我们知道这个星期是美国国庆节的小假日！成千上万的美国人来到海边，走到湖里，爬山，吃烧烤，喝啤酒。对于这些度假旅客来说，Airbnb不再是一个很好的网站，因为他们可以找到最适合的海滨住宿设施，而且在这些住宿房间中，除了在床上放松，还有多种服务，如洗衣机、头发烘干机、无线WiFi、免费停车等。

但是，绝大多数人并没有意识到，当他们在同一时间登陆上Airbnb，并且发起房屋搜索，其实是非常复杂的，而且对于Airbnb来说，压力也会很大。

当然，Airbnb并不是搜索行业领域里的巨头，当我们谈到搜索，谷歌和亚马逊说不定可以分分钟“灭掉”Airbnb。但是和这些公司不同(值得一提的是，最近几年Facebook、Instagram、以及Twitter都开始把重点放到搜索上面了)，Airbnb正在面临这一个非常独特的挑战，因为它的搜索结果并不只是单纯地寻找一个网站，一张照片，或是一款产品，Airbnb的用户希望搜索到的结果远不止这些，比如，有些人希望在上面寻找一些合适的房屋，并以此做比较来重新设计装修自己的房子;有些人只是不希望在仲夏时节为了放松两天而在酒店上花一大笔钱，还有些人根本不想被电子邮件打扰，而想在自己的湖边小屋里享受下假日周末。然而这一切……都得靠Airbnb。

没错，Airbnb还得干搜索的活儿!他们需要对数据库内的房屋进行预测，确保客户每次都能找到自己心仪的房屋。这意味着，Airbnb不能简单地把所有房源局限在某一个特定区域，单从这一点来看，就比谷歌搜素的难度要大得多。我们知道，如果你在谷歌搜索一个词，它只需把所有相关网页按随机顺序排列显示出来就可以了，但Airbnb不行，他们不能把所有房源像搜索结果一样随机罗列出来。

“你总是需要匹配供应和需求，而在我们Airbnb所提供的房屋租赁服务状况下，所谓的供给是非常独特的。因为我们的搜索源，是实实在在的房屋和房主人，”Airbnb首席技术官Mike Curtis在纽约接受采访时说道，“为正确的客人，匹配上正确的房主，这真的可以说是最复杂的一件事儿了!”

[计]机器学习

为了解决这一问题，Airbnb越来越多的开始尝试使用机器学习来理解房东和房客的习惯与喜好，这样的话，就能让彼此之间匹配的更加精准。每次，当一个用户在Airbnb搜索住宿信息，该公司便会使用一个模型来运行搜索，找到哪些房东最有可能接受这位用户。在这款模型里面，有很多变量参数，比如客人居住时间，最近的潜在预订时间和房主最近的预订时间之间间隔了多久，等等。

通过对该模型进行试验，Airbnb公司的研究人员发现，基于房主的习惯喜好进行搜索，排出来的搜索结果能够提升4%的实际预订率。因此，Airbnb决定采用这款模型。

与此同时，Curtis表示Airbnb公司还在收集户主的其他行为参数，以便能在他们的机器学习模型上使用。举个例子，对于那些时间非常有限的找房用户来说，了解户主是否能够接受最后一分钟预定会非常有帮助，而且，也能和提供类似服务的公司(比如HotelTonight)竞争。“我们开始向即时预订服务转型，这非常重要，因为我们了解了房主们的喜好，”Curtis说道。

搜索可以使用户接近。

对于Airbnb来说，最后一块拼图就是要利用技术来理解用户喜好，而不是简单地过滤用户的选择。事实上，Airbnb可以从很多方面来获取用户喜好信息，比如根据他们的点击模式，系统可以学习某个用户特别偏好选择哪一类房间;还有些用户喜欢将Airbnb和Concur一起使用，后者是一个专门为企业提供旅行和费用支出管理的系统，这也就是说，通过Concur访问Airbnb的用户，基本上可以判断出他们属于商务旅行人士，因此他们可能会需要一些专属的设施，比如室内洗衣机和无线Wi-Fi网络，等等。

当然，Curtis也承认，目前Airbnb预测模型在用户行为测试方面的作用还比较有限，但他表示，明年公司依然会把工作重点放在搜索这一块，这是他们必须要做的工作。对于如今的科技公司来说，能够越快实现客户满意，效果自然就越好，比如谷歌在他们的搜索页面顶部会选出最有利的搜索结果;亚马逊也有自己的推荐引擎，向消费者推送一些商品推荐。搜索功能越先进，就越能帮助公司获得客户，至少，能比竞争对手更快、更多地获得客户。因此提升优化搜索功能，不仅是对Airbnb，对于其他线上公司来说，都是非常重要的。

柯蒂斯说：“对于那些想在纽约度周末的人来说，你不能只为用户提供一个地方或一个地方，所以他们别无选择。你必须找到很多地方，让他们找到最喜欢、最合适的房子。”“所以，我们必须变得更聪明！”