OTA如何利用AIGC突破发展瓶颈？

撰文：陈杰

责任编辑：壮壮

7月17日，国内首个旅游垂直行业大型模型“携程问道”在上海正式上线，这代表着AIGC（人工智能生成内容）在旅游行业的实质性应用迈出了重要一步。发布会上，携程创始人梁建章阐述了旅游行业大型模型的机会，以及AI未来可能为行业创造的潜在价值。

不过，与对旅游垂直行业大模式前景美好的期待相比，金旅君更关心的是：

OTA如何利用AIGC突破发展瓶颈？

如果把旅行者的旅程分为三个阶段的话，分别是“旅行前”、“旅行中”和“旅行后”。

OTA面临的最大挑战之一，是如何更有效地在旅行者出行前向他们推销产品，延长他们在平台上的停留时间，从而深刻影响旅行消费决策，鼓励更实质的消费。

旅游垂直行业大模式的出现，似乎让携程找到了一种在旅行者出行前深度影响其旅游消费决策的有效方式。

事实上，梁建章在发布会上用了大部分的发言篇幅来深入阐述“OTA如何利用AIGC”这个话题，他的核心观点是：

人工智能可以使用自然语言更有效地回答旅行者在旅行前提出的问题。

在此基础上，大模型有两个核心任务：

第一，收集、优化、消化海量非结构化数据（以旅行者提问为代表）；

二是让结构化数据（商品、价格、路线​​等）成为“可靠答案”；

梁建章认为，只要携程能始终确保旅行者的问题得到可靠的解答，就能深刻影响旅行者的旅游消费决策，在旅行者得到满意服务的同时，平台也能保证业绩的稳定增长。

01

在旅行之前，我们可以将旅行者分为两类：

对自己的旅行需求不明确的旅行者；

有明确出行需求的旅行者；

前者的特点是，对一切与“旅行”相关的需求都很模糊，如“是否旅行”、“去哪里旅行”、“怎么旅行”、“吃什么”、“住哪里”、“如何规划行程”、“如何办理证件”……

这一类旅行者在开始旅程前，需要花费大量时间搞清楚上述问题。数据显示，他们每次做出旅行决策时，需要翻阅数十本旅游指南、数百种旅游产品，平均耗时11天9小时37分钟，这还不包括超过60%的旅行者费尽周折空手而归的事实。

后者的特点是对“旅行”的需求相对明确，目的地明确，但对于如何选择旅行相关产品存在诸多疑问，如“选哪家酒店”、“选哪个航班”、“选哪个景点”、“选哪个行程”……

统计显示，在确定单个目的地的情况下，平均出行决策时间为9.9小时，如果出行目的地超过两个，这一时间将延长至13.6小时。

这两类旅行者在出行前都有一个共同点：不断问自己问题。他们还有一个共同的愿望：希望有人能快速准确地回答这些问题。

对于大模型来说，这些“问题”就属于非结构化数据，大模型收集的非结构化数据越多，分析计算的结果就越接近其真实需求。

简单来说，模型越大，就越能了解旅行者的需求。

例如，大多数人在出发前都会问的一个问题是：

某个月份我应该去哪里？

这是一个非常模糊的问题，即便是最专业的旅行者也未必能立刻给出最符合提问者需求的答案。但当大模型收集到大量类似问题后，就会不断量化问题的相关指标，包括提取“提及最多”、“最佳月份”、“访问最多”等关键标签，结合历史气温、降水量、湿度、日照、风速等数据，并参考相关订单数据、攻略数据，最终在大模型体系中诞生“目的地适宜性模型”，按照一定的逻辑向旅行者推荐某个月份适合的目的地。

因此，我们会听到大模型的这样的响应：

7月，30%的旅行者选择前往阿维尼翁，那里有薰衣草、向日葵田、戏剧节；8月，更多的旅行者选择前往伦敦，趁国王休假之时参观白金汉宫；9月，不少旅行者选择前往多伦多，感受红枫叶、电影节的魅力；10月，德国慕尼黑的啤酒节与秋色最相配，是欧洲第二大热门目的地；12月，前往罗瓦涅米的旅行者中有28%会在这个圣诞老人的故乡过圣诞节……

