에이비앤비 공유 경제의 아이콘 같은 서비스죠. 빈 방을 공유하고자 하는 호스트와 색다른 경험과 저렴한 숙박비를 원하는 게스트를 연결하는 것은 정말 멋진 아이디어입니다.
에어비앤비는 아이디어만 훌륭한 것이 아니라 첨단 기술 기반의 디지털 트랜스포메이션의 전형을 보여 줍니다. 첨단 기술로 전통적인 숙박 업계 및 후발 주자와 확실한 격차를 유지하고 있는데요, 에어비앤비의 가장 강력한 무기 중 하나가 AI(인공 지능)입니다. 호텔, 리조트 등 전통적인 업계와 달라도 뭔가 달라 보이죠?
시대를 앞서가는 검색 추천 ~
여행 목적, 예산 등에 딱 맞는 취향 저격
에어비앤비를 처음 사용할 경우 대부분 검색을 하게 됩니다. 내가 가고자 하는 여행지 주변에 적당한 방이 있는지 검색을 통해 알아봅니다. 사용자 눈에는 그저 자신이 입력한 키워드에 해당하는 검색 결과나 나오는 것처럼 보이지만 사실은 다릅니다. 에어비앤비는 100개가 넘는 고려 사항을 따져 가며 사용자의 취향 저격을 할 수 있는 것들을 추려 검색 결과로 보여 줍니다. 게스트의 필요 사항, 숙소 세수 사항, 여행 세부 사항 등이 두루 고려된 맞춤형 검색, 다른 말로 '추천' 내용을 보여주는 것이죠. 검색 추천을 위해 에어비앤비는 머신 러닝을 활용해왔습니다. 에어비앤비는 GBDT(Gradient Boosted Decision Tree) 기반의 머신 러닝 테크닉을 활용해 추천 시스템을 운영해왔습니다. 이 시도는 에어비앤비의 서비스를 한 차원 높은 수준을 끌어올렸습니다. 하지만 이 접근은 호스트와 게스트 측면을 고려해 예약에 영향을 끼치는 feature 세트를 짚어 내고, 이를 최적화하는 데 많은 노력이 필요했습니다. 그래서 에어비앤비 연구팀은 머신 러닝에서 딥러닝 기반으로 검색 추천 시스템의 핵심 알고리즘을 바꾸는 것을 실험 중입니다. 관련해 최근 논문 하나가 발표되었습니다. 이번 실험의 핵심은 데이터 과학자와 개발자의 수작업을 요구하는 기존 방식을 벗어나 딥러닝 기반으로 지속적인 최적화가 이루어지는 가운데 더 정교하고 사용자 만족도 높은 검색 추천 시스템을 운영하는 것이 가능한지를 파악하는 것입니다. 일단 논문을 보면 첫 실험은 성공적인 것 같습니다. 에어비앤비 연구팀은 NVIDIA Tesla GPU 인스턴스를 AWS에 올린 다음 cuDNN 가속 기반 TensorFlow 딥러닝 프레임워크를 적용했습니다. 모델을 개발한 다음 에어비앤비 고객이 남긴 2년 치 검색, 예약 등에 대한 로그 정보를 가지고 트레이닝을 하였습니다. 결과는 만족스러워 보입니다. 도시에 대한 사용자의 주요 관심사에 대한 학습을 한 다음 'San Francicio' 쿼리를 수행해 보니 다음과 같이 시각화된 결과를 보여 주었다고 하네요. 학습이 꽤 잘 되었다는 것을 알 수 있습니다.
