从科技、零售、金融，再到医疗、交通、旅游，这波由ChatGPT掀起的AI狂潮仍在持续蔓延。

7月17日，全球OTA巨头携程正式发布首个旅游行业垂直大模型“携程问道”。携程董事局主席梁建章公开表示，AI的出现让很多行业效率提高，并通过成本降低刺激更多消费，而不同于很多物质消费需求逐渐趋于饱和，以旅游为代表的精神消费占比会逐渐放大，AI的出现会加速这个转化过程。

“AI与旅游的融合将会构建更美好的出行体验”，梁建章表示，AIGC对OTA的助力可以覆盖售前、售后、途中的全场景。比如，售前阶段，AIGC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；此外，AI助理还可以在途中提供更实时的导游和反馈。

不过，算法不能解决所有的问题。一方面，当前AIGC给出的答案并不那么可靠，而旅行是重消费，只有准确性接近100%才能让用户不留遗憾，有时候5%的落差也会让出行体验得不偿失。梁建章指出，AIGC所面临的挑战为垂直大模型留下了发展空间，“携程问道”正是在这种情况下应运而生。

另一方面，即便投入大量资源优化了算法，AI也无法完全代替消费者作出决策，尤其是在休闲旅游这种非常个性化的场景下，除了时间、目的地、行程等非结构性数据，以及价格、库存等结构性数据，最终的消费决策很大程度上还取决于用户偏好，而如何在种种不确定性中寻求确定性则成为了关键。

对此，梁建章认为，最优的解决方案就是依托于垂直大模型与人工校验打造一个可靠的答案库，并给每位用户留出一定的自主选择权。本次发布会上，携程推出这个答案库的内容产品载体：携程口碑榜、携程热点榜、携程特价榜。

垂直大模型+200亿数据打造旅游业的“答案库”

“旅行是一个非常复杂的消费场景”，梁建章在会后的采访中指出，这里面售前规划是最复杂、最耗时的部分，而最典型的用户困境就是，“不知道去哪玩、不知道怎么玩、不知道怎么玩省钱”。

根据携程统计，一个有着明确出行目的地用户，平均要在14.3家酒店、62.2个航班上分别纠结168.9分钟、136.4分钟最终才能下单，如果算上不同的景点，行前平均需要耗费9.9个小时，而那些没有明确目的地的用户，平均决策时间则长达11天9小时，甚至还有60%的人最终无功而返。

“我们还发现一个有趣的现象，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”，孙波援引携程数据指出，用户的下单时长、浏览的产品数量都在随着订单的积累而增长，“因为用户不会总是去同一个目的地、选择同一种玩法，而在新的旅行面前，上述困境又会再一次出现。”

事实上，这种消费变量多、决策链路长的场景正是AI的用武之地，此次推出的系列榜单就是携程依托AI针对上述出行困境给出的最佳答案。根据孙波介绍，这套榜单覆盖全球超3000个目的地，45个常用主题，推荐维度涵盖目的地、行程、酒店、机票、景点等，入选率均达到百里挑一。

其中，携程口碑榜是基于过往20余年的旅行大数据，在算法基础上对酒店、景点、行程的常用主题推荐并进行人力校验后综合得出的权威旅行榜单，致力于为用户挑选最经典的旅行产品，该榜单下设酒店口碑榜、景点口碑榜、行程口碑榜、目的地口碑榜等多个子榜单，整体入选率仅为1%。

携程热点榜则是基于过往对68万个目的地的旅行数据监测，通过真实值与预测值的比对，找到了1亿2000条异动数据，并形成了异动归因模型，从赛事演出、时事政策、文旅消费券、新开景点酒店等多个方向探究目的地突然“网红”的原因、预测即将发生的热点，为用户提供旅行灵感。

此外，交通和住宿的优惠力度一直都是影响大多数用户决定是否出行的最关键决策因素。为此，携程特价榜建立了独有的优惠指数计算公式，对机票、酒店等产品进行横向和纵向的价格评测，生成辅助用户下单决策的榜单，其中酒店特价榜平均每天有超过30000家来自全球的酒店实时上榜。

总体来看，不同榜单对应不同的消费偏好，服务不同的消费人群与消费场景。根据携程披露，从上线以来，热点榜的Z世代用户占比是经典主题榜单的1.2倍，05后用户的使用率更是达到1.8倍。但相较于社交平台上零散的种草内容，上述三大榜单的一个共同特点就是全面、准确、可靠。

“我们希望用户获得可靠的内容，放心的推荐”，梁建章表示，为了解决通用AIGC不够准确的问题，携程斥资打造了垂直大模型“携程问道”，后者筛选了200亿高质量非结构性旅游数据，并结合现有的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。

与此同时，携程还投入了巨大的人力对旅行通用回复内容进行生成和校验。根据官方在现场展示的一组数据显示，此次发布的每张榜单平均数据运算量达500万，经过全球30多个国家和地区的员工校验。按照携程的说法，继“放心的服务、放心的价格”之外，“放心的推荐”将成为平台的新名片。

以此次全新上线的行程口碑榜为例，该榜单通过2亿旅游订单进行行程抽取和热度计算，生成4500+的目的地组合玩法，再通过景点线路聚类模型和热度评分2大线路算法，以及3轮的业务专家校验，最终生成出景点线路层级的行程子榜，可提供500+的城市玩法、6000+的景点线路。

