原标题：AI大模型，能否解决旅游“三难”？
（文/贺喜格 编辑/吕栋）
对于外出旅行的人来说，出门时经常会遇到“三难”：去哪玩、怎么玩、怎么玩更划算。在大多数人看来，选择旅游目的地、制定详细行程计划、预订交通和住宿等，是出行前一项耗时耗力的难题。
而随着AI大模型时代的到来，不少大公司正试图用大模型重构行业，提高生产生活的效率。那么在旅游行业，大模型能否施展一技之长呢？
昨天（7月17日），携程集团宣布推出旅游行业垂直大模型“携程问道”，计划将其用于为旅客提供行程规划服务的行前场景。
观察者网测试时发现，“携程问道”有不少可圈可点的表现，比如可以推荐适合不同季节的目的地，筛选机票，甚至还可以帮用户规划行程。但就像其他刚问世的大模型一样，“携程问道”也会出现“智障时刻”。
携程集团董事局主席梁建章坦言，伴随AIGC生态的演进和进步，OTA行业可以通过AI更高效的解答用户的问题，而挑战是如何保证这些答案变得“更靠谱”。
他这席话，也指出了大模型应用中的最大难题，那就是如何让用户更放心。
旅游“三难”
在发布会现场，携程用数据直观体现了人们的旅游“三难”。
携程集团首席市场官孙波透露，每天有千万级的用户来到携程，这些用户当中有60%已经有了明确的目的地，但这些用户的平均决策时间仍然达到了13.6小时；剩下40%没有明确出行目标计划的用户，一次真正的旅行决策平均需要11天9小时。
孙波介绍，“挑选酒店的用户，从开始浏览到下单，平均要在14.3家酒店里纠结，看过23.1条入住点评，平均要耗费168.9分钟。订机票的用户，平均每个用户要浏览62.2次不同日期、不同起飞时间的航班，对比过8.2家航司不同的条款，之后才会下单，耗费136.4分钟。”
此外，找景点的用户，要在4个景点里选择比较，才能定下其中1个，而在单个城市平均要打卡的景点数量是2个以上，所以纠结的时间会再度翻倍。
“在确定一个目的地的情况下，用户也要花上9.9个小时来做各种功课、做决策。当用户想去一个地方，往往他又不止是只去一个地方，所以有37.8%的用户行程当中会关联2个及以上城市。到这里，用户的平均决策时间已经上升到13.6小时。”孙波说道。
还有一个有趣的现象，用户的决策效率并不会随着他们旅行阅历的增长而得到提升，相反，用户下单的时长、浏览产品的个数，都在随着定单的积累在增长。
至于40%没有明确出行目标计划的那部分用户来说，看的信息则更多，犹豫和纠结的时间会更长。平均每一个用户要看近百条旅行产品、有数十篇攻略内容，一次真正的旅行决策他们平均需要11天9小时来下这个定单。
总结起来，从13小时到11天，用户都在纠结“去哪玩”“怎么玩”“怎么玩更划算”的问题。
大模型能否更高效的解决这些难题呢？
据介绍，携程旅游行业垂直大模型“携程问道”具备并将持续迭代两大方面的能力：
1.对用户需求尚未确定的，为其提供出行推荐服务，支持解决用户“不知道去哪玩、不知道怎么玩、不知道怎么玩省钱”的一系列需求。
2.对用户明确的需求，可提供查询和引导预订的服务。用户可直接发送文字、自然句长语音形式进行机票、酒店等产品预定。
梁建章介绍，“携程问道”是在通用大模型的基础上，筛选200亿高质量非结构性旅游数据，结合携程现有结构性实时数据以及携程历史训练的机器人和搜索算法，进行了自研垂直模型的训练。
他认为，相比常见的通用大模型，“携程问道”的最大优势是其在旅游行业的多年经验。“携程全球有几万名员工分布在世界各地，他们是旅游专家，所以携程能够比较低成本、高效地去做这部分的工作，把算法、人工跟实时的数据结合起来。”
旅游行业垂直大模型体验如何？
“携程问道”大模型产品已开始进行线上内测，观察者网也进行了一番体验实测。
向携程问道询问“暑假去哪玩好”，携程问道给出了青岛的建议，并直接跳转至携程APP中的“目的地口碑榜”，这份榜单共有20座城市，青岛排在第一，同时分别给出了各个城市的上榜理由。
继续询问去往青岛的低价机票，其给出了最低票价航班的建议，以及近期每日的最低价格航班信息。准确度方面，生成结果与后续手动设置条件搜索的结果一致。
接着要求它定制一个青岛的五日行程，携程问道也给出了相应推荐，行程详情中，包含了每个景点的推荐理由以及各个景点之间的车程。
与过往相比，携程问道大大缩短了在APP内的操作流程，但也有满足不了的需求。
比如让它根据这份定制行程推荐合适的酒店，生成显示的结果，与没有“根据定制行程推荐”这个前置条件所推荐的结果并无二致。
此外，如果不将聊天框中问过的问题清除，后续再问其它问题时，生成的答案依然与前面的问题相关。比如输入“我想去滑雪”，但生成结果依然是推荐青岛的酒店。
关于大模型的正式推出时间，携程方面对观察者网等媒体表示，中国市场对于大模型产品的推出有一定的限制条件，随着国家相关规定和规范的不断更新，“问道”也将大规模推向市场。
“不可能完全代替消费者的决策”
梁建章认为，伴随AIGC生态的演进和进步，OTA行业其实也在面临一些新机遇，但同时也在面临挑战。机遇在于自然语言能力的优化，可以通过AI更高效的解答用户的问题，而挑战是如何保证这些答案变得“更靠谱”。
他提到，AIGC对于OTA的助力，可以覆盖售前、售后、途中。售前阶段，旅游存在海量的非结构化和结构化的数据，AIGC的出现可以消化海量的非结构化数据；售后阶段，自然语言和机器人则可以提高服务效率和体验；在途中，AI助理可以提供更实时的导游和反馈。
同时梁建章也认为，AI助理不可能完全代替消费者的决策，尤其是对于休闲旅游的需求。
最终的解决方法还是用算法、榜单提供最佳的一个选择的清单，让客人去选择，还是提供一个清单、列表，让客人不断筛选，最后选择适合客人的产品，不可能指望AI助理完全替代客人去决策，梁建章举例称，“就像我的助理一样，我有很聪明的助理，但不可能完全安排我的行程。”
另外，受益于人工智能的发展，携程的客服效率也得到了提升。
携程集团CEO孙洁向观察者网等媒体介绍，“在AI模型的助力下，我们在3个方面的客服自助率都有了翻倍提升，包括全球超过20种语言的线上自助回复率、邮件自助回复率和电话语音自助解决率。”
据携程方面介绍，目前，通过AI的辅助，可为携程客服日均节约1万余小时工作时间，相当于日均解放超1000名客服人力。
随着AI技术带来的基础客服工作效率的提升，携程客服也开始了售前服务转型尝试。“我们很高兴可以让携程客服做更具创新性的工作。”孙洁在现场宣布携程客服售前直播间正式上线，首批携程客服主播亮相。 返回搜狐，查看更多
责任编辑：
