從科技、零售、金融，再到醫(yī)療、交通、旅游，這波由ChatGPT掀起的AI狂潮仍在持續(xù)蔓延。
7月17日，全球OTA巨頭攜程正式發(fā)布首個(gè)旅游行業(yè)垂直大模型“攜程問道”。攜程董事局主席梁建章公開表示，AI的出現(xiàn)讓很多行業(yè)效率提高，并通過成本降低刺激更多消費(fèi)，而不同于很多物質(zhì)消費(fèi)需求逐漸趨于飽和，以旅游為代表的精神消費(fèi)占比會逐漸放大，AI的出現(xiàn)會加速這個(gè)轉(zhuǎn)化過程。
“AI與旅游的融合將會構(gòu)建更美好的出行體驗(yàn)”，梁建章表示，AIGC對OTA的助力可以覆蓋售前、售后、途中的全場景。比如，售前階段，AIGC可以消化海量的非結(jié)構(gòu)化數(shù)據(jù)；售后階段，自然語言和機(jī)器人則可以提高服務(wù)效率和體驗(yàn)；此外，AI助理還可以在途中提供更實(shí)時(shí)的導(dǎo)游和反饋。
不過，算法不能解決所有的問題。一方面，當(dāng)前AIGC給出的答案并不那么可靠，而旅行是重消費(fèi)，只有準(zhǔn)確性接近100%才能讓用戶不留遺憾，有時(shí)候5%的落差也會讓出行體驗(yàn)得不償失。梁建章指出，AIGC所面臨的挑戰(zhàn)為垂直大模型留下了發(fā)展空間，“攜程問道”正是在這種情況下應(yīng)運(yùn)而生。
另一方面，即便投入大量資源優(yōu)化了算法，AI也無法完全代替消費(fèi)者作出決策，尤其是在休閑旅游這種非常個(gè)性化的場景下，除了時(shí)間、目的地、行程等非結(jié)構(gòu)性數(shù)據(jù)，以及價(jià)格、庫存等結(jié)構(gòu)性數(shù)據(jù)，最終的消費(fèi)決策很大程度上還取決于用戶偏好，而如何在種種不確定性中尋求確定性則成為了關(guān)鍵。
對此，梁建章認(rèn)為，最優(yōu)的解決方案就是依托于垂直大模型與人工校驗(yàn)打造一個(gè)可靠的答案庫，并給每位用戶留出一定的自主選擇權(quán)。本次發(fā)布會上，攜程推出這個(gè)答案庫的內(nèi)容產(chǎn)品載體：攜程口碑榜、攜程熱點(diǎn)榜、攜程特價(jià)榜。
垂直大模型+200億數(shù)據(jù)打造旅游業(yè)的“答案庫”
“旅行是一個(gè)非常復(fù)雜的消費(fèi)場景”，梁建章在會后的采訪中指出，這里面售前規(guī)劃是最復(fù)雜、最耗時(shí)的部分，而最典型的用戶困境就是，“不知道去哪玩、不知道怎么玩、不知道怎么玩省錢”。
根據(jù)攜程統(tǒng)計(jì)，一個(gè)有著明確出行目的地用戶，平均要在14.3家酒店、62.2個(gè)航班上分別糾結(jié)168.9分鐘、136.4分鐘最終才能下單，如果算上不同的景點(diǎn)，行前平均需要耗費(fèi)9.9個(gè)小時(shí)，而那些沒有明確目的地的用戶，平均決策時(shí)間則長達(dá)11天9小時(shí)，甚至還有60%的人最終無功而返。
“我們還發(fā)現(xiàn)一個(gè)有趣的現(xiàn)象，用戶的決策效率并不會隨著他們旅行閱歷的增長而得到提升”，孫波援引攜程數(shù)據(jù)指出，用戶的下單時(shí)長、瀏覽的產(chǎn)品數(shù)量都在隨著訂單的積累而增長，“因?yàn)橛脩舨粫偸侨ネ粋€(gè)目的地、選擇同一種玩法，而在新的旅行面前，上述困境又會再一次出現(xiàn)。”