更重要的是，这套智能化的行程规划解决方案，可以让用户在出行时直接“抄作业”，一键实现体验与效率的飞跃。根据携程方面披露的数据，当前，目的地口碑榜与景点口碑榜可以覆盖超过30%的行前灵感需求，而行程口碑榜则可以将出行决策时间从9.9小时缩短至6.6小时，整体提升27%。

决策时长缩短27% 榜单就是平台价值的显性化

从数据来看，携程也逐渐赢得了用户的信任。

“口碑榜的表现超出了内部预期”，孙波在会后的采访中透露，最早上线的携程酒店口碑榜，当前已经达到70%的渗透率、60%的深度浏览率和82%的推荐率。这意味着，七成以上的携程用户点击过该榜单，六成用户至少被1个上榜产品种草，而看过榜单的用户中，超八成愿意推荐给身边的人。

某种程度上，榜单就是携程平台价值的显性化。不同于社交网络上的碎片化内容，携程的系列榜单是基于对供应链的深度理解、对旅行相关信息的长期扎实建设、以真实成交真实点评为基础具有可信可靠核心竞争力的有携程特色的内容产品，可以真正降低用户在出行过程中的交易成本。

一组直观的数据来自携程特价榜。根据携程介绍，该榜单可以通过秒级更新和灵活组合为用户实时推荐更优惠的产品与服务。其中，携程机票特价榜通过对“航班时间、航空公司、飞行时长、是否直飞”四大因子进行精细化的挖掘，平均可实现31%的价格降幅，榜单上线以来已为用户平均节省430元。

这种深度的降本能力背后是携程的自研算法支撑与供应链资源优势。根据梁建章介绍，“携程并不是今天才开始做AI这件事，当前，问道的算法后面不仅有最近加入的大语言模型，还有相当一部分是过往积累的搜索算法和机器人算法，所有这些加起来才有可能把算法的可靠性解决得比较好”。

除了模型参数之外，相较于通用大模型，垂直大模型也更依赖于特定的数据基底，而具体到旅游行业，作为一个拥有20余年经营历史的在线旅游服务业巨头，携程在数据广度与深度上均有无可比拟的优势，在7亿点评攻略、60亿行程数据背后均有完整的交易链路。

“携程非常强调数据真实性，我们做任何的点评投票的时候，就是真实住过这些酒店，去过这些景点的客人才有资格点评”，孙波表示，数据真实性是算法可靠性的基础，也是榜单可信度的保证。与之相对的则是，以抖音、小红书为代表的社交平台上，“货不对版”的翻车事件则屡见不鲜。

一位业内人士对电厂表示，旅游服务周期长、设计环节多，交易链路覆盖种草意图—对比筛选—决策出行多个环节，社交种草的方式并不适用。一方面是旅行产品的种草成本非常高，转化存在很多不确定性；另一方面是KOL代表小众人群的审美，并且带有强烈的个人主观色彩，参考性有限。

“旅行是一种低频消费场景，大数据推荐更能满足绝大多数人的旅行需求”，梁建章也认为，旅行决策更应该听大数据的，用真实的交易和真实的点评来投票，而携程通过点评体系的设计与AI推荐算法的融合，可以为用户带来更高满意度。此外，榜单的呈现形式也进一步降低了用户的操作门槛。

问题是，一次美好的旅行体验，不仅需要打通信息决策壁垒，还需要建立完善的后端的服务链。事实上，很多内容平台营销翻车问题就是出在后端的这个环节。毕竟，很多社交平台只负责前端内容种草，用户拔草后需要到交易平台消费，刨去中间存在的核销耗损，售后服务往往是另一重陷阱。

作为一站式服务平台，携程在资源的整合层面拥有天然的优势，不仅可以通过地点、兴趣、爱好、偏好、预算等选项迅速缩小选择范围，而依托过往的供应链积累、研发投入、流量建设，携程还具备强大的技术支撑、精准的流量定向分发和产品的交易联动，可以实现从榜单到产品的一键跳转。

此外，通过AI技术的助力，携程不断改进和提升服务效率，提升客户体验。

目前，其全球超过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均翻倍提升。此外，针对旅行途中的突发事件、异国就医、紧急翻译、失物找回等需求，携程还专门打造了“全球旅行SOS平台”，截至目前，这个平台已经在100多个目的地完成了14000余起求助。

对于用户来说，从行前规划、途中服务到售后保障的出行全场景，如今都可以通过一张榜单搞定。值得注意的是，在引入AI之后，这更是一份可以持续迭代的解决方案。按照梁建章的逻辑就是，这种实时进化的能力也使得携程具备更强的创新能力，未来将会进一步强化平台的服务能效。

“携程将会聚焦旅游，拥抱智能社会，坚持聚焦全球旅游行业，并且利用AI做好从售前、途中到售后的全场景智能助手服务”，梁建章表示，下一步，携程还将充分运用全球实时产品数据和亿万客户的反馈，投入巨大人力保障常用内容的质量与准确性。他还强调，“AI在旅游业的应用才刚刚开始”。