• 张帆
    妙计旅行 | 创始人 & CEO

    人工智能在自由行上的探索

    很高兴今天有机会能够跟大家再交流一下,我们一个技术团队如何理解旅行和如何思考旅行?

    我们其实是一个人工智能背景的团队,我之前在法国读书,也都是在读人工智能相关的知识,后来在搜狗、腾讯全部在做人工智能相关的研究,都是在做语意理解类似于Siri这样的产品。所以当我们这样一个团队,当我们聚集了100位工程师,我们研发了两年的一个旅行产品,会是一个什么样的想法?希望今天能够跟大家做一点交流。

    一开始的时候,我们说旅行体验的真相是什么?我们到目前为止,不敢说万计,但数以千计的网站在给你提供各种各样的服务,数以十万计、百万计的旅行社在给你提供各种各样的服务。我们有非常多的选择,但是在今天,当我们要做一个,满足我们自己旅行的时候,是否容易?我们来分析一下,通过几个方面来说:

    第一方面:从体验上来讲,我们之前看到expedia(算是美国的携程),这么一个大型的在线旅游、销售产品的网站,它发出一个报告,提到一个数字。它说平均全球每一个人,在计划自己旅行,需要看38个网站。这个数字还蛮惊讶的,虽然我一直认为这个数字很多,但我没有想到会多成这样。那我们就来分析一下,为什么会有38个这么多?

    我们想象10年前,可能应该没有38个网站,因为10年前旅游的网站一共都没有这么多。为什么到今天有38个网站?我们觉得可以看到,到今天为止,我们的品类变得极大丰富。以前如果我们住宿的话,可能我们只要定一个酒店就好了,但今天我们还裂变出很多新的品类,比如airbnb、homeaway,包括可能很多以前没办法在互联网上预定的线下帐篷区?;股隽艘恍┬碌钠防?,比如华人的酒店(华人开的),你到了外国逛一圈晚上回来,老晚上还给你包个饺子这种,也会变得很多。

    所以我们会看到,品类变得非常多,光住宿这样的职能,我们就变成很多网站来支持。很多品类,每个品类又有很多网站来提供有微小差异的服务。所以到今天为止,这变成一个非常庞大可能性的旅行。所以好的一方面来讲,我们每个可都可以定制一个非常个性化的旅行?;档囊环矫胬唇?,这个难度变得更加巨大。所以我们相信,随着互联网进一步的发展,我们一定会有越来越多的品类。38一定不是尽头,未来可能会变得更多,一定是这样的趋势。

    但是我们真的能够承受更多的网站吗?其实很难,我觉得38基本已经到达极限了。一个用户不可能说,我偶尔去一趟某国家,我要了解这个国家所有的网站和所有的信息,这是一个非常困难的。所以当我们的基础信息变得不一样的时候,就需要有新的模式解决。所以我们是怎么想的?

    我们想的是,当你有非常多的可能性,举一个例子大家可能会很清楚,比如像以前我们的网站,只有百万级的网站,而每个网站的层级又很浅的时候,其实雅虎是一个非常好的搜索引擎,你可以非常容易的找到你想要的信息。但是当我们今天有千亿级的页面,而网站的结构变得极其复杂的情况下,可能就不再是一个好的办法了。所以谷歌诞生了,它变成一个好的办法。

    所以对我们来讲,我认为自由行的旅行,到今天其实我们体验并不好,我们要做一个计划要看38个网站,但未来一定不是这样的。所以我们在探索,是不是能够找到另外一个方式解决这个问题。

    第二方面:除了用户角度之外,我们再从市场角度考虑。全中国在线旅游渗透率只有10%几,但部分还是通过线下的方式在做,可能就是传统的旅行社。我们得到一个非官方的数字,中国有数百万旅行行业的从业者,就是线下旅行社,有数十万的门店,而这些门店往往都开在非常好的地段,比如北京站门口,我们看到很多楼里,一层一层的全是旅行社。

    所以这个加在一起,数百万的从业人员,如果一个人身上,把所有的费用,人的费用、房子的费用、营销的费用全算上,一个人摊10万的话,每年就是一个数千亿的成本,我们每年要花一个数千亿的成本来购买旅行的服务体验。

    但是我们仔细想一下,我们体验到底跟旅行社有没有关系?好像我们的飞机也不是它开的,火车也不是它开的,酒店的菜也不是它炒的,节目也不是它表演的,它好像跟我们的体验没什么关系。那它做了什么?它帮我们做了一个信息的对接,它让我知道了那些我本来不知道的东西。

    那我信息对接的质量怎么样?