这或许不是最正确的答案，但绝对是最能启发旅行者的答案。

梁建章透露，携程已筛选出超过200亿条优质非结构化旅游数据。

这些海量的数据可以帮助旅行者在出行前明确模糊的需求，缩短冗长的筛选流程，让旅行消费决策更加高效。

02

大模型不断收集非结构化数据，最大程度理解旅行者需求只是第一步，为旅行者提供最可信的答案，才能完成旅游消费决策的闭环。

当旅行者在旅行前通过携程平台提出问题时，他们常常会收到一系列尽可能详细的答案。

这本解答集的优点是详细、全面，缺点是冗长、复杂。

例如，当有旅客询问“大理哪家酒店最具设计感？”，平台可以为旅客提供数百家标有“设计感”的酒店列表。

对于旅行者来说，从数百家酒店中挑选出一两家符合自己口味的酒店依然是一件费时费力的事情。统计数据显示，在旅行者清楚了解自己的住宿需求的情况下，他们平均需要浏览14.3家酒店、23.1条点评才能选择到合适的酒店，总共耗时168.9分钟。

为了更好地解决效率问题，携程进一步强化内容，尝试推出“系列榜单”，包括口碑榜单（目的地、酒店、机票、景点）、携程热卖榜单和特价榜单（机票、酒店）。

简单来说，清单的作用就是提供答案集合的二次编纂。

我们以“大理哪家酒店最有设计感？”这个问题为例，榜单的评选逻辑如下：

第一，榜单从上亿点评中汇集了60万条大理酒店点评，涉及酒店数千家；

其次，通过一系列大数据计算，提炼出50多个与设计感相关的关键词；

再次经过线下审核确认，共计505家具有设计感的大理酒店入选；

最后大数据发现洱海附近有设计感的酒店更受欢迎，最终选定了5家酒店；

这份经过层层筛选的榜单，成为“大理哪家酒店最具设计感？”这个问题最可靠的答案。

为了让大模型能够采集和响应更加多样化的问题，携程开始扩充榜单类型，热门榜单就是其中之一。

热点榜单最显著的特点是利用“出行异常归因模型”，对“异常数据”进行收集、记录和分析，即根据携程多年来的数据预测值与实际值的差异，得出符合响应标准的数据。截至目前，该大模型已在60亿条出行数据中，发现了68万个目的地发生的1.2亿条出行“异常数据”。

这些“非常态”往往是吸引游客的核心因素，比如周杰伦海口演唱会、长沙发放文旅消费券等都是所谓的“非常态”。

当旅行者提出“最近有什么特色目的地”、“附近有什么不一样的玩法”等大模型问题时，这些产生“异常数据”的目的地就成为满足其需求的答案，帮助旅行者高效地做出旅行消费决策。

由于每个清单的数据计算量达到500万，算法选择率为1/100，并且清单是实时生成的，也就是所谓的“最新答案”，每当旅行者向大模型提出问题时，清单的内容就成为大模型优先回复旅行者的答案。

03

每一个大模型的背后，都有两股核心支撑力量：算法和数据。

众所周知，想要不断进化算法、积累数据，需要不计成本的疯狂投入。“携程问道”上线之后，业界其实也曾有过不少质疑：

携程是否准备在这方面投入大笔资金？

据携程财报显示，2018年至2022年，携程在产品研发上的投入高达452亿元，其中仅2022年，其产品研发费用就高达83.41亿元，占净收入的42%。即便是在疫情爆发的2020年，携程技术研发团队人数也占比48%左右。

这些数据的潜台词很明显：

如果你想做一个大的模式，携程会给你提供足够的钱。

在积累大模型数据方面，优质的旅游内容是驱动力，而这恰恰是携程作为交易撮合平台的短板。

不过，近两年携程不断加速内容生态的扩张。

除了继续通过交易积累更多交易数据和点评内容，携程已经开始积极产出更多原创内容。2020年的携程BOSS直播、2021年的携程社区与星球、2022年的口碑榜，以及今年升级的“系列榜单”，都是携程加强内容建设、支撑数据积累的重要动作。

据携程一季度报告显示，携程平台KOL数量同比增长45%，用户原创内容同比增长34%。

有趣的是，梁建章在对大模型寄予厚望的同时，也给大家敲响了警钟：

AIGC不可能完全取代旅行者的决策，特别是对于休闲旅游需求。

“旅行是一个寻求新奇和需求的过程，而且很大程度上是不可预测的。”

梁建章认为，AIGC只是通过算法和榜单，给旅行者提供一份选择的清单，怎么选、选什么，最终旅游消费的决定还是要由人来做。

“不可能指望AIGC完全代替客人做决定，它就像我的助手，我有一个很聪明的助手，但他不可能完全安排好我的行程。”

他还透露，以携程新推出的“系列清单”为例，无论算法给出的结果有多准确，在推送给旅行者之前仍需要经过人工验证。

“归根结底，AIGC在垂直领域的应用才刚刚开始，还有很多事情要做，值得更多期待。”梁建章最后表示。