왜 '모르는 사용자'가 문제인가
에어비앤비 트래픽의 상당 부분은 로그인도 안 했고, 검색 이력도 없고, 예약 이력도 없는 사용자입니다. 유료 광고나 자연 검색으로 유입된 사람들이 대표적이죠. 문제는 이들에 대한 ML 모델의 입력 벡터가 거의 비어 있다는 겁니다. 검색 랭킹, 목적지 추천, 마케팅 랜딩 페이지가 모두 콜드 스타트(cold-start) 상태에 빠지는 거예요.
여기에 프라이버시 규제가 겹칩니다. GDPR은 마케팅 개인화를 위한 비필수 추적에 법적 근거와 동의를 요구하고, 브라우저 차원에서는 서드파티 쿠키가 사라지고 있죠. 즉 영구 식별자 없이도 동작하는 피처 시스템이 필요해진 겁니다.
핵심 아이디어는 단순합니다. "개인을 모르면, 주변 사람들을 보자." 같은 동네에서 검색하는 사람들은 비슷한 목적지를 찾고, 비슷한 가격대를 선호한다는 관찰에서 출발합니다.
이 글은 원문 엔지니어링 블로그의 설계를 실무 관점에서 재구성한 해설입니다. 근거자료는 Airbnb Engineering 블로그 원문에서 확인할 수 있어요.

Proximity Key: 개인 식별자를 '동네 식별자'로 치환하기
개념
user_id 대신 **proximity_key**를 조건 변수로 쓰는 겁니다. 이 키는 약 1,000명 규모의 지역 클러스터를 나타내는 압축된 그룹 키예요. 양자화된 위경도 타일 + (인구 밀집 지역의 경우) 해당 타일 내 IP 해시 버킷 인덱스로 구성됩니다. 도심은 세밀하게, 시골은 거칠게 — 이게 포인트입니다.
피처는 어떻게 계산되나
버킷이 만들어지면 매일 세 범주로 피처를 계산합니다.
- 단기 참여 신호: 최근 검색의 상위 목적지, 룸 타입, 중위 가격
- 장기 예약 패턴: 예약된 목적지, 동반 여행 파티 신호
- 버킷 메타데이터: 버킷 크기, 지리적 밀도
즉 한 번도 검색한 적 없는 사용자도 약 1,000명 이웃의 행동 벡터를 빌려오는 셈입니다.
서빙 경로 (의사 코드)
# 1) 요청 시점: IP를 proximity_key로 변환
proximity_key = resolve_ip_to_key(client_ip) # 실시간 조회
# 2) 분산 KV 스토어에서 피처 조회 (soft dependency)
try:
features = kv_store.get(proximity_key, timeout_ms=50)
except TimeoutError:
# 타임아웃 시 개인화 없이 모델 추론 계속 진행
features = None
# 3) 모델 추론
score = ranking_model.predict(user_features, proximity_features=features)
여기서 중요한 건 soft dependency라는 점입니다. KV 조회가 실패해도 핵심 요청 경로는 절대 블로킹되지 않습니다. 개인화는 '있으면 좋은' 레이어로 취급하죠. 실무에서 이런 폴백 설계는 장애 격리 관점에서 특히 중요합니다.

