民宿平台airbnb是如何动态定价的

Customized Regression Model for Airbnb Dynamic Pricing

Peng Ye, Julian Qian, Jieying Chen, Chen-hung Wu, Yitong Zhou, Spencer De Mars, Frank Yang, Li Zhang

Airbnb, Ant Financial, Impira

https://dl.acm.org/doi/pdf/10.1145/3219819.3219830

Airbnb是一个线上商城，业务以民宿租赁为主，在这上面可以将房屋分享出去，并且可以分享经验。这篇文章描述了部署在线上的Airbnb的定价策略模型。定价策略优化的目标在于帮助分享房子的主人设定更优的定价。

在传统定价问题中，定价策略用于大量同样的产品，但是在Airbnb这个平台上，不存在相同的产品。该平台上，每个用户看到的列表展示了不同的价格和经验。这就使得在Airbnb平台中，很难精准估计需求曲线，进而很难将传统的收益最大定价策略用于这种场景。

In this paper, we focus on describing the regression model in the second stage of our pricing system. We also describe a novel set of metrics for offline evaluation. The proposed pricing strategy has been deployed in production to power the Price Tips and Smart Pricing tool on Airbnb. Online A/B testing results demonstrate the effectiveness of the proposed strategy model.

本文定价系统包含三个部分。首先，二分类模型预测预定的概率，然后，回归模型来预测最优价格，作者们使用一种定制化损失函数来指导学习过程。最后，利用个性化逻辑对第二个模型的输出进行处理，给出最终的建议价格。

这篇文章着重描述定价系统中的第二步，即回归模型。作者们还给出了一些新的离线评估的指标。作者们提出的定价策略已经部署在Airbnb的价格建议和智能定价系统中。线上A/B测试结果，表明了作者们所提模型的有效性。

定价建议模块图示如下

智能定价图示如下  其中可以指定最低价和最高价

airbnb的智能定价模型每天更新

智能定价主要有两个具有挑战性的点，一是需求预估

需求预估会随时间而变化，下面是谷歌搜索趋势图

此外，定价策略跟时间因素以及顾客对该商品的评价之间的关系十分紧密

这篇文章的亮点在于

这篇文章的两个主要贡献如下