    第一:强烈压抑我的个性化需求,我没有办法说想怎么玩就怎么玩,我如果到了巴黎,我说我想吃一个当地的餐厅,可能不可以。你需要跟团,不能拖团。

    第二:口碑也不是特别好,因为我们经??梢钥吹礁髦指餮男挛?,讨论购物等等这样的问题。

    所以等于我们每年花了一个数千亿的成本,买了一个不是那么满意旅行服务的信息体验。所以这个地方、这个钱是不是能被省下来?其实互联网也并不能够帮你做10几个事,互联网没有办法帮你开飞机,也没有办法帮你开火车。但是互联网能做什么?就是一个高效的信息对接。比如像今日头条这样,可能以前每个人,全中国只有几千本杂志,你只能挑一本你觉得最满意的。而到今日头条出来之后,它可以对每个人提供属于自己的杂志。但是恰恰因为它是一个信息,如果它是一个实体的东西,可能就没办法做了。所以恰巧互联网是最有机会能够帮我们省掉这些钱。

    听到这个真相之后,我自己感觉有点惊讶,所以就做了一个这样的表情。我们继续往深入讲,什么样的计划才是一个完美的旅行计划?我们现在看到的旅行计划非常多,我们到任何一个攻略网站上,都看到大量旅行游记、攻略,但到底哪个是好的?包括旅行社里,包括设计线路的那些人,往往你都不知道他到底有多么强的能力去做?但目前为止,我们都没有一个标准讲,某一个线路到底是好还是不好?所以到底什么样的计划才是一个旅行完美的计划?我们所有网站上看到的这些计划都是好的吗?其实并不是。

    说白了解决这个问题,我们今天想说,一个人在做一个旅行决策的时候,应该是一个什么样的流程?我们先冷静下来分析。我觉得旅行是一个感性的事,但其实任何一个感性的事,都可以用理性的方式解决。

    所以,首先当人在做一个决策的时候,他通?;岱治娇榫霾撸?/p>

    决策一:主观的决策。我到底是巴黎还是伦敦?去巴黎我到底是去埃菲尔铁塔还是卢浮宫?去卢浮宫我到底是逛两天,还是逛半天,这是一个主观决策,没有对错。没有任何人可以告诉你,你决定卢浮宫玩两天是对的,玩半天是错的。没有,因为这是符合你自己的需求,是一个非常个性的东西。

    但当你的个性完成了之后,你需要做什么?你需要把它变成一个实际的方案,把你的需求变成一个落实的方案,这个时候就变成了一个客观的需求。当主观需求时,无论是机器还是人,都很难告诉你,什么更好,需要你自己发现最好。

    决策二:客观的决策。而到客观的时候,比如我到了巴黎,就是要玩3天,埃菲尔铁塔我就登个塔顶,卢浮宫我就进去逛半天。协和广场我拍得到就走,米其林三星我要吃一顿,当你确定的时候,这就是一个客观问题了,它是有好坏之分的。如何让我最高效率,能够满足完成我的需求,让我的效率最高,无论是经济效率还是时间效率等等。在这种情况,就有好坏之分。

    所以,我们一个完美的旅行,应该分成主观决策和客观决策。那我们下一步想到,就旅行计划而言,我们作为一个专门做技术的团队,到底人和机器谁更靠谱?经过我们自己的研究和尝试,我们得到结论是两个都靠谱。他们解决不同的问题,这是有一个结合的。比如我们看到,刚才讲到的主观,是一定靠人,你没有办法靠机器告诉你。我可以告诉你,卢浮宫80%的人是要玩2天,10%的人玩一天,但并不代表你应该选择80%人玩的方式,因为每个人都是不一样的决定。

    但机器能够帮我做得是什么?是效率更高的计算。这样讲可能比较抽象,举两个例子,大家可能更加清晰。

    例子一:我现在要去欧洲玩,我有9天的假期,我要在伦敦待三天、巴黎待三天,莫斯科待三天,这是我的一个需求。按现在的方式,我们要怎么买票?按现在的方式可能打开去哪儿,或者打开更喜欢旅行的打开天云,然后自己去找,我从北京出发,到这三个地哪最便宜。我找到一个最便宜的,我买一张票飞过去,我之后再去找下一个更便宜的,用这样一个方式购买,这可能是通常我们了解会购买的方式。

