Fugu-MT 論文翻訳(概要): Predicting Potential Customer Support Needs and Optimizing Search Ranking in a Two-Sided Marketplace

論文の概要: Predicting Potential Customer Support Needs and Optimizing Search Ranking in a Two-Sided Marketplace

arxiv url: http://arxiv.org/abs/2503.17329v1
Date: Fri, 21 Mar 2025 17:30:30 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-24 14:55:55.741028
Title: Predicting Potential Customer Support Needs and Optimizing Search Ranking in a Two-Sided Marketplace
Title（参考訳）: 2つのマーケットプレースにおける潜在顧客ニーズの予測と検索ランク付けの最適化
Authors: Do-kyum Kim, Han Zhao, Huiji Gao, Liwei He, Malay Haldar, Sanjeev Katariya,
Abstract要約: ゲストとホストのマッチング毎にCSサポートの必要性を予測するモデルを構築した。このモデルスコアは、Airbnbの検索ランキングアルゴリズムに多くの要素の1つとして組み込まれている。
参考スコア（独自算出の注目度）: 9.998666759513599
License:
Abstract: Airbnb is an online marketplace that connects hosts and guests to unique stays and experiences. When guests stay at homes booked on Airbnb, there are a small fraction of stays that lead to support needed from Airbnb's Customer Support (CS), which may cause inconvenience to guests and hosts and require Airbnb resources to resolve. In this work, we show that instances where CS support is needed may be predicted based on hosts and guests behavior. We build a model to predict the likelihood of CS support needs for each match of guest and host. The model score is incorporated into Airbnb's search ranking algorithm as one of the many factors. The change promotes more reliable matches in search results and significantly reduces bookings that require CS support.
Abstract（参考訳）: Airbnbはホストとゲストをユニークな宿泊先と体験に結びつけるオンラインマーケットプレイスだ。ゲストがAirbnbに予約された家に滞在する場合、Airbnbの顧客サポート(CS)から必要なサポートを受けるために、少数の宿泊所が存在し、ゲストやホストに不便を生じさせ、Airbnbのリソースが解決される可能性がある。本研究では,ホストやゲストの行動に基づいてCSサポートが必要なインスタンスを予測できることを示す。ゲストとホストのマッチング毎にCSサポートの必要性を予測するモデルを構築した。このモデルスコアは、Airbnbの検索ランキングアルゴリズムに多くの要素の1つとして組み込まれている。この変更は検索結果の信頼性を高め、CSサポートを必要とする予約を大幅に削減する。

