飛豬AI意外出圈!邀請碼被黃牛倒賣,分分鐘搞定機酒預訂,堪比專業定製團隊

白交 發自 凹非寺量子位 | 公眾號 QbitAI
既想當說走就走的酷蓋,又怕踩坑當大冤種。
「既要又要」的旅行悖論,真要被AI解決了。這個垂直賽道終於殺出黑馬!
五一這不是要到了,這幾天小紅書上旅遊攻略,唰唰唰都在聊飛豬家的AI產品——
「問一問」,貌不驚人,但內有乾坤。甚至已經出現了倒賣邀請碼的黃牛帖了……
一開始原以為只是個普通的聊天助手,結果出乎意料的是,只需一句話就能預訂機酒,幾分鐘內就從交易到互動的閉環,真正做到了「所見即所能得到」
方案不滿意還可以直接定點修改重新生成,主打一個定製化服務。
而進一步扒開回顧它的思考過程,就會發現飛豬在產品的思維鏈上做了一個很有想象力的變化:
不是直接給你結論,而是讓你看到有多個專家在分頭出馬,呼叫即時的機票報價、酒店報價、路線庫等等,協同「腦暴」。
just be like專業團隊竭誠為你服務~
誰能懂?以往嘗試了那麼多AI來做旅行規劃,要麼就像是個「美麗的廢物」,輸出的內容給人感覺不錯,但可用性頂天有50%,與實際的食住行有很大偏差。
要麼就是內容過於泛泛,僅停留在攻略層面,光說不幹。如果要按著預算比價、預訂機酒什麼的,還得靠自己輾轉攜程去哪兒Booking各種App來完成。
相比於其他領域,AI在旅行場景的落地可能遠比想象中難度高得多
但現在,「問一問」產品雖然還說不上完美,在互動介面、回答質量到使用者價值閉環設計,它都比上一代的行程規劃AI前進了一大步。
甚至已經有「AI直接殺死比賽」那種跡象了。
對所有AI產品來說,所問即所得、所見即所得對使用者的誘惑力,只會越來越大。但從此前市面上產品來說,都還沒有實現『端到端』滿足需求的閉環。
飛豬到底如何做到?咱們進一步來看一看。

定製化的AI「專業團隊」

點開飛豬,「問一問」在「行程」這一欄。整個頁面與其他AI對話差不多——
對話方塊(支援語音輸入)+四個可直接觸達使用的基本模板:目的地推薦,機票/酒店預定、規劃行程。
但是具體使用下來,其實還是有很多不同的。
以「為我發現目的地」為例,即便提示詞過於泛泛,但它還是根據當前時間/所在地、各地氣候、景點熱度等維度思考得出了三種解決方案。
值得一提的是,有合適or不合適的方案選擇,可以點選旁邊「可編輯」圖示,進一步去修改完善需求。
這種「點對點編輯修改」其實還蠻重要。
大多數情況下,AI產品單輪互動無法滿足使用者需求,除非你提示詞寫得很完美,模型又聰明地能完全get並執行;
而當前很多通用或者垂類模型,當給出的方案不滿意的時候,補充互動的話相當於從頭開始推倒重來,一次次互動中模型還有可能突然出現幻覺,那就要重新開始。
現在這樣手術刀式的定點修改,其實就提升了互動效率。
這在旅遊場景更為重要,人的需求並不是靜態的,一次決策之前,人需要參考很多碎片化的攻略和評價資訊;具體的時間安排和消費契機,在實際的行程中還會反覆改變。你不可能一開始就有一份完美的攻略。
另外還值得說道的一個點,就是它的思考過程
它首先隱去了背後的模型,畢竟產品來說使用者體驗第一,背後是什麼模型不重要。
然後它將整個思考過程具體到步驟,每個步驟已經能看到專門的“專家”來負責,十分清晰也易於使用者理解。旅遊是個高決策難度、高客單價、低容錯率的場景。
「合理地展示覆雜」,本身就是一個說服的過程。
DeepSeek R1橫空出世的炸裂感,就跟它毫無保留地展示了思考鏈有關。「問一問」在這個地方的巧思值得專門講一下,因為這樣不至於像通用推理模型那樣展示一個單一的長路徑,也降低了等待造成的焦灼感,在體驗和效率上可以加分。

好,初步體驗到此,已經很明顯地感受到「問一問」作為垂類的C端產品同通用產品的區別。
如果想更細粒度地滿足個性化需求,還是依靠對話來進一步實現。
那麼就讓它來給我規劃一下五一行程。
五一期間想去青海省, 想去參觀自然風光拍照,也想體驗當地民族風情,請為我規劃行程。
結果它就開始思考和分工了——有路線定製師制定路線、智慧交通顧問查詢機票庫存價格、攻略達人看當地遊玩資訊、酒店顧問則看酒店資訊……
最後還有預算管理師給你估算價格。
透過調取飛豬本身的線上庫存資料、即時價格以及流行本地生活玩法、使用者評價等維度,才得出解決方案。
看給出的路線,既有像日月山、青海湖、茶卡鹽湖等自然景色,也有塔爾寺、藏文化博物館等,算得上是一個比較平衡的結果
而且具體到每一天的日程安排:吃啥玩啥住啥通通都有。最後還有個預算參考。
這個解決方案並不是最終的,你可以隨時點選當中的一些圖示進行修改景點路線。
還可以隨時調整預算,在方案的最後有個「預算調整」這一欄,你可以控制你預想的幅度,然後重新生成。
如果生成的方案你覺得OK,那麼就可以預定起機酒了。它給你列了幾個同類選擇,一鍵就可以預定。
最後生成的行程路線,可以製作成手繪彩蛋,可在地圖上檢視、編輯和分享。
總之,最後短短幾分鐘,就完成了五一行程的規劃,連機酒也給預定上了。
怎麼說呢,世界這麼大,現在更沒理由不去看看了。
說走咱真的就能走哇。

