La plataforma de reservas online Airbnb tiene más de 5 millones de anuncios de propiedades y decenas de miles de tours, excursiones y otras experiencias de viaje en oferta.
Eso es mucho para cualquier empresa, pero la startup de San Francisco cree que la inteligencia artificial puede ayudarles a gestionar este inventario.
En un artículo publicado en Arxiv.org, los investigadores de la compañía describen cómo en el transcurso de dos años, implementaron una sofisticada red neuronal –capas de funciones matemáticas que imitan la función de las neuronas en el cerebro humano– en la aplicación web y móvil de Airbnb para mejorar la relevancia de los resultados de búsqueda.
El informe sigue los pasos del sistema interno de IA de Airbnb, que convierte los bocetos de diseño en código fuente del producto, y de su sistema de aprendizaje automático de idiomas, que traduce las reseñas de las listas a los idiomas nativos de los invitados.
Como explican los investigadores, la mayoría de los viajeros comienzan con una búsqueda en el sitio web de Airbnb en una región geográfica en particular.
Esas búsquedas devuelven listas ordenadas de anuncios ‘muestreados’ de los millones de alojamientos de Airbnb.
Inicialmente, una función de puntuación «hecha a mano» determinaba qué casas y habitaciones llegaban a las mejores posiciones.
Eventualmente, un árbol de decisión (GBDT, por sus siglas en inglés), un modelo que identifica y clasifica los factores predictivos, sustituye a la función de puntuación, un cambio que, según los investigadores, condujo a «una de las mayores mejoras en las reservas de viviendas en la historia del Airbnb».
Pero a medida que el aumento de reservas online se estabiliza, el equipo de Airbnb ha dirigido su mirada hacia la inteligencia artificial.
Ahora, Airbnb no depende de un sólo sistema de IA. Utiliza un «ecosistema» de algoritmos que predicen la probabilidad de que un anfitrión acepte la solicitud de reserva de un huésped, y de que un huésped califique un viaje o una experiencia altamente positiva.
El sistema se entrena con las interacciones de los usuarios –todas las búsquedas se registran y analizan–. Y los nuevos modelos de búsqueda, una vez establecidos, se prueban para ver si consiguen un aumento estadísticamente significativo de las reservas.
[mc4wp_form id=»22725″]