적응형 클러스터링과 프라이버시 설계
밀도 격차를 어떻게 다루나
지리적 밀도는 orders of magnitude로 다릅니다. 공항 근처 좌표 하나가 시골 지역 전체보다 사용자가 많을 수 있죠. 고정 해상도의 geohash는 도시에서는 너무 거칠고, 시골에서는 너무 세밀합니다.
Airbnb는 2단계 적응형 클러스터링으로 해결합니다.
- 버킷을 스스로 채울 만큼 밀집한 좌표는 IP 해시 버킷으로 추가 세분화 (도심 정밀도 유지)
- 나머지 좌표는 멀티패스 coarsening으로 지리 타일을 점진적으로 확장
결과는 "줌 적응형 지도"입니다. 2023년에 부트스트랩한 파티션이 프로덕션에서 재클러스터링 없이 유효하게 유지되고 있고, 신규 IP와 좌표 이동은 일일 리프레시로 처리한다고 합니다.
프라이버시는 설계에 내장
- 모든 피처는 개인이 아닌 약 1,000명 그룹을 반영
- 클러스터링 입력에서 동의하지 않은 사용자 제외
- Geo-IP 좌표는 인구 중심지 기준의 거친 그룹 레벨로 집계 (특정 주소 아님)
- 파이프라인 전반에 동의 관리 및 데이터 거버넌스 삭제 제어 통합
⚠️ 주의: 이 아키텍처는 "식별자를 안 쓴다"는 것과 "익명성을 보장한다"는 것이 다르다는 점을 분명히 합니다. 그룹 단위 집계는 재식별 위험을 낮추지만, 버킷이 너무 작아지면 오히려 역효과가 날 수 있어요. 버킷 크기 하한선(k-anonymity 관점)은 반드시 지켜야 합니다.
실험 결과
- 마케팅 랜딩 페이지: 기존 정적 리스팅 카드 → 근접 피처 기반 개인화로 전환. 콜드 스타트 트래픽에서 유의미한 개선.
- 홈페이지 AutoSuggest: 신규 사용자에게 항상 파리·바르셀로나·런던 같은 글로벌 리스트만 보여주던 폴백을 제거. 베이징에서 접속한 신규 사용자가 홍콩·도쿄를 보게 됨.
- 참여 이메일: 최근 거친 위치 신호를 활용한 개인화 캠페인으로 확장 진행 중.
특히 미예약·휴면 사용자에서 방향성 있는 개선이 집중됐고, 쿠알라룸푸르·두바이·제주도 같은 목적지가 해당 지역 사용자에게 노출되기 시작한 점이 diversity shift로 확인됐습니다.

실무 적용 관점: 한국 개발 생태계에서는
국내 서비스에서 이 패턴을 적용할 때 주의할 지점이 몇 가지 있습니다.
- 개인정보보호법(PIPA) 정합성: GDPR과 유사하지만 국내는 '가명정보' 개념과 결합·반출 규정이 별도로 존재합니다. Geo-IP 기반 그룹 피처가 가명정보에 해당하는지, 아니면 완전 익명정보인지 법무 검토가 선행되어야 해요.
- IP 기반 위치의 정확도 한계: 국내는 통신사 NAT로 인해 IP가 실제 위치와 크게 어긋나는 경우가 많습니다. 모바일 캐리어 환경에서는 버킷이 도심 전체로 뭉개질 수 있어, 위경도 정밀도보다 버킷 안정성을 우선 설계해야 합니다.
- SI/엔터프라이즈 환경: KV 스토어 soft dependency 패턴은 MSA 환경에서 특히 유용합니다. 다만 사내망에서 외부 Geo-IP DB 의존이 허용되지 않는 경우가 있으니, 폴백 피처 세트를 별도 설계해두는 게 안전합니다.
이 기술의 한계
- 신규 지역/이벤트 대응 지연: 버킷이 일 단위 리프레시라 급격한 유입 변화에는 둔감합니다.
- 희소 지역 성능 저하: 인구가 적은 지역은 coarsening이 과도해져 개인화 신호가 희석됩니다.
- 그룹 편향: 특정 지역의 집단 선호가 개인 취향을 덮어버릴 수 있습니다(예: 관광지 vs 거주지).
다음 단계 학습 방향
- k-anonymity와 차분 프라이버시를 결합한 그룹 피처 설계
- Geo-IP 대신 클라이언트 힌트(언어, 타임존) 를 결합한 하이브리드 키
- 추천 시스템에서의 콜드 스타트 편향 평가 지표 (coverage, diversity)
콜드 스타트 개인화는 이제 "식별자 없이는 불가능"이라는 통념을 깨는 단계에 왔습니다. 그룹 단위 신호를 어떻게 안전하게, 그리고 성능 저하 없이 서빙할 것인가 — 이게 다음 싸움의 핵심이에요.