事實(shí)上，這種消費(fèi)變量多、決策鏈路長的場景正是AI的用武之地，此次推出的系列榜單就是攜程依托AI針對上述出行困境給出的最佳答案。根據(jù)孫波介紹，這套榜單覆蓋全球超3000個(gè)目的地，45個(gè)常用主題，推薦維度涵蓋目的地、行程、酒店、機(jī)票、景點(diǎn)等，入選率均達(dá)到百里挑一。
其中，攜程口碑榜是基于過往20余年的旅行大數(shù)據(jù)，在算法基礎(chǔ)上對酒店、景點(diǎn)、行程的常用主題推薦并進(jìn)行人力校驗(yàn)后綜合得出的權(quán)威旅行榜單，致力于為用戶挑選最經(jīng)典的旅行產(chǎn)品，該榜單下設(shè)酒店口碑榜、景點(diǎn)口碑榜、行程口碑榜、目的地口碑榜等多個(gè)子榜單，整體入選率僅為1%。
攜程熱點(diǎn)榜則是基于過往對68萬個(gè)目的地的旅行數(shù)據(jù)監(jiān)測，通過真實(shí)值與預(yù)測值的比對，找到了1億2000條異動數(shù)據(jù)，并形成了異動歸因模型，從賽事演出、時(shí)事政策、文旅消費(fèi)券、新開景點(diǎn)酒店等多個(gè)方向探究目的地突然“網(wǎng)紅”的原因、預(yù)測即將發(fā)生的熱點(diǎn)，為用戶提供旅行靈感。
此外，交通和住宿的優(yōu)惠力度一直都是影響大多數(shù)用戶決定是否出行的最關(guān)鍵決策因素。為此，攜程特價(jià)榜建立了獨(dú)有的優(yōu)惠指數(shù)計(jì)算公式，對機(jī)票、酒店等產(chǎn)品進(jìn)行橫向和縱向的價(jià)格評測，生成輔助用戶下單決策的榜單，其中酒店特價(jià)榜平均每天有超過30000家來自全球的酒店實(shí)時(shí)上榜。
總體來看，不同榜單對應(yīng)不同的消費(fèi)偏好，服務(wù)不同的消費(fèi)人群與消費(fèi)場景。根據(jù)攜程披露，從上線以來，熱點(diǎn)榜的Z世代用戶占比是經(jīng)典主題榜單的1.2倍，05后用戶的使用率更是達(dá)到1.8倍。但相較于社交平臺上零散的種草內(nèi)容，上述三大榜單的一個(gè)共同特點(diǎn)就是全面、準(zhǔn)確、可靠。
“我們希望用戶獲得可靠的內(nèi)容，放心的推薦”，梁建章表示，為了解決通用AIGC不夠準(zhǔn)確的問題，攜程斥資打造了垂直大模型“攜程問道”，后者篩選了200億高質(zhì)量非結(jié)構(gòu)性旅游數(shù)據(jù)，并結(jié)合現(xiàn)有的結(jié)構(gòu)性實(shí)時(shí)數(shù)據(jù)以及攜程歷史訓(xùn)練的機(jī)器人和搜索算法，進(jìn)行了自研垂直模型的訓(xùn)練。
與此同時(shí)，攜程還投入了巨大的人力對旅行通用回復(fù)內(nèi)容進(jìn)行生成和校驗(yàn)。根據(jù)官方在現(xiàn)場展示的一組數(shù)據(jù)顯示，此次發(fā)布的每張榜單平均數(shù)據(jù)運(yùn)算量達(dá)500萬，經(jīng)過全球30多個(gè)國家和地區(qū)的員工校驗(yàn)。按照攜程的說法，繼“放心的服務(wù)、放心的價(jià)格”之外，“放心的推薦”將成為平臺的新名片。
