Cara Airbnb Meningkatkan Pencarian Berbasis Peta

• Search adalah mekanisme inti di Airbnb yang menghubungkan Guest dan Host
• Hasil pencarian di Airbnb disajikan dalam dua bentuk
  • format daftar (list-results, berbentuk kartu yang menampilkan gambar akomodasi, harga, rating, dll.)
  • format peta (map-results, berbentuk pin berbasis peta yang menampilkan harga)
• Algoritme peringkat pencarian sebelumnya membuat daftar dengan mengurutkan berdasarkan peluang pemesanan untuk kedua format tersebut
• Namun, di peta, hasil ditampilkan dalam bentuk pin individual, bukan daftar, sehingga diperlukan metode peringkat baru

Apa yang berbeda di peta?

• Pada format daftar, diasumsikan perhatian pengguna berkurang secara bertahap dari atas ke bawah
  • Dalam praktiknya, memang terlihat bahwa semakin tinggi peringkat di daftar, semakin tinggi CTR (Click-Through Rate)-nya
• Pada format peta, akomodasi tersebar sebagai pin di atas peta sehingga penurunan perhatian berdasarkan urutan tidak berlaku, dan perhatian terdistribusi merata
  • Karena itu, pendekatan sederhana yang membatasi akomodasi yang tampil di peta hanya menurut urutan peluang pemesanan menjadi kurang efektif

Pemodelan perhatian pengguna yang merata (Uniform User Attention)

• Pendekatan ini berasumsi bahwa perhatian pengguna di peta tersebar merata ke semua pin
• Namun, dalam kenyataannya Guest hanya mengklik beberapa pin saja, sehingga jika terlalu banyak pin ditampilkan, akomodasi yang bagus bisa terlewat; sebaliknya jika terlalu sedikit, ada risiko akomodasi yang diinginkan pengguna justru tidak ikut ditampilkan
• Solusinya:
  • membatasi jumlah pin yang ditampilkan di peta, lalu hanya memilih dan menampilkan item dengan peluang pemesanan tertinggi
  • Hasil A/B test:
    • pencari dapat menemukan akomodasi yang diinginkan dengan lebih sedikit klik
    • tingkat konversi pemesanan meningkat, terutama dengan kenaikan proporsi ulasan bintang 5

Perhatian pengguna bertingkat (Tiered User Attention)

• Pin di peta dibagi menjadi dua lapisan:
  1. pin biasa: menampilkan akomodasi dengan peluang pemesanan tinggi beserta harganya
  2. mini pin: menampilkan akomodasi dengan peluang pemesanan yang relatif lebih rendah sebagai ikon kecil (tanpa harga)
• Efeknya:
  • pin biasa memiliki rasio klik 8 kali lebih tinggi dibanding mini pin, sehingga perhatian pengguna bisa lebih difokuskan ke akomodasi dengan peluang pemesanan tertinggi
  • khususnya lebih mampu memberikan hasil yang tepat pada pencarian desktop
  • Hasil A/B test menunjukkan performa pemesanan juga membaik dengan pendekatan ini

Pemodelan perhatian pengguna terdiskon (Discounted User Attention)

• Pengguna cenderung lebih sering mengklik pin yang berada di tengah peta
• Karena itu, Airbnb mengembangkan algoritme untuk mencari koordinat pusat yang optimal, sehingga akomodasi dengan peluang pemesanan tinggi ditempatkan di tengah peta
  • Berbagai kandidat koordinat dievaluasi, lalu posisi yang paling dekat dengan akomodasi-akomodasi berpeluang pemesanan tertinggi dipilih sebagai pusat baru
• Hasil A/B test:
  • tingkat konversi pemesanan naik 0,27%
  • frekuensi pergeseran peta turun 1,5%, artinya pencari bisa lebih mudah menemukan akomodasi yang diinginkan

Kesimpulan dan tugas ke depan

• Pengguna mengenali dan berinteraksi dengan daftar dan peta secara berbeda
• Metode peringkat ditingkatkan dengan mempertimbangkan bahwa perilaku pengguna pada pencarian peta dan pencarian daftar berbeda
• Melalui eksperimen bertahap, Airbnb berhasil mencapai peningkatan pengalaman pencarian dan kenaikan tingkat konversi pemesanan
• Namun, cara menampilkan semua akomodasi secara tepat di peta masih menjadi tantangan yang belum terselesaikan
• Pembahasan yang lebih rinci serta detail teknisnya dapat dilihat pada makalah penelitian yang dipresentasikan di KDD ’24, "Learning to Rank for Maps at Airbnb"
• Ke depannya, mereka berencana mencari metode yang lebih baik sebagai arah penelitian lanjutan

[roxie]

Sepertinya pemeringkatan di atas peta memang masih merupakan area yang menyisakan banyak tantangan yang layak untuk dicoba. Jujur, sampai terasa agak mengejutkan. Belakangan ini saya memakai Google Maps di luar negeri, tetapi sulit mempersempit kondisi pencarian restoran dengan tingkat presisi yang saya inginkan. Untuk menampilkan ulasan dengan nuansa atau tone yang saya cari pun rasanya masih seperti cerita yang sangat jauh. Semangat untuk semua orang di industri yang membuat peta!!