週六晚上、只住一晚、離你家十分鐘的整棟房子，你說為什麼？

你起心訂了家附近的一家包棟 Airbnb，可以住 20 人，Airbnb 會覺得你想揪團讀書？還是開一場難忘的生日泳池派對？更有可能是派對吧，肯定是派對。

派對可能弄壞房子、吵到鄰居，房東和社區都會偏頭痛。2022 年 6 月，Airbnb 把原本暫時的派對禁令改成正式規定；8 月接著在美國和加拿大推出「反派對技術」，想在派對開始之前，就讓那筆訂房送不出去。

系統看的是一堆小線索

Airbnb 公布了幾個它會看的因素：這個房客過去有沒有好評、帳號開了多久、住幾晚、離房子多遠、是平日還是週末，還有很多沒列出來的。Airbnb 後來的公告也說，這類擋訂房的技術用的是機器學習（Machine Learning）：不靠人一條一條寫死規則，而是讓電腦從大量過去的例子裡，自己找出規律。

在 AI 裡，這些線索叫特徵（Feature）：模型做判斷時拿來看的每一項輸入。

一筆訂房，先拆成一格一格

特徵怎麼用？大致可以分成三步。

第一步是拆。模型讀不懂「這筆訂房看起來怪怪的」這種感覺，只看得懂一格一格的資料。拿開頭那筆來說（以下是假想的例子）：住幾晚＝1，離房子＝8 公里，入住日＝週六，帳號年資＝1 天，好評數＝0。原本一句話的直覺，變成五個數字和是非題。

第二步是學。這類模型通常是拿過去的訂房紀錄來練習：哪些訂房後來出了派對、哪些平安無事，再從裡面找出哪些特徵比較常跟出事一起出現。重點常常在「組合」。只住一晚，可能是出差；離家很近，可能是家裡在裝潢；但只住一晚、離家很近、剛好週六、帳號又是新的，好幾格同時亮起來，風險就往上跳。

第三步是算。模型把這些特徵合起來，算出一個風險分數，再跟事先設好的門檻比。門檻就是畫在地上的一條線：分數超過，就當成高風險處理。Airbnb 說，被擋下的人訂不了整棟房子，但還能改訂房東比較可能在場的私人房間，或旅館。

Airbnb 說，這套系統在澳洲試辦的地區，未經房東同意的派對事件少了 35%。

偵探看到更多線索

在這之前，北美從 2020 年起有個「25 歲以下」規則：主要針對沒有好評、又訂在自己家附近的 25 歲以下房客。

能看的特徵少，判斷就只能很粗：年紀一落在線下，整群一起擋，誤傷友軍。特徵多了，模型才有機會分辨「25 歲、帳號用了五年、評價很好、住三晚」和「25 歲、帳號剛開、住一晚」不是同一種訂房。Airbnb 也說，新系統希望多抓到真的要開趴的人，同時對不是來開趴的房客，不要那麼粗暴。

被擋下的不一定是來開趴的

但特徵只是線索，不是本人。離家近、只住一晚、剛好週末，也可能是回家鄉喝喜酒、家裡正在裝潢，或帶爸媽回老家過節。系統喊「有問題」，結果其實沒問題，這種錯叫誤判，英文常說 False Positive（偽陽性）。

派對本身其實很少見。Airbnb 說，2025 年美國的訂房裡，大約只有 0.06% 被回報有派對，換算起來，大約一萬筆訂房裡有 6 筆。要在這麼稀少的事情裡抓人，門檻只要放寬一點，就容易順手擋到一群無辜的人；門檻收得太緊，又會漏掉真的要開趴的。

Airbnb 說，2025 年萬聖節週末，美國有超過 23,500 人被勸退、沒訂成整棟房子。這些人裡有多少真的要開趴，外面看不到；Airbnb 的主管自己也說，那個週末訂房的人，大多是去探親、秋天出遊或看球賽。Airbnb 在 2022 年直說：沒有系統是完美的。

對想開趴的人，這是一道牆；對回來喝喜酒的人，這是一個只剩私人房間可訂的週末。

你說你只是想看書，模型能懂嗎？

系統看到的，是週六、一晚、離家十分鐘、帳號昨天才開、零評論，五格同時亮起來。它很會做的，是在成千上萬筆訂房裡，很快把這種「跟過去出事的訂房很像」的組合挑出來，讓房東少一點提心吊膽。它做不到的，是理解你「只是想裝個逼，體驗在我的獨棟別墅安靜看書」。

特徵是模型的眼睛，只是它看到的，永遠是你留下的痕跡，不是你心裡在想什麼。

延伸討論

如果要你設計一個擋掉惡意訂單的系統，你第一個想看的線索是什麼？

來源（查證日 2026/11/08）：

• New anti-party technology in the US and Canada（Airbnb Newsroom）（在新分頁開啟）・2022/08/16
• Cracking down on parties this Halloween weekend（Airbnb Newsroom）（在新分頁開啟）・2026/10/26
• 什麼是特徵工程？（AWS）（在新分頁開啟）

文／上哲（ChatGPT 協力）