房間租金怎麼訂？Airbnb用機器學習告訴房東

當每年春吶時，在訂房服務平臺預定墾丁房間總會特別貴，但這些出租的房間是如何決定時麼時候該開始漲價，那又該漲多少呢？出租住宿平臺Airbnb揭露，他們提供給房東使用的定價工具中，分析大量的顧客歷史資料來建議房東每天適合的定價，而且經過統計，當房東把出租房價訂在Airbnb所建議的定價加減5％的範圍內，出租率是沒有使用推薦定價的4倍。

這項推薦定價的服務，是使用Airbnb最新開源的機器學習套件Aerosolve所打造的。由於影響房間出租價格的因素非常多，諸如房型、日期以及地價等，過去房東必須依照自己的經驗調整，但是人可以考量的資訊有限，導致實際定價可能會與理想定價有很大的落差，價格太高沒人租，價格太低雖然很容易租出去，不過只要能稍微提高價格就可以有更大的獲利空間。

由於Airbnb平臺的收費方式是依比例與房東拆分房租收入，因此如果能幫房東找出最佳房價，對於Airbnb來說也能提升營收，這是一項雙贏的策略。Airbnb輸入上百種蒐集來的歷史資訊給機器學習模型，以盡可能精確的算出房東最能大獲利，房客也可以接受的最高價格，而這些訓練資料每天都會更新，因此Airbnb建議房東再忙也要每天調整一下價格。

而Airbnb用來推薦定價的數學模型，也把鄰居關係列入考量，他們利用Kd-Tree演算法建立出全世界的階層式鄰居關係，每個地區與鄰近地區會因為特徵相似度被歸類為鄰居或是非鄰居，而鄰居關係影響定價權重間接影響推薦定價。容易統計數值是這個階層式資料結構帶來的附加好處，例如可以依據地域統計房間被瀏覽的次數等。

Airbnb是共享經濟的標竿性應用，而從另一個推薦定價的角度來看，這也是一種共享帶來價值提升的應用，只是共享的資源是資料。