학술 논문으로 보는 Airbnb Tech: 2025년 주요 성과 리뷰
Summary
에어비앤비가 2025년 정복한 AI 기술: 검색에서 상담까지
전 세계 수천만 명의 여행 경험을 혁신한 에어비앤비의 최신 논문 15편 심층 분석
에어비앤비가 2025년 한 해 동안 KDD, CIKM, EMNLP 등 주요 학회에서 발표한 연구 성과를 총망라했습니다. 검색 랭킹, 추천 시스템, LLM 기반 고객 서비스, 그리고 데이터 시스템 효율화까지 실무와 학술적 가치를 모두 잡은 기술적 성취를 다룹니다.
- 01멀티모달 임베딩(BiListing)을 통한 수천만 달러 규모의 매출 증대
- 02지도 기반 검색 경험에 최적화된 새로운 NDCG 지표 도입
- 03LLM 성능의 지속적 개선을 위한 Agent-in-the-Loop 데이터 플라이휠 구축
- 04쿼리 컴파일러 비용 모델을 활용한 자동 인덱스 설계 도구 SQL:Trek
- 05장기적인 랭킹 역학을 추정하기 위한 인과 추론 프레임워크 개발
RECOMMENDATION
대규모 플랫폼에서 ML 모델을 운영하거나 LLM을 실무에 도입하려는 엔지니어들에게 에어비앤비의 데이터 기반 의사결정 체계와 하이브리드 실험 방법론은 훌륭한 벤치마크가 될 것입니다.
The Problem
에어비앤비는 숙박 예약과 같은 긴 변환 주기로 인해 A/B 테스트가 장기화되는 문제, 기존 리스트 기반 지표가 지도 중심 UI에서 부정확하게 작동하는 한계, 그리고 LLM 시스템의 지속적인 지식 업데이트 어려움에 직면했습니다.
The Solution
인터리빙 및 반사실적 평가를 통한 신속한 랭킹 검증, 텍스트와 이미지를 통합한 BiListing 임베딩 도입, 그리고 고객 지원 에이전트의 피드백을 실시간으로 반영하는 Agent-in-the-Loop(AITL) 프레임워크를 구축했습니다.
The Result
BiListing 도입을 통해 수천만 달러의 증분 매출과 0.425%의 NDCB 상승을 기록했으며, 새로운 비교 쇼핑 시스템을 통해 NDCG 1.7% 및 예약 전환율 0.6% 개선이라는 정량적 성과를 달성했습니다.
Trade-off
인터리빙 방식은 실험 속도를 대폭 높여주지만 장기적인 계절성이나 사용자 진화 효과를 포착하는 데 한계가 있어, 이를 보완하기 위한 별도의 인과 추론 프레임워크 병행이 필요했습니다.
Key Concepts
More from Airbnb
View all posts from Airbnb프로젝트 라이트하우스 3부 — project-lighthouse-anonymize를 소개합니다
Data PrivacyAnonymizationPython4일 전코로나19의 종식을 알게 된 방법 (그리고 우리 모델이 잊어야 했던 것들)
ForecastingBayesian MethodsMachine Learning1주 전유연한 인증(Flexible Authentication): 에어비앤비의 수백만 사용자를 위한 인증 시스템 재설계
Server-Driven UIAuthenticationMobile Architecture2주 전평가 주도 개발: 대규모 GenAI 평가를 통해 얻은 교훈
LLM EvaluationGenerative AIEval-Driven Development1개월 전게스트 여정 학습을 통한 에어비앤비 검색 개인화
TransformerRecommendationSearch Personalization1개월 전