    但是这样得到的方式是最优吗?其实在计算机里,其实有一个描述这样方式的算法,叫贪心算法,我每一步都选择当前最有利的方案。但是往往我们知道,贪心算法得到的方案,并不是全局最优。我可能飞到巴黎最便宜,但当我从巴黎购买了之后,会导致我后面两程都变贵。也许我飞伦敦比巴黎贵两百,但也许我能赶上两张特价机票,这个都是有可能的。所以这并不是以距离衡量的事,是有各种排列组合,结合各种交通方式跟机票,得到共同的结果。

    其实按数学角度来讲,这其实是一个阶乘问题,各种排列组合。如果三个还好,如果你去欧洲玩10个地方的时候,那你可能就变成10的阶乘这种可能性,10的阶乘是360万,你还要考虑两点之间,可能是飞机、火车、大巴、自驾、渡轮,一称乘又变成千万了。如果你考虑,即使是飞机,两点之间,一天有几十个航班,每个航班又有几十个网站,分别卖不同的价格和不同退还票政策,所以这可能是一个数亿级的可能性。

    更恐怖的是,每一分钟这个价格都在发生变化。你的最优解是时刻在变化的,也许在这一秒这样一个方案是最优,下一秒就变化了,所以这不是一个人能解决的问题。

    例子二:关于城市内的计划,我们之前做过一个小的实验,我们当时去上海,找了20几个在上海当地生活的人,旅行的爱好者。我们做了一个H5的小游戏,我们跟他们讲说,我们有一个同事想要来上海玩,但是他没有来过,请大家给一点建议。我们当时怎么做?为了防止大家认为我们是预先设计好的,所以我让大家投票,说我们到底该住哪个酒店?大家投票选定了一个酒店,投票选定了20几个景点、几个餐厅,主要就是这样一个方案。

    然后我们说,我们简化一个问题,就把它变简单。我们假设用户在每一个景点游玩的时间是一样的,定好了,我在这个景点玩一小时,就玩一小时,不改了。然后麻烦让这些人,帮我们把它变成一个具体的方案,我们要求很快简单,很符合正常用户的要求。

    第一:我要求在路上少花时间,多花时间在玩上。

    第二:少花钱。

    第三:我到的时候景点要开门。

    第四:我吃饭的时候要在饭点。

    这是一个非常正常的要求,然后大家去排列。同样大家脑子里当时没有印象,不知道什么算是一个好的。所以我们用计算机给它打了一个分,20分钟之后,大家每个人都提交了自己的方案,我们大概收集了20几个方案,然后我们用机器给他们分别打分。

    我发现第一名,让这个用户,在这条线路当中,让用户玩的方案,走了100公里,在5天的时间里?;?0个小时在路上,花了300块钱,其中有两处错误,就是刚才提到的,去了没有开门,或者时间不对。

    第二名让用户走120公里,12个小时在路上,多花两个小时,钱花得差不多,也有两处错误。那到第20名就不用看了,到后面可能都两三百公里让用户去走了。但大家要注意,这个体验是一模一样的,因为你去的景点数一模一样,在每个景点待的时间一模一样。

    所以在这种情况下,我们就问了第一名,你怎么能够做这么好?第一名也非常诚实,说其实我是旅行社工作,专门帮别人做方案,所以我特别熟。我们说OK好,那我们看一下,1秒钟,机器能给我们一个我什么样的方案?所以我们当时1秒钟机器算了一条方案,只让这个用户走70公里,比第一名省3个小时在路上,省了100块钱,且一处错误都没有。

    大家想说,是不是因为这几个人太笨了,如果让这几个人再更厉害一点,或者再更努力一点,或者给更多的时间,是不是能做得更好,其实并不是。这类似于我们刚才说的问题,在不考虑时间弹性的情况下,每个景点完全固定的情况下,你就是在降低你的复杂度。在这场景下,其实这依然是一个排列组合问题。

    5天的时间,24个景点,有多少个排列组合?是24的阶乘,24阶乘是多少数字?是6.2×10的23次方。比如说对于我这样一个5天的计划,我有6.2×10的23次方这种可能性在里面,这是一个非常庞大的可能性,这不是一个人能找得到的,而且5天并不算是一个特例。

    其实说白了,这个问题非常像AlphaGo,有点像围棋的问题,国际象棋其实很容易能够辨析,而围棋不能,是因为它可能性太多,每增加一个选择,它就会翻一倍的可能性。所以这是一个指数在增长,其实旅行也是如此。当你的缕一条旅行线路里,每多增加一个景点,其实它就会有翻一倍的可能性,所以这也是一个非常复杂的问题。

