最近在犬校发了一帖，吐槽点评的数据非常强大，但用户找店的入口非常分散。很多很高价值的找店场景，别说浅度用户不会用，我他妈都不会用。很多点评首页首屏、频道首屏入口，我这辈子都没点开过。
但用户找店的场景的确太分散了，我一时间也没想到怎样优化到一条简洁的主路径上。
6 月去天津看童漠男的脱口秀（最近一个月跳城看了 8 场线下专场），忽然想到，大模型问答实时生成攻略 3.0 来劲……
举例：天津南站附近有什么好吃的煎饼果子！这是我自己的真实场景，语音提问（豆包的语音交互体验绝佳），实时生成 POI 列表+笔记列表，接着不断地引导用户延伸提问，生成更符合实时需求的推荐列表。
试想一下，“大模型语音问答” 可能是点评找店的最佳路径。我想了想平时怎么用点评找店，都可以套进这一条简洁的交互流里。自然语言问答迅速拉平门槛，让哪怕小白用户也能深度使用点评（对日活贡献巨大），让点评的结构化数据发挥最大价值（对品牌与价值贡献巨大）。
所以，大模型对于点评和携程都是利好。
大模型最擅长做的事情，就是理解输入的语料，也理解自然语言的提问，基于语料进行强逻辑、强总结的回答。
我代入自己的场景，觉得找店，找酒店，都套得进去。来回几轮自然语言回答以及启发式提问，比摸索筛选项舒服很多。
这个动作，看起来只是对老用户提效？不是的，最大的价值是许多用不好筛选器的浅度用户，可以在大模型加持下，获得和深度用户一样的体验。
比如我经常吐槽点评的 APP 信息结构还停留在 2016 年分类网站的水准，高价值的信息分散在各个入口里，有的入口我都不会用，不常用，想不到。但自然语言提问可以在一瞬间将所有用户的搜索技巧拉平，为浅度用户赋予深度使用的价值。
这一点，对点评 APP 尤其重要。毕竟订酒店是刚需，找店不是——培养浅度用户在点评找店的习惯很慢，很难，简化找店交互可以快速弥补这个缺口。
2015 年，我在携程做过周末生活与周末酒店，发现许多用户在找周末酒店方面有需求，但迷失在复杂的筛选器里。那时我很难优化这个筛选器，现在一定会用大模型来实现自然语言问答。这类非刚需的订酒店场景，对于携程亦有一定的业绩提升空间。
犬校同学提问：
一直好奇小红书的回答结构化程度高，搜索心智强，为啥小红书没有做这个能力？
我：点评也好，携程也好，大模型加持的优势是，把复杂的搜索条件用自然语言来实现，让浅度用户也能实现深度用户的高级搜索功能。搜索返回 SKU 列表，一方面 SKU 才能满足精准的搜索需求，另一方面搜索商品不可能快速命中，必然有多轮的筛选。
但小红书的搜索，瓶颈并不是搜索条件的复杂化。UGC 内容结构化不可能与 PGC 商品相比，用户对内容的需求也相对模糊。增加高级搜索条件，返回笔记列表，并不会帮助用户找到更适合自己的内容。
因此，大模型对搜索交互的简化，这个能力放在小红书上帮助并不大。
另一位犬校同学有不同意见：
我：假定你的观点成立，继续往这个方向聊，大模型替代的是什么？看上去是收集垂直数据，以数据为竞争力提供搜索结果的生态。
点评，携程，是国内最典型的两家。
