O problema do cold start que ninguém comenta
Você construiu um sistema de recomendação. Funciona lindamente para usuários logados com histórico rico. Mas uma parcela enorme do tráfego — anúncios pagos, busca orgânica, visitantes de primeira viagem — chega sem nenhum sinal. Seu modelo cai num fallback estático e genérico. Isso é uma oportunidade perdida gigante.
Esse é o problema do cold start, e fica ainda mais doloroso quando regulações de privacidade (LGPD, GDPR, fim dos cookies de terceiros) impedem você de rastrear usuários entre sessões. O Airbnb encarou exatamente isso: uma fatia significativa de usuários chega sem login, sem histórico de busca, sem nenhuma reserva anterior. Features baseadas em user_id ficam indisponíveis ou obsoletas.
A solução? Parar de depender da identidade individual. Em vez disso, pegar emprestado sinais da multidão — mais especificamente, de usuários na mesma vizinhança geográfica. Essa é a ideia central das Proximity Features (Features de Proximidade).
Para o paper técnico completo, confira o post original do Airbnb Engineering.

Como as Features de Proximidade funcionam
A sacada: usuários navegando da mesma cidade tendem a buscar destinos parecidos, preferir faixas de preço similares e compartilhar padrões de viagem. Um usuário em São Paulo tem muito mais chance de reservar Rio de Janeiro ou Florianópolis do que um usuário em Nova York. Isso vale independentemente de você saber algo sobre o indivíduo.
A chave de proximidade (proximity key)
Em vez de um user_id, você usa uma proximity key — um identificador compacto de grupo representando ~1.000 usuários num cluster geográfico local. Ela codifica um tile quantizado de lat/long, mais um bucket de hash de IP para áreas densas. A chave identifica um bairro, não uma pessoa.
# Pseudocódigo: resolvendo o IP de um usuário para uma proximity key
def resolve_proximity_key(ip_address: str) -> str:
"""
Mapeia um IP para uma proximity key (bucket em nível de bairro).
Retorna None se a geolocalização falhar (dependência soft).
"""
geo = geoip_lookup(ip_address) # lat/long aproximados
if geo is None:
return None
tile = quantize_tile(geo.lat, geo.lon, resolution='city')
# Para tiles densos, adiciona bucket de hash de IP para granularidade fina
if is_dense(tile):
bucket = hash(ip_address) % NUM_BUCKETS
return f"{tile}:{bucket}"
return tile
# Na inferência: busca features pré-computadas do KV store
key = resolve_proximity_key(user_ip)
if key:
features = kv_store.get(f"proximity:{key}") # agregado de ~1000 usuários
else:
features = default_features # fallback, nunca bloqueia a request
Categorias de features
Depois de agrupar os usuários em buckets, as features são calculadas diariamente em três categorias:
- Engajamento de curto prazo: destinos mais buscados, tipos de quarto, preços medianos das buscas recentes no bucket.
- Padrões de reserva de longo prazo: destinos reservados, sinais de grupo de viagem.
- Metadados do bucket: tamanho do bucket, densidade geográfica.
Um usuário que nunca buscou nada recebe um vetor de features derivado de ~1.000 usuários próximos. Essa é a mágica.
Clustering adaptativo
A densidade geográfica varia demais — uma única coordenada de aeroporto pode ter mais usuários diários que uma cidade rural inteira. Uma grade geohash fixa falha nos dois extremos. O Airbnb usa um algoritmo de clustering adaptativo em duas fases:
- Para coordenadas densas, subdivide usando buckets de hash de IP (granularidade fina nas cidades).
- Para coordenadas esparsas, aplica coarsening multi-passada até acumular usuários suficientes.
O resultado é um mapa zoom-adaptativo: tiles finos sobre cidades, agrupamentos grossos em áreas rurais. A partição inicial de 2023 permaneceu estável em produção sem re-clustering — um refresh diário lida com novos IPs e mudanças de coordenadas.

Privacidade by design (e o que pode dar errado)
Cada feature reflete um grupo de ~1.000 usuários, não um indivíduo. A entrada do clustering exclui usuários que não deram consentimento. Coordenadas geo-IP são grossas e em nível de grupo, agregadas em torno de centros populacionais em vez de endereços específicos. O pipeline integra gestão de consentimento e controles de deleção de dados.
⚠️ Limitações e cuidados
- Homogeneidade do bucket: se um bucket mistura intenções muito diferentes (ex: área turística com viajantes de negócios e lazer), os sinais agregados podem ficar ruidosos. Considere segmentação mais fina se seu domínio exigir.
- Precisão do IP: geo-IP não é perfeito. VPNs, operadoras móveis e NATs corporativos podem atribuir usuários a buckets errados. Trate sempre o lookup como dependência soft — nunca bloqueie o caminho da request.
- Casos-limite de privacidade: mesmo features agregadas podem vazar informação se o bucket for pequeno demais. Imponha um tamanho mínimo (ex: k-anonimato ≥ 1000) e audite riscos de re-identificação.
- Staleness: refresh diário serve para viagem, mas para domínios em tempo real (ex: eventos ao vivo), você pode precisar de agregação em streaming.
Dica: se você se preocupa com vazamento de modelo no seu próprio pipeline, veja nosso deep dive sobre por que seu CV de 0.98 pode estar mentindo.

Principais aprendizados e próximos passos
As Proximity Features provam que personalização cold-start não exige identidade persistente do usuário. Agrupando usuários geograficamente e agregando sinais coletivos, você consegue servir features significativas para qualquer usuário cujo IP possa ser geolocalizado — sem login, sem histórico, sem cookies.
O design é intencionalmente reutilizável: qualquer modelo condicionado a user_id pode ser estendido para usuários cold-start condicionando a uma proximity_key.
O que estudar a seguir
- Algoritmos de geo-clustering: estude quadtrees adaptativas, variantes de geohash e DBSCAN para clustering espacial.
- ML que preserva privacidade: explore privacidade diferencial, k-anonimato e aprendizado federado para features agregadas.
- Feature stores: aprenda a servir features agregadas de baixa latência (Feast, Tecton ou KV stores customizados).
Se você constrói sistemas de recomendação de destinos, vai gostar também da nossa análise sobre como o modelo de destinos do Airbnb entende intenção de viagem.
Leitura complementar: o paper completo foi aceito no TSMO Workshop da KDD 2026. Confira o blog original para arquitetura do sistema e resultados completos dos experimentos.