    我们也是通过这样的例子发现,其实人也非常难把这个东西处理好,因为可能性太多。而这里面,你要考虑的条件,远远比我们想象的多。举一个简单的例子可能更直观,为什么今天是一个信息爆炸的时代,如果放在10年前,旅行信息太少,你找到一点信息就非常有帮助。而到今天为止,你随便搜一个景点,可能互联网上,轻轻松松搜到两万篇游记,信息太庞大了。

    再举一个简单的例子大家共同理解,比如开关门时间这个事。传统描述开关门时间怎么描述?比如像卢浮宫,会说几月到几月是淡季,礼拜一到礼拜五是几点开门几点关门,礼拜六到礼拜日是几点开门几点关门。几月到几月是旺季,礼拜一到礼拜五,礼拜六到礼拜日。每年哪两个月要关门整修,每个月最后一个周五学生免费,这是一个通常的描述,大家听起来觉得还挺清楚的。

    但是当你在这一个城市待5天,玩30个景点,面对30段这样话的时候,还清楚吗?从另外一个信息效率的角度上来讲,我就2月1号到2月10号在这个地方,你为什么告诉我7月份关门、8月份整修,跟我有什么关系?再严格一点,我只有2月1号的上午,10点到12点我这,至于晚上几点关门,跟我也没什么关系。

    当然大家也会提到,旅行其实是一个爱好,我在计划的过程当中,这也是我一个乐趣、兴趣在里面,其实这一点我不完全同意,我部分同意??赡芏杂谝桓雠脞堪谜呃唇?,他的爱好是炒菜,但并不是打一个锅。所以我们会更好机器的效率,能够让他更高效的把精力放在主观问题上,知道该怎么玩?而客观的时候,由机器帮他解决。

    说回来,可能大家也了解一些我们的逻辑,时间限制,不可能把它说得很详细。作为一群技术屌丝,为什么我们来做妙计?其实旅行计划这个事,并不是一个新鲜的领域,可能很多年前就有人在做,到目前为止,也不断有人在做,而不断有人在死,不断还有人在做。为什么我们还有勇气,作为一个外来人做这个事?

    是因为我们相信,在妙计出现之前,所有旅行计划工具,包括到今天为止也一样,所有旅行助手全部都是一个计划工具。怎么解释这个?我可以非常容易定一个明天我要去巴黎,上午飞巴黎,玩10个景点,然后晚上回来。非常容易,一分钟我就可以定一个这样的计划,有很多工具能够让我支持做这样的事。

    但是明天有没有飞巴黎的航班?我不知道。巴黎明天10个景点都开门吗?我不知道。一天能不能玩10个景点我也不知道,一切的决定还是由你来做。你自己要做一个详细的决策,只是这些工具让你把它记录进去,并没有降低你的复杂度,只是把它变得更好看一点,偶然能够让它替代excel。

    但是妙计来讲,我们想做的事情,是真正能够把决策成本降低。让一个小白用户,只要提出他自己的要求,就能得到一个很棒的结果,这是我们在做的。为什么我做妙计?是因为我之前自己在欧洲读书,我在欧洲生活5年的时间,我经常喜欢买一些很便宜,比如经常买到一分钱的含税机票,比如我经??悸侨绾稳梦业穆糜涡矢??我要买一张火车通票,每天晚上我都要住在火车上,不但能够节省住宿费用,而且我可以从每天早上7点,玩到晚上10点,我白天的旅游效率能够翻倍,这是一个纯理性的思考去这么做。

    但是我会发现,我可能做得很好一个方案,是因为我偶然的机会,知道这些信息、网站、促销,偶然得到这样一个想法。那这是一个局部的数据,我从局部数据里,怎么得到一个全局的费用?所以我突然意识到,这不是一个人能解决的问题。

    所以到今天,我们发现互联网上有越来越多的品类,越来越方便的产品,越来越透明的时候,我觉得有机会,能够把这些产品整合起来,让每一个人都可以得到一个个性化的旅行方案。

    所以在妙计,大家可以非常容易的,只要提出你的要求,就可以得到一个旅行方案。而这个方案,是通过全球,大概上千家网站,甚至更多的信息,来帮你反复比对、排列组合,生成数十亿种可能性,找到那条最优。而你可以清楚的知道,不断提自己的决策进行修改。比如你说我是××联盟的成员,我不想早起赶飞机,我不想做马航。每个时刻,你都可以看到自己的决策带来的成本,决策是由你来决定,而我们希望能够提供一个工具,能够让你决策变得更加高效。

    在妙计里非常容易,我们就可以得到自己的每一个旅行都是我们的一张卡片,每一个卡片都是我们的一个行程。所以非常容易的,可以得到自己旅行的家,每一个都是自己的计划。而且妙计会让你的计划不再是纸上谈兵,而是一个实实在在,可见即所得的计划。

    谢谢大家。

    主持人:来到互动环节,点赞最多的问题是,穷游和马果果都有自由行定制功能,但实际体验过后行程安排,还是以景点为主。去旅行更多想体验当地的氛围,对于我们这一类用户怎么满足?