以此次全新上線的行程口碑榜為例，該榜單通過2億旅游訂單進(jìn)行行程抽取和熱度計(jì)算，生成4500+的目的地組合玩法，再通過景點(diǎn)線路聚類模型和熱度評分2大線路算法，以及3輪的業(yè)務(wù)專家校驗(yàn)，最終生成出景點(diǎn)線路層級的行程子榜，可提供500+的城市玩法、6000+的景點(diǎn)線路。
更重要的是，這套智能化的行程規(guī)劃解決方案，可以讓用戶在出行時(shí)直接“抄作業(yè)”，一鍵實(shí)現(xiàn)體驗(yàn)與效率的飛躍。根據(jù)攜程方面披露的數(shù)據(jù)，當(dāng)前，目的地口碑榜與景點(diǎn)口碑榜可以覆蓋超過30%的行前靈感需求，而行程口碑榜則可以將出行決策時(shí)間從9.9小時(shí)縮短至6.6小時(shí)，整體提升27%。
決策時(shí)長縮短27% 榜單就是平臺價(jià)值的顯性化
從數(shù)據(jù)來看，攜程也逐漸贏得了用戶的信任。
“口碑榜的表現(xiàn)超出了內(nèi)部預(yù)期”，孫波在會后的采訪中透露，最早上線的攜程酒店口碑榜，當(dāng)前已經(jīng)達(dá)到70%的滲透率、60%的深度瀏覽率和82%的推薦率。這意味著，七成以上的攜程用戶點(diǎn)擊過該榜單，六成用戶至少被1個(gè)上榜產(chǎn)品種草，而看過榜單的用戶中，超八成愿意推薦給身邊的人。
某種程度上，榜單就是攜程平臺價(jià)值的顯性化。不同于社交網(wǎng)絡(luò)上的碎片化內(nèi)容，攜程的系列榜單是基于對供應(yīng)鏈的深度理解、對旅行相關(guān)信息的長期扎實(shí)建設(shè)、以真實(shí)成交真實(shí)點(diǎn)評為基礎(chǔ)具有可信可靠核心競爭力的有攜程特色的內(nèi)容產(chǎn)品，可以真正降低用戶在出行過程中的交易成本。
一組直觀的數(shù)據(jù)來自攜程特價(jià)榜。根據(jù)攜程介紹，該榜單可以通過秒級更新和靈活組合為用戶實(shí)時(shí)推薦更優(yōu)惠的產(chǎn)品與服務(wù)。其中，攜程機(jī)票特價(jià)榜通過對“航班時(shí)間、航空公司、飛行時(shí)長、是否直飛”四大因子進(jìn)行精細(xì)化的挖掘，平均可實(shí)現(xiàn)31%的價(jià)格降幅，榜單上線以來已為用戶平均節(jié)省430元。
這種深度的降本能力背后是攜程的自研算法支撐與供應(yīng)鏈資源優(yōu)勢。根據(jù)梁建章介紹，“攜程并不是今天才開始做AI這件事，當(dāng)前，問道的算法后面不僅有最近加入的大語言模型，還有相當(dāng)一部分是過往積累的搜索算法和機(jī)器人算法，所有這些加起來才有可能把算法的可靠性解決得比較好”。
除了模型參數(shù)之外，相較于通用大模型，垂直大模型也更依賴于特定的數(shù)據(jù)基底，而具體到旅游行業(yè)，作為一個(gè)擁有20余年經(jīng)營歷史的在線旅游服務(wù)業(yè)巨頭，攜程在數(shù)據(jù)廣度與深度上均有無可比擬的優(yōu)勢，在7億點(diǎn)評攻略、60億行程數(shù)據(jù)背后均有完整的交易鏈路。
“攜程非常強(qiáng)調(diào)數(shù)據(jù)真實(shí)性，我們做任何的點(diǎn)評投票的時(shí)候，就是真實(shí)住過這些酒店，去過這些景點(diǎn)的客人才有資格點(diǎn)評”，孫波表示，數(shù)據(jù)真實(shí)性是算法可靠性的基礎(chǔ)，也是榜單可信度的保證。與之相對的則是，以抖音、小紅書為代表的社交平臺上，“貨不對版”的翻車事件則屢見不鮮。
