devgo.cn想象一个第一次打开Airbnb、还没登录的用户：他没有搜索历史，没有过往订单，甚至可能只是从广告链接跳进来。传统的推荐模型全靠user_id串联起这个人过去的每一次点击、搜索和预订，面对这样一位“陌生人”，模型几乎拿不到任何信号，只能给出千篇一律的默认结果——你从北京打开首页看到的推荐，和从纽约打开的人一模一样。这个场景并不罕见：Airbnb有相当一部分流量来自付费广告和自然搜索，这些用户大量处于未登录或首次访问状态，而且隐私法规（比如GDPR）又限制了使用跨站追踪标识符。个性化似乎走进了死胡同。Airbnb团队给出的解法很有意思：既然认不出“你是谁”，那就看“你在哪”。他们发现，从同一座城市或同一个街区浏览Airbnb的用户，在搜索目的地、价格区间和旅行模式上高度相似——首尔用户大概率会搜济州岛或大阪，而纽约用户更倾向加勒比或欧洲。这个规律和个体的历史记录无关，只要拿到IP对应的粗略地理位置就够了。基于这个洞察，他们设计了一套叫Proximity Features（邻近特征）的机制：把地理位置邻近的用户聚成一组，每组约1000人，聚合这一组的集体行为（比如最近搜过的热门目的地、房型偏好、价格中位数、过去预订过的地点和出行人数等），生成一个特征向量，任何新用户一进来，就能直接借用这1000个邻居的信号，不需要任何持久化身份标识。
核心的技术难点在于如何分组。全球Airbnb用户的密度差异巨大：机场附近一天可能有几万人，而乡村地区可能只有寥寥几个。如果用地理解析的固定网格（比如固定分辨率的geohash）来分组，城市里太粗、乡村里太细，两头不讨好。作者用了一个两阶段自适应聚类算法：对密度足够的区域，先用IP哈希桶进一步细分成更小的小组，保住城市中心的精细度；对稀疏区域，则逐步扩大地理块（multi-pass coarsening），直到聚齐大约1000人。效果就像一张能自适应缩放的地图——大城市是细密网格，乡村是大块区域。
就直观展示了这种“稠密缩放、稀疏扩展”的聚类逻辑，左半边是城市里细划分，右半边是乡村的粗合并。
另一个工程亮点是近邻键（proximity key）的设计。它是一个紧凑的分组键，表示一个约1000人的地理簇：由量化后的经纬度瓦片，加上对人口密集区额外的IP哈希桶索引组成。它本质上只是一个“邻居组”的标识，而不是某个人——任何ML模型原本依赖user_id的地方，都可以换成这个近邻键来服务冷启动用户。而且这个分组是稳定存在的——2023年启动的分区到现在还能直接用，每天只需刷新新增IP和坐标漂移。查询时，用户的IP实时解析到近邻键，从分布式键值存储里取特征，整个过程是个“软依赖”：万一查询超时，模型就跳过这步继续跑，绝不会阻塞核心请求路径。考虑到隐私，设计上也是层层保护：每个特征都反映的是约1000人群体的行为，绝不指向个人；聚类输入自动排除未同意被追踪的用户；地理位置是粗粒度聚集的，偏向人口中心而非具体地址；整个流程还对接了同意管理和数据删除的合规要求。
显示的是这套隐私设计的层次。
效果是实打实的。目前Proximity Features已经上线在多个Airbnb页面，由生产环境的A/B实验验证了提升。比如营销落地页（用户从广告或搜索跳转来的页面）冷启动率特别高，之前推荐模型因为特征太稀疏，只能给静态的房源卡片；加上邻近特征后，模型能根据周围人的浏览和预订偏好来排序。
展示了几个实验的相对提升幅度。首页的AutoSuggest（就是搜索框下的自动推荐）也很典型：以前没历史记录的用户只能看一个全球通用的固定列表（巴黎、巴塞罗那、伦敦、罗马），现在换成位置感知信号后，一个来自北京的新用户会看到香港和东京。
就是这样一个示例——同样没有任何个人历史，推荐结果却因为IP归属地被盘活了。
最让我意外的是这个思路的可迁移性：它本质上是在“个体信号稀缺”时，用地理邻近性作为代理特征，把“群体行为”安全地转让给个体。这在电商、内容社区、本地生活服务里几乎都能直接套用。但要注意几个坑：一是分组的粒度要自适应，固定网格在城市和乡村都会失效；二是特征要有合适的时效性——这里按天计算，短期参与和长期模式分开用；三是数据管道必须把隐私设计嵌入每一层，而不是事后补救；四是软依赖能避免故障传导，让个性化永远不阻塞主流程。如果你正在处理冷启动和受隐私约束的多方数据，这个“用人群特征替代个体标识”的框架很值得借鉴。
是这套机制在实际流量中的另一个案例说明，感兴趣的话可以对照原文看更多细节。
内容与图片版权归原作者所有 · 原文: https://medium.com/airbnb-engineering/personalization-without-user-identity-8e7891a1d486?source=rss----53c7c27702d5---4