1、 产品概述
蚂蚁短租定位于家庭出游、结伴旅游、聚会办par的平台，主打短租+旅游，而Airbnb融入社交因素，让用户融入当地的文化，给用户在旅行地带来归属感。
2、用户分析
1）在这里分析的用户主要是C端用户，从宽泛角度把用户需求分为两种类型：a类用户有着明确的旅游目的地，时间、地点较清晰，b类用户有出游计划，但不太确定目的地、时间，带有逛的意图。
2）用户画像
小华：25岁，男，喜欢各地旅游，也会和朋友一起出行，探索新环境，喜欢搜索旅游相关的信息，体验当地文化特色，以及当地特色的景点，到了某地也会查找当地的吃喝玩乐的攻略。
大明：30岁，男，从事于销售工作，经常出差，一般时间在半个月，甚至一个月，为了节约成本，很少选择酒店，一般会在当地短期租房居住，平时有时间会做饭。
大红：40岁，女，每年会带着全家人出去旅行，酒店、民宿都会选择，为了方便，会选择带有厨房的居住地，会在网上订房、租房。
3）使用场景与用户需求
基本型需求：也可以说主要解决用户住的痛点，到了某地离不开住，如果无法住，用户就会担心，产生恐慌心理，因此住是用户的基本型需求。
基于短租平台，用户需求明确，搜索是主要功能，会在平台上使用搜索，查找目的地房屋信息。
期望型需求：租客与房东之前最大的问题是信任，如果能提供有保障的房源信息，像爱彼迎的plus房源，蚂蚁短租的优选房源信息功能。
兴奋型需求：使用搜索功能时，支持景点、商圈、区域等维度筛选，以及各维度的筛选，能提供用户找房效率，另外能搜索出当地的特色旅游信息，比如当地吃的特色。
3、产品形态
蚂蚁短租：
爱彼迎：
1）从产品形态上可以看出蚂蚁短租搜索功能主要是给用户查找房源信息，而Airbnb搜索功能除了房源信息也在给游客提供当地热门娱乐活动以及餐饮服务，通过搜索能看出Airbnb涉及的业务更多，旨在为游客从住扩展到其他的旅游需求。因此也由于两个产品所涉及的业务不同，导致了搜索结果所做的交互形势会有不同。
2）另外蚂蚁短租从用户输入地理位置以后，进入的搜索结果页为该地区的房源信息，再次点击顶部搜索框进行搜索为该地区的搜索结果，这一点体验较优于Airbnb，因为用户发生了搜索行为，是在旅行目的地、时间已经明确的场景。
3）仅从召回房源的搜索结果来看，蚂蚁短租提供多维度的搜索结果筛选以及排序筛选，提供当地热门景点附近房源的筛选，能提高用户的选房效率；而Airbnb仅仅提供默认排序维度，且把房客人数作为重要筛选条件外露，这一点主要应用的用数确定的场景，但是人数作为重要的依据进行筛选房源信息，有可能造成房源信息变小，例如两个人也可能居住一室，从这一点上不如外露居室更加符合用户筛选需求。
4、产品功能：
蚂蚁短租搜索在用户发生主动搜索行为之后，会提供较多的筛选条件，通过细化搜索需求提高用户搜索效率，而且提供多维度排序筛选，召回搜索结果。
推荐排序：召回结果根据房源的订单量、评论数、评分、房源质量、价格等维度对房源进行排序，因此会涉及到反作弊。
评论最多：按照评论数从高到低排序
预定最多：按照历史预定量从高到低排序
评分最高：按照评分从高到低排序
价格最低：按照价格从低到高排序，体验中发现badcase；
价格最高：按照价格从高到低排序，体验中发现badcase；
爱彼迎搜索从召回结果之后功能比较单一，不利于用户搜索意图的细化。
5、产品体验地图：
蚂蚁短租：
爱彼迎：
通过产品体验地图可以看出，在搜索流程上两个app基本一致，都是以目的地为query，
短租平台app搜索功能的使用主要有三个节点与用户发生交互行为，第一点击搜索框，第二query的输入，第三召回结果的浏览。从三个节点蚂蚁短租和Airbnb功能不同。
1） 搜索框：主要都是以搜索目的地为主，蚂蚁短租以召回房源信息为主，爱彼迎以召回房源和当地体验结果为主，在召回结果中点击搜索框，功能定位不一致。
2） Query的输入：输入query时提供下拉提示主要方便用户输入，提升效率，但下拉提示所展示的内容不同，蚂蚁短租提供城市之外还提供一些该城市热门景点、具体酒店名称的选择。而爱彼迎主要是区分房源和体验两种下拉提示。
3） 召回结果的浏览：蚂蚁短租在召回结果后，结果仅仅是房源信息，而爱彼迎除了房源结果，会把一些筛选条件穿插到结果中。
6、几点建议
1）搜索是在用户意图明确的场景下提供的检索服务，可以把用户的搜索需求分成精准，如找北京的房源，还可以分为泛需求，用户有打算出游计划，没确定目的地，带有逛得性质，那么提供热词推荐是一种解决方案，目前两个产品在热词推荐上都有，但是只是一种展示，需要用户输入才能搜索，无法直接点击召回热词的结果，交互形式上可以改进。
2） 筛选功能对于搜索是一个重要的小功能，筛选是用户意图细化的体现，蚂蚁
短租虽然已经外露了一些重要的筛选条件，而且随着结果的浏览会固定到顶部，但是用户浏览焦点不同，此时是关注的房源结果，建议能穿插到搜索结果中做ab实验。
3） 促销是对用户最为敏感，可以尝试促销筛选框的外露，点击后召回有折扣的房源结果。
4） 针对泛需求的用户，可以尝试结果中穿插特色房源内容的聚合，让用户在结果中逛起来。