“場景玩家”的隱藏實力

大模型做旅行規劃這件事,業內已經有了審美疲勞。但直到用完第一個真正做到能用上「從互動到交易閉環」的AI產品,大家才會發現這件事的潛力和難度。
基於大模型開發旅行AI,技術方案的迭代還有N種可能,但在使用者價值上,有了個參考答案。
為什麼這麼說呢?
旅行場景其實一直是大模型早期落地的「試驗田」,大家看到了讓人眼花繚亂的演示,都想做,但時至今日沒有真正的爆品出現。
這也是為什麼小紅書上有人戲稱,已經看到了800個旅行規劃AI了,求別推送了。花了幾天時間做了個Agent,做完才覺得是個「偽需求」。只是看起來像規劃的規劃,連自己都不想用。
背後原因與場景本身、行業本身有關。
旅行是大眾的普遍需求,但又是個極為傳統、極為分散、資訊差巨大的產業。
每個人的需求都不相同,但從成本和效率的角度出發,目前的網際網路平臺最聰明的做法,就是把這部分依賴線下的龐大服務儘可能抽象並標準化,線上進行售賣。
所以,不滿足於“大路貨”的使用者對攻略的渴望越來越強烈。但做一趟旅行規劃,需要自行查閱大量資訊(如景點、交通、住宿、餐飲等),耗時耗力。
而且這些大量資訊融合了文字(攻略、評價)、影像(景點照片)、結構化資料(航班時刻表)等,巨大的複雜性,給利用大模型來落地服務提供了天然土壤。
這樣來看,場景天然痛點明確,受眾普適且廣泛,大家都想要分一杯羹也就不奇怪了。
但形成強烈反差的是,旅遊領域AI的進展相比於其他領域,卻遠遠不及預期。特別是對創業公司來說,需求美好的表象也悄然隱藏了打破行業壁壘的難度。
具體從決策和資料兩個方面來說。
旅行規劃是一組複雜的決策鏈路,涉及到使用者的食住行,包括不限於預算、交通、接駁、住宿、餐飲、遊樂、行程舒適度、個人偏好、簽證政策、退改規則、天氣等幾十種決策因子的相互博弈。這些因子中有的還是即時變化的,最典型的就是機票,需要即時連線到上游供給側。
還有在資料質量方面的挑戰。旅行資料具有“專有性”,很多無法從公共網路上獲取。比如機票庫存、航班變更,基本上都必須透過GDS(全球分銷系統)來付費獲取;酒店價格、房型、面積、是否能加床等,則需要透過訓練有素的銷售團隊談判、簽約,再進行標準化,進入傳統OTA的EBK等系統,以及一些景區的節令特點、適合遊覽的時間和風險場景等,有賴於龐大的生態和長期經驗。
對於通用模型來說,決策過於複雜多變,即時資料無法獲取,訓練資料又有所滯後導致泛化能力下降,無法適應這個快速變化需要即時決策的場景。在面對相關問題的時候,模型出現幻覺、準確率低的情況機率會更高。但更糟糕的是,這個場景裡的使用者偏偏對出錯的容忍度最低
因此如果僅透過簡單API或者工作流接入然後打造單個Agent來處理相對確定的需求,在實際環境中行不通。
飛豬「問一問」的可貴之處在於,它在產品思路上試圖向解決這兩個問題的方向前進
從以上測評中可看出,它是先分析真實的需求,然後框定相應的服務員場景,讓Agent基於此呼叫所涉及的資料工具,執行任務,構建出術業有專攻的專家形象。這種過程反映了飛豬的AI團隊瞭解應該用什麼樣的思路、步驟去服務一個使用者,以及如何交付最後的產品。
有了這一層面的know-how,讓大模型的能力才能在這一範圍內充分發揮、加以調優。
與此同時,針對那些確實過於極致的問題依然保留大模型的泛化能力。這一路徑對資料集的建設管理、大模型調教等操作的難度更大、成本也更高。
據飛豬內部透露,他們前期調研了大量旅行社、旅遊定製師等,把他們的工作流、知識、經驗,加上平臺的海量供應鏈資料、服務評價資料等結合,構建了一套相對完善的旅行資料集。
儘管目前使用上還有一些地方需要補齊,比如「附近」位置不夠精細,沒有連結到城際班車的資訊等。但從長遠角度來看,符合使用者真實需求、實用性強,已經從簡陋的ChatBot層面成長了一大步。
隨著AI在物理世界裡的深入,生活服務剛好是個備受關注也繞不開的場景。想要落地並不容易,但一旦實現,也將推動AI對於物理世界的理解和賦能。
這需要更多像飛豬這樣的場景玩家站出來,去理性看待並解決這些行業難題。
好了,最後送上AI給的五一青海以及昆明的攻略,有想要去的朋友可以取用哦~(以下兩個連結最好用瀏覽器開啟哦)
https://shorturl.asia/LUJZl
https://shorturl.asia/MQ8E4
所以大家五一想去哪裡玩?有什麼旅行需求想要拷問AI的?
一鍵三連「點贊」「轉發」「小心心」
歡迎在評論區留下你的想法!
—  —
🌟 點亮星標 🌟
科技前沿進展每日見

相關文章