Airbnb如何靠數據成功？3點揭密共享經濟下的數據顯學

2017-12-13

SmartM/杜宜芳

圖片來源 : flickr

【SmartM解讀】幾乎成為共享經濟代表之一的Airbnb，利用數據不斷自我優化，不只從內部訂定體系、挖掘新要素，更向外與政府溝通，蒐集有利數據創造企業、政策雙贏。

從2008年第一間房間開始，Airbnb目前在全球已有超過4億個房源。在2016年快速起飛，如今Airbnb在全世界191個國家、65,000個城市中有超過4億個房源；第一批客戶是1女2男的中年人，如今平均房客年齡29歲。

兩年的時間過去，Airbnb做了哪些改變打造高速起飛之路？Airbnb首席經濟學家暨資料科學部門主管Peter Coles分享Airbnb的數據秘密：

建立數據體系，深耕入企業與員工教育

在Airbnb當中，Coles分享三大資料體系：

數據存取（Data Access）：數據清楚地被蒐集、建立在資料庫中，且明確規範不同類別的數據與存取權
數據工具（Data Tools）：Airbnb開發了許多工具供數據分析使用，已經開放原始碼的superset就是一例，這項工具可以找尋大量的數據並將其視覺化，幫助分析者做數據判斷
數據教育（Data Education）：Airbnb將員工定義為初階者、中階者、高階者、專家四階段，提供不同的教育內容，員工大多積極希望向上升階

利用這三項數據體系，Airbnb想打造「以數據為本」的決策環境。Coles補充，數據的價值不在資料本身，而是透過分析所做出決策，過往，大多數人可能在學校學到資料分析，但出社會後完全是另一回事，因為數據分析是需要市場去驗證判斷的，因此，Airbnb在內部設立「數據大學」，開設超過20個課程，終極目標是希望以資料為基礎教育員工，在全球只有3000名員工的Airbnb中，資料科學團隊就有100人。

從數據挖掘新要素，不斷強化內部計算模型

藉由數據應用，Airbnb可以更客觀地給予房東評分，以確保品質。過去，Airbnb最常使用的是評價，從使用者文字評論中擷取語言，來提醒房東做改善，但如此評論仍屬主觀層面，於是，資料團隊反過來思考，當房源品質好，客人應該會回流，因此，用數據分析客戶回流傾向分數，分數越高的房源，客戶就更可能回來支援它的平台。

分析往往是從大量的數據中，去找出一件小事，而這可能有助於強化原先的資料模型。以建議售價為例，以往，Airbnb會從多少人搜尋、區域、房源數等給予房東建議售價，但在發掘這個模型的期間，內部發現某個期間訂房量常暴增，才發現是當地舉辦特殊活動，於是「活動」這項因素也被加入計算元素中。

主動接觸「政府」，讓企業與政策站在同一陣線

Airbnb和Uber同為共享經濟，但和政府打交道的方式卻截然不同。Airbnb主動接觸政府機關，從數據提供能和政策一致的解決方案，創造雙贏，舉例，Airbnb上很多房客的房源都是租屋，租屋者藉由Airbnb將房間在空出時間再出租以賺取租金，Airbnb就去統計發現，68%的台灣房東表示，是因為Ａirbnb才付得起現在的房租；台灣在Airbnb上的房間，有20%在偏鄉地區，這些房源2016年則創造高達新台幣2億收入。

提出對政策有助的數據，Airbnb固然會和飯店業產生碰撞，卻不被政府視為眼中釘。Coles指出，Airbnb希望去思考長期需求，對所有人都好，才是Airbnb關注的重點，而不是讓所有人去犧牲碰撞，面對既有市場，Airbnb希望當個負責任的參與者，會就現有的數據去和在地政府分享同時保護顧客隱私，讓雙方能互相理解。