我,一个曾经的旅行攻略创业者,怎样用大模型来做旅行攻略

     分类 [产品经理]
2025/2/27 14:04:48 浏览量  569 喜欢  74
导读:2024 下半年,我忽然意识到,现在大模型已经具备自动生成旅行攻略和行程路线的能力了。这篇文章聊聊一个曾经的旅行攻略创业者,怎样用大模型来做旅行攻略。

我,一个曾经的旅行攻略创业者,怎样用大模型来做旅行攻略

2024 下半年,我忽然意识到,现在大模型已经具备自动生成旅行攻略和行程路线的能力了。

早在八年前的 2016 年,我退出旅行赛道的时候,断言 “机器生成行程路线” 这件事完全没有可行性。大模型刚出来的时候,我依然坚持这个观点。随着对大模型的认知加深,我收回这句话。

这篇文章聊聊一个曾经的旅行攻略创业者,怎样用大模型来做旅行攻略。

首先,说说为什么曾经坚定看衰 “机器生成行程路线”。

因为旅行攻略最大的挑战,是怎样快速建立完整,鲜明的目的地印象。

2022 年以前,机器生成的行程路线,是简陋的目的地介绍,一长串陌生的地名和地名解释,完全不可能建立清晰的目的地印象。如果是国内旅行还好,比如 “中山陵,熊猫基地,颐和园,苏州博物馆” 这些耳熟能详的景点打底,对目的地行程还能有一个模糊的预期。

但如果是(拿北海道攻略举例) “五稜郭公园,函馆热带植物园,大沼国立公园,金森红砖仓库” 这些你从未听过的地名,串成几天的函馆行程,用户就懵了,搞不清楚这对不对,好不好,适不适合自己。

要知道,如果仅仅是陌生地名串烧,还不如一篇小红书笔记呢。UGC 图文感染力远胜刻板的 PGC 图文。

那么我曾经怎样用 2015 年的「氢气球旅行」来建立目的地印象呢?

目的地印象不是用目的地介绍来构建的,更高效率的方式是 “目的地的结构化玩法”。

我在氢气球里尝试了一个独特的内容价值观:主流旅行攻略,就是目的地玩法的分类榜单。

在氢气球旅行里,目的地简介就 100 字,硬要求不能超过 100 字。然后把每个目的地按不同的维度,拆分为了若干个玩法专辑:
  • 比如最大公约数的必玩榜,必吃榜
  • 比如按场景分类的北京胡同专辑,上海森林公园专辑,太原博物馆专辑
  • 比如按人群分类的文艺青年专辑,亲子专辑
  • 比如按地理区域划分的京都北线专辑,东线专辑
  • 比如较远距离的目的地周边旅行专辑
  • 比如广受欢迎的小众玩法专辑,网红出片专辑

一个中型目的地通常有 5-10 个专辑,不同的专辑维度,提供了高效率的索引。

每一个索引下面,是你感兴趣主题的 POI 榜单,一连串的大图大卡片,一个 POI 一张卡片,也可以点击卡片进入 POI 详情页浏览游记。我在 2015 年创造的基于 POI 的氢游记样式,与今天的小红书旅笔记相似。

这样,用户不仅可以从专辑里快速找到感兴趣的 POI,收藏后在地图上一键生成行程路线(可在地图上编辑行程);更加在浏览专辑的过程中,通过结构化的分类榜单,建立完整,鲜明的目的地印象。

氢气球 2016 年因为拉不到投资而放弃(那一年旅行创业赛道全面崩盘),存活不足一年。直到八年后的今天,还有不少人找到我说,氢气球是他们用过的最好的旅行攻略。

这些陈年烂账,和大模型有什么关系呢?

我用氢气球旅行做攻略的逻辑,也可以复用到大模型上。??

比如说,我现在跟大模型说,我想做一份北海道函馆市的攻略。

大模型首先回复我三部分信息:
  1. 对函馆的整体简介,包含旅行特色,旅行区域划分,最佳季节等
  2. 函馆必玩的 5 个 POI 介绍
  3. 函馆有哪些玩法专辑

然后大模型引导我提问,你可以回复关键字,点名了解不同的玩法专辑。挨个介绍专辑内的 POI 玩法(大多数是 TOP3 或 TOP5) 。

分别了解感兴趣的专辑后,大模型继续引导我提问,在函馆安排几天?对哪几个玩法最感兴趣?

根据我的回复,大模型从常见的行程路线中,找出最匹配的一条推荐给我。这里存在一些来回修改的流程,比较复杂,暂且略过。

你看,是不是模拟了口碑绝赞的,用氢气球旅行做攻略的过程?

在用户对目的地一无所知的时候,因为对旅行攻略的需求是高度一致的,所以大模型主动把结构化的目的地印象,也就是目的地玩法的分类榜单投喂给用户,就像是旅行社的导游清一清嗓子:“郭先生,我来跟你介绍一哈函馆市哈。”

每一段讲完之后,他会引导我提问的角度:“郭先生你喜欢在函馆逛店吗?对哪几家店最感兴趣呢?”

确保我理解目的地之后,根据我对具体玩法的偏好,再推给我行程建议,这时我的接受度就相当高。

以上可能大量需要 GUI,我觉得打字追问这不太行。

11 月跟犬校同学电话聊过这个想法,对方怂恿我:你做嘛——我不做。我已经不想再创业了。犬岛的挫折让我意识到,我的心气已经无法驾驭困难波折和全职投入。我更适合兼职协作的独立产品,或是把自己的能力分散投入多个全职团队。

对方又问我,那你这个方法,可以扩散到旅行攻略以外的大模型应用吗?

我想了想,其中的关键是,大模型主动向用户投喂结构化的信息并引导提问,帮助用户建立认知结构,才能给出更可靠的建议。

结构高于总结。总结是在结构之下的低维度信息。

对于旅行攻略,我知道可以怎样结构化;攻略以外就拎不清了,比如怎样做产品?怎样写 PRD?不行不行,旅行攻略是天然的高度结构化内容,还有哪些领域也能做到约定俗成的结构化?我并不了解。

这个产品思路,恰好耦合目前大模型应用的软肋,也就是 “用户不知道自己需要知道什么”。一旦没有好的提问,没有具体的目标,大模型也只能回答一串套话,面面相觑两手一摊。

果大模型能够像专家一样,描述结构并引导提问,为新手建立认知结构,用户的提问质量与大模型的交付质量才能双双提升。DeepSeek 的推理能力在这里如鱼得水。

到目前为止,我用过好几款做旅行攻略的大模型应用,极烂。未必因为大模型能力不足,语料不足(国内的旅行语料不行,但国外的很好),我猜也可能是他们并不懂旅行攻略。笼统的图文介绍并不能建立目的地印象,怎样对目的地玩法分类总结?怎样引导提问?怎样才算是可靠的行程建议?这需要攻略专家的设计。

和移动互联网早期创业一样,又懂垂直领域,又懂新技术的人才能打开宝藏之门。

内容来自“用思考交换思考”的 PM 思辨社区「犬校」。©2017-2025

 

标签

微信扫一扫,分享到朋友圈

微信公众号

相关推荐