関連論文リスト

Transforming Location Retrieval at Airbnb: A Journey from Heuristics to Reinforcement Learning [15.048068346096027]
本稿では,機械学習に基づく位置情報検索プロダクトをゼロから構築する手法,課題,およびその影響について述べる。適切な機械学習ベースのアプローチが欠如しているにもかかわらず、コールドスタート、一般化、微分、アルゴリズムバイアスに取り組む。
論文参考訳（メタデータ） (2024-08-23T22:51:14Z)
Equilibria in Two-Stage Facility Location with Atomic Clients [46.08471181378526]
2種類のクライアントを持つ2段階のマルチエージェントシステムとして,競争力のある施設配置を検討する。すべてのクライアント重みが同一であれば、純粋なサブゲーム完全平衡が常に存在することを示す。
論文参考訳（メタデータ） (2024-03-05T16:56:09Z)
Predicting Listing Prices In Dynamic Short Term Rental Markets Using Machine Learning Models [0.0]
私たちは、機械学習モデリングアプローチを用いてAirbnbレンタルの価格を予測することを目指している。本研究の目的は、テキサス州オースチンでAirbnbの賃貸価格を予測するための正確な機械学習モデルを構築することである。プロジェクトの第2の目的は、Airbnbのレンタル価格を駆動する重要な要因を特定し、これらの要因が場所や資産タイプによってどのように異なるかを調べることです。
論文参考訳（メタデータ） (2023-08-14T04:15:09Z)
Optimizing Airbnb Search Journey with Multi-task Learning [12.365018195685263]
Airbnb検索ランキングの課題に対処する、新しいマルチタスクディープラーニングモデルアーキテクチャであるJourney Rankerを紹介します。 Journey Rankerは、中級ゲストアクションを、肯定的かつ否定的なマイルストーンとして活用し、ゲストをよりうまく予約に進める。また、ゲスト状態や検索クエリなどのコンテキスト情報を使用して、ゲストとホストの好みのバランスを取る。
論文参考訳（メタデータ） (2023-05-28T23:25:51Z)
NOPA: Neurally-guided Online Probabilistic Assistance for Building Socially Intelligent Home Assistants [79.27554831580309]
われわれは、家庭内の人々を支援するために、社会的にインテリジェントなロボットを構築する方法を研究する。ロボットは人間の目標を同時に推測しなければならない。
論文参考訳（メタデータ） (2023-01-12T18:59:34Z)
A Multi-Source Information Learning Framework for Airbnb Price Prediction [10.016920721900753]
本稿では,Airbnbの賃貸価格を予測するため,マルチソース情報埋め込み(MSIE)モデルを提案する。我々は、3つの異なるテキスト情報の単語特徴ベクトルと感情スコアの組み合わせを生成し、テキスト特徴埋め込みを形成する。第3に,レンタルハウス情報に関する関心点(POI)を用いて様々な空間的ネットワークグラフを生成し,ネットワークの埋め込みを学習し,空間的特徴の埋め込みを得る。
論文参考訳（メタデータ） (2023-01-01T11:07:55Z)
Strategic Facility Location with Clients that Minimize Total Waiting Time [52.3893099287099]
本研究では,非協調型施設位置ゲームにおいて,施設やクライアントが戦略的に行動する場所ゲームについて検討する。サブゲーム完全平衡は、このゲームの全ての事例に存在せず、その存在はNPハードで決定できることを証明している。
論文参考訳（メタデータ） (2022-11-25T10:43:57Z)
Towards Regression-Free Neural Networks for Diverse Compute Platforms [50.64489250972764]
負のフリップを小さくする高精度モデル群を設計するために,REG-NAS(Regression constrained Neural Architecture Search)を導入する。 REG-NASは2つのコンポーネントから構成される: 1) より大きなモデルでより小さなモデルの全重みを収容できる新しいアーキテクチャ制約により、重量共有を最大化する。我々は,regnasが3つの一般的なアーキテクチャ検索空間において,負のフリップが少なく,望ましいアーキテクチャを見つけることができたことを実証した。
論文参考訳（メタデータ） (2022-09-27T23:19:16Z)
Predicting Airbnb Rental Prices Using Multiple Feature Modalities [0.6445605125467573]
位置情報,時間的,視覚的,自然言語的特徴を用いて,信頼性と正確な価格予測アルゴリズムを提案する。この価格予測回帰タスクは、価格に基づいて類似のレンタルを推奨するなど、複数のダウンストリームの使用も可能である。
論文参考訳（メタデータ） (2021-12-13T05:57:05Z)
In-Bed Person Monitoring Using Thermal Infrared Sensors [53.561797148529664]
パナソニックグリッド(Panasonic Grid-EYE)は、低解像度の赤外線サーモパイルアレイセンサーで、よりプライバシーを提供する。この目的のために、2つのデータセットが取得され、1つ (480 画像) は一定条件で、もう1つ (200 画像) は異なるバリエーションで取得された。我々は、SVM(Support Vector Machines)、k-Nearest Neighbors(k-NN)、Neural Network(NN)の3つの機械学習アルゴリズムをテストする。
論文参考訳（メタデータ） (2021-07-16T15:59:07Z)
Two-Stage Facility Location Games with Strategic Clients and Facilities [50.12183574133361]
我々は,施設と顧客の両方が戦略的かつ大きな影響を与える非協力的な施設位置ゲームについて検討する。当社のモデルでは,各施設の場所は,顧客を引き寄せる集合体を持ち,各クライアントは,その消費能力に応じた一組のショッピングロケーションと重みを有する。サブゲーム完全平衡が存在することを示し、アナーキーの価格と安定の価格にほぼ一定の境界を与える。
論文参考訳（メタデータ） (2021-05-04T11:27:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。