè)置祠汇，還應(yīng)該參考仍秤，如何提高價格的可解釋性，幫助用戶更好的理解和使用價格建議座哩，提高成交概率徒扶。
參考文獻(xiàn)：
Ye et al.,?Customized regression model for Airbnb dynamic pricing.
Dan Hill,The Secret of Airbnb’s Pricing Algorithm - The sharing economy needs machine intelligence to set prices.
走南闖北小黑妞：離經(jīng)不叛道、特立不獨(dú)行根穷。
歡迎關(guān)注同名公眾號姜骡。