    张帆:我觉得这是一个比较细的话题,其实绝大多数用户需求并不要那么深。我刚才讲是景点排列,那是一个大方向。但是因为我们妙计是一个平台性,我们希望做信息的整合,我们自己不卖任何一款产品,我们自己也不编写任何一个信息,而我们是通过互联网帮你提高效率,找到那些你想要的。

    比如你说有当地气氛的这些产品,其实互联网有很多人在卖,包括每个国家都有自己的人在卖。所以我们也不断在接入这些东西,让你可以清楚的知道,有哪些当地的产品能够提供服务?有哪些产品可以供你选择?而我们是一个信息的聚合,仅此而已。

    所以我觉得,这一个版本,我们目前还没有把本地的门票等,当地的一些特殊体验加进来。但很快未来一两个月之内,我们就会把这些信息都加进来,全球我们也找了很多比较大型的公司,都签订了合作的方式。

    主持人:第二个问题,用户总是韧性的,获取最优,因为用户身体不适,或者延机导致后续计划变更。人工智能的旅行计划,真的能满足用户吗?

    张帆:你说的这个问题,跟人工智能还是人计划没区别,特别情况总会发生,跟用什么计划是没关系的。

    但是我觉得,有一点可以不一样的地方在于,人需要时间计划,而机器可以在每时每刻,都可以基于当前状态最优的选择。如果因为你生病了,而且你要去退机票,那机器没有办法预测到你会发生这样的事,所以如果你要退机票的成本还是会有的,无论是人订还是机器订都不可避免。

    但是当你发现一个飞机误机,但这个时候,你依然非常想去,机器可以告诉你,在当然这个状态下,有没有更优的解决方案?基于当前最好的方案,这是机器能告诉你的。

    另外一点在于,我们从来都认为,旅行城市间大的方案,大家可能不太会改变。因为我一旦买了票会有成本,但城市内的旅行方式,可以时刻在变化。这也是机器带来的好处,无论你行前做了多么厚,多么精细的路书,当你再走的时候,都会发生不一样。但是机器可以在每时每刻,随着你当时的状态,帮你不断调整,可以不断让你找到最优。

    所以在行中的变化,反而是机器更擅长去做的。

    主持人:比如说,我今天下雨了,我不想去那个地方了,然后我用妙计的应用,我只要改一下,它就会马上生成一个新的行程。

    张帆:甚至可能都不是改一下,举个例子,如果我在巴黎,我想去凡尔赛逛那个大公园。结果我突然今天早上起床,发现下暴雨了,其实凡尔赛这个地方不适合下雨天去,用户未必知道,但机器可能是知道,我们会提示说,这个地方可能并不适合,我给你推荐三个方案吧。

    一种是可以跟明天的卢浮宫换一下,另一种是不去到这个景点,换另外一个,通常你可以清楚知道自己每一个决策的成本,你一点击之后,马上变成一个新的方案。

    主持人:这个现在已经支持了吗?

    张帆:一个月之后的版本,就会支持这个功能。

    主持人:第三个问题,关注你们很久了,日本自由行啥时候能用起来?欧洲太贵了。

    张帆:我们其实有一点产品洁癖的团队,所以我们100位工程师(140名员工),我们研发了两年的时间,也是刚刚才上线。能够研发那么久,因为我们自己在内部已经做了三次大的迭代,为什么我们没有选择周边这么容易产生交易,大家更容易选择的地方?是因为我们想试图用技术证明,有没有这种技术计划的可能性。东南亚很简单,因为你到一个地方,酒店待5天就出来了,其实这没什么可计划的。

    所以我们为什么选择欧洲?欧洲是全世界最难的地方,它的城市密度最大,交通方式最多样,定价体系最成熟,语言也非常多。所以欧洲是一个最难啃的骨头,所以我们之前花了大量的精力,在验证找我们新的算法,验证这种模式可行。

    在我们上线之前,我们恰恰这块东西已经做完。所以在未来3个月的时间,我们基本上会把全世界都铺玩,但我们铺目的地的时候,速度会非???。我们可能大概在下个礼拜(或者下下个礼拜),就会上日本和澳大利亚。

    相关视频

    丧尸来袭_西部牛仔_不朽情缘_福禄寿_Bonanza