一位業(yè)內(nèi)人士對電廠表示，旅游服務(wù)周期長、設(shè)計(jì)環(huán)節(jié)多，交易鏈路覆蓋種草意圖—對比篩選—決策出行多個(gè)環(huán)節(jié)，社交種草的方式并不適用。一方面是旅行產(chǎn)品的種草成本非常高，轉(zhuǎn)化存在很多不確定性；另一方面是KOL代表小眾人群的審美，并且?guī)в袕?qiáng)烈的個(gè)人主觀色彩，參考性有限。
“旅行是一種低頻消費(fèi)場景，大數(shù)據(jù)推薦更能滿足絕大多數(shù)人的旅行需求”，梁建章也認(rèn)為，旅行決策更應(yīng)該聽大數(shù)據(jù)的，用真實(shí)的交易和真實(shí)的點(diǎn)評來投票，而攜程通過點(diǎn)評體系的設(shè)計(jì)與AI推薦算法的融合，可以為用戶帶來更高滿意度。此外，榜單的呈現(xiàn)形式也進(jìn)一步降低了用戶的操作門檻。
問題是，一次美好的旅行體驗(yàn)，不僅需要打通信息決策壁壘，還需要建立完善的后端的服務(wù)鏈。事實(shí)上，很多內(nèi)容平臺營銷翻車問題就是出在后端的這個(gè)環(huán)節(jié)。畢竟，很多社交平臺只負(fù)責(zé)前端內(nèi)容種草，用戶拔草后需要到交易平臺消費(fèi)，刨去中間存在的核銷耗損，售后服務(wù)往往是另一重陷阱。
作為一站式服務(wù)平臺，攜程在資源的整合層面擁有天然的優(yōu)勢，不僅可以通過地點(diǎn)、興趣、愛好、偏好、預(yù)算等選項(xiàng)迅速縮小選擇范圍，而依托過往的供應(yīng)鏈積累、研發(fā)投入、流量建設(shè)，攜程還具備強(qiáng)大的技術(shù)支撐、精準(zhǔn)的流量定向分發(fā)和產(chǎn)品的交易聯(lián)動，可以實(shí)現(xiàn)從榜單到產(chǎn)品的一鍵跳轉(zhuǎn)。
此外，通過AI技術(shù)的助力，攜程不斷改進(jìn)和提升服務(wù)效率，提升客戶體驗(yàn)。
目前，其全球超過20種語言的線上自助回復(fù)率、郵件自助回復(fù)率和電話語音自助解決率均翻倍提升。此外，針對旅行途中的突發(fā)事件、異國就醫(yī)、緊急翻譯、失物找回等需求，攜程還專門打造了“全球旅行SOS平臺”，截至目前，這個(gè)平臺已經(jīng)在100多個(gè)目的地完成了14000余起求助。
對于用戶來說，從行前規(guī)劃、途中服務(wù)到售后保障的出行全場景，如今都可以通過一張榜單搞定。值得注意的是，在引入AI之后，這更是一份可以持續(xù)迭代的解決方案。按照梁建章的邏輯就是，這種實(shí)時(shí)進(jìn)化的能力也使得攜程具備更強(qiáng)的創(chuàng)新能力，未來將會進(jìn)一步強(qiáng)化平臺的服務(wù)能效。
“攜程將會聚焦旅游，擁抱智能社會，堅(jiān)持聚焦全球旅游行業(yè)，并且利用AI做好從售前、途中到售后的全場景智能助手服務(wù)”，梁建章表示，下一步，攜程還將充分運(yùn)用全球?qū)崟r(shí)產(chǎn)品數(shù)據(jù)和億萬客戶的反饋，投入巨大人力保障常用內(nèi)容的質(zhì)量與準(zhǔn)確性。他還強(qiáng)調(diào)，“AI在旅游業(yè)的應(yīng)用才剛剛開始”。