Airbnb rút ngắn độ trễ gợi ý từ 2 ngày xuống vài giây nhờ Chronon

Airbnb vừa công bố bước tiến đáng chú ý trong hệ thống gợi ý của mình: độ trễ của các embedding gợi ý dựa trên chuỗi hành vi đã giảm từ gần hai ngày xuống còn dưới một phút. Thành quả này đến từ việc mở rộng nền tảng đặc trưng (feature platform) Chronon với hai cơ chế mới là Push Mode và Near Real-Time Model Transform.

Đây là một ví dụ điển hình cho thấy cuộc đua cải thiện trải nghiệm người dùng trong các nền tảng lớn ngày nay gắn chặt với khả năng xử lý dữ liệu theo thời gian thực.

Vì sao độ trễ embedding lại quan trọng?

Các hệ thống gợi ý hiện đại thường dựa trên embedding — biểu diễn dạng vector của sở thích và hành vi người dùng. Với Airbnb, embedding được xây dựng từ chuỗi hành vi như tìm kiếm, xem chỗ ở, thêm vào danh sách yêu thích hay đặt phòng.

Nếu embedding quá cũ, hệ thống sẽ gợi ý dựa trên sở thích mà người dùng đã thay đổi từ lâu. Ví dụ, một người vừa tìm phòng cho chuyến đi biển cuối tuần nhưng vẫn nhận gợi ý cho điểm đến công tác ở thành phố khác từ nhiều ngày trước — trải nghiệm rõ ràng kém hấp dẫn hơn.

Trước đây, quy trình cập nhật mất gần 48 giờ, khiến mô hình gần như "đi sau" người dùng. Với kiến trúc mới, khoảng cách này được thu hẹp xuống còn dưới 60 giây.

Push Mode và Near Real-Time Model Transform

Hai thành phần chính của giải pháp:

• Push Mode: thay vì chờ các lô dữ liệu định kỳ, hệ thống đẩy sự kiện hành vi vào Chronon ngay khi chúng phát sinh, giúp đặc trưng được cập nhật liên tục.
• Near Real-Time Model Transform: cho phép biến đổi và tính toán lại embedding mô hình gần như tức thời trên dòng sự kiện, thay vì phải chờ một pipeline hàng loạt chạy xong.

Sự kết hợp này giúp Chronon — vốn là nền tảng đặc trưng dùng chung cho nhiều đội ngũ tại Airbnb — đảm nhận được cả vai trò batch truyền thống lẫn streaming gần thời gian thực.

Kết quả đo lường

Hiệu quả không chỉ nằm ở con số độ trễ. Theo Airbnb:

• Chỉ số NDCG (đo chất lượng xếp hạng gợi ý) trên môi trường offline tăng 1,67%.
• Trong thử nghiệm trực tuyến, lượng đặt phòng không bị hủy tăng khoảng một phần ba phần trăm (khoảng 0,33%).

Mức tăng 0,33% nghe có vẻ nhỏ, nhưng với một nền tảng có quy mô đặt phòng toàn cầu như Airbnb, đây là con số đáng kể về doanh thu và mức độ hài lòng của người dùng.

Bài học cho các đội kỹ thuật tại Việt Nam

Câu chuyện của Airbnb mang lại vài gợi ý thực tế cho các công ty công nghệ trong nước, đặc biệt là những đơn vị đang xây dựng hệ thống gợi ý cho thương mại điện tử, ứng dụng giao đồ ăn hay nền tảng đặt vé:

• Tách đặc trưng khỏi mô hình: dùng một nền tảng đặc trưng dùng chung giúp nhiều đội cùng tái sử dụng dữ liệu và giảm trùng lặp pipeline.
• Đầu tư vào streaming khi cần: không phải mọi đặc trưng đều cần thời gian thực, nhưng các tín hiệu hành vi gần đây thường mang lại giá trị cao nhất.
• Đo lường cả offline lẫn online: chỉ số NDCG cho biết chất lượng mô hình, còn A/B test mới khẳng định tác động thực tế lên chỉ số kinh doanh.

Việc đưa độ trễ từ hai ngày xuống vài giây cho thấy một xu hướng rộng hơn: dữ liệu thời gian thực đang trở thành tiêu chuẩn trong các hệ thống cá nhân hóa, thay vì là điểm cộng hiếm có như vài năm trước.