論文の概要: Understanding Guest Preferences and Optimizing Two-sided Marketplaces: Airbnb as an Example
- arxiv url: http://arxiv.org/abs/2607.00280v1
- Date: Wed, 01 Jul 2026 00:11:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-02 19:56:07.666144
- Title: Understanding Guest Preferences and Optimizing Two-sided Marketplaces: Airbnb as an Example
- Title（参考訳）: ゲストの選好を理解して双方向のマーケットプレースを最適化する - Airbnbを例に
- Authors: Yufei Wu, Daniel Schmierer,
- Abstract要約: Airbnbはコネクティビティと所有に基づくコミュニティである。
ホストが競争価格を設定するためのツールを提供しています。
また、ゲスト体験をパーソナライズして、彼らのニーズに合ったリストを表示する。
- 参考スコア（独自算出の注目度）: 0.42375022338082763
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Airbnb is a community based on connection and belonging -- many hosts on Airbnb are everyday people who share their worlds to provide guests with the feeling of connection and being at home; Airbnb strives to connect people and places. Among our efforts to connect guests and hosts, we provide tools to enable hosts to set competitive prices, which helps improve affordability for guests while helping hosts get more bookings. We also personalize the guest experience to show them the listings that match their needs. To help inform these efforts, we combine economic modeling and causal inference techniques to understand how guests book stays based on the prices hosts set, among other factors, and how that preference varies across different guests and listings. Such understanding helps us identify opportunities for Airbnb to support the marketplace and better connect guests and hosts. For example, understanding how much guests respond to different prices helps optimize the tools that we provide to hosts, in order to enable hosts to choose and set competitive prices that further balance demand and supply. As another example, understanding heterogeneity in guest preferences helps us personalize the guest experience and better match them with the listings that meet their needs, based on how much they respond to different prices and other factors.
- Abstract（参考訳）: Airbnbはコネクティビティ(コネクティビティ)とコネクティビティ(物件)に基づくコミュニティであり、Airbnbのホストの多くは、ゲストにコネクティビティ(コネクティビティ)の感覚と家に滞在するための世界を共有している。
ゲストとホストを結びつける努力の中で、ホストが競争価格を設定するためのツールを提供しています。
また、ゲスト体験をパーソナライズして、彼らのニーズに合ったリストを表示する。
これらの取り組みを補助するために、我々は経済モデルと因果推論技術を組み合わせて、宿泊客の予約の価格設定や、その嗜好が客やリスティングによってどのように異なるかを理解する。
こうした理解は、Airbnbがマーケットプレースをサポートし、ゲストとホストをよりよく結びつける機会を見つけるのに役立ちます。
例えば、ホストに提供されるツールを最適化して、ホストが需要と供給のバランスを増す競争価格を選択および設定できるように、ゲストがどれだけ異なる価格に反応するかを理解することは、ホストに提供するツールの最適化に役立ちます。
別の例として、ゲストの嗜好における異質性を理解することは、客の体験をパーソナライズし、異なる価格や他の要因にどれだけ反応するかに基づいて、ニーズを満たすリストとマッチングするのに役立つ。
関連論文リスト
- Predicting Potential Customer Support Needs and Optimizing Search Ranking in a Two-Sided Marketplace [9.998666759513599]
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。
論文 参考訳（メタデータ） (2025-03-21T17:30:30Z) - Make me an Offer: Forward and Reverse Auctioning Problems in the Tourism
Industry [0.0]
本研究では,低人気層や低季節の宿泊客が部屋を競売できる2つのオークションシステムを開発した。
ホテル屋側と客側の両方で得られる大きなメリットが示されている。
論文 参考訳（メタデータ） (2023-11-19T19:04:24Z) - ChoiceMates: Supporting Unfamiliar Online Decision-Making with Multi-Agent Conversational Interactions [53.07022684941739]
これらのニーズに対応するために設計された対話型マルチエージェントシステムであるChoiceMatesを提案する。
エージェントによるタスクを自動化する既存のマルチエージェントシステムとは異なり、ユーザはエージェントを編成して意思決定プロセスを支援する。
論文 参考訳（メタデータ） (2023-10-02T16:49:39Z) - 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) - 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) - A Cooperative-Competitive Multi-Agent Framework for Auto-bidding in
Online Advertising [53.636153252400945]
本稿では,自動入札のための総合的マルチエージェント強化学習フレームワーク,すなわちMAABを提案し,自動入札戦略を学習する。
当社のアプローチは、社会的福祉の観点から、いくつかの基準的手法を上回り、広告プラットフォームの収益を保証します。
論文 参考訳（メタデータ） (2021-06-11T08:07:14Z) - 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) - SPA: Verbal Interactions between Agents and Avatars in Shared Virtual
Environments using Propositional Planning [61.335252950832256]
SPA(Sense-Plan-Ask)は、仮想的な仮想環境において、仮想的な人間のようなエージェントとユーザアバターの間の言語的対話を生成する。
提案アルゴリズムは実行時コストを小さくし,自然言語通信を利用せずにエージェントよりも効率的に目標を達成できることが判明した。
論文 参考訳（メタデータ） (2020-02-08T23:15:06Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。