中國IDC圈5月5日報道，信息化程度很低的旅游行業(yè)意味著，數(shù)據(jù)不是一種 “大宗商品”。
一段時間之前，多如牛毛的游記，大部分時候只是滿足了分享者快感的文字，而沒有變成數(shù)據(jù)。后來沉淀了大量游記的平臺如窮游、螞蜂窩都開始想辦法把游記 “結(jié)構(gòu)化”，變成能夠更廣泛應(yīng)用的數(shù)據(jù)。
在旅游行業(yè)，可能最核心的數(shù)據(jù)就是 POI（興趣點），具有極強規(guī)則的、完整的、標(biāo)簽極度碎片化的 POI 信息是這個行業(yè)里非常值錢的東西，也成為了諸如 TripAdvisor（貓途鷹）的核心競爭力。貓途鷹的 POI 信息幾乎是不可能對外大規(guī)模釋放的，第三方無論是購買、還是數(shù)據(jù)交換，都很難拿到完整的 TripAdvisor 的 POI 數(shù)據(jù)。TripAdvisor 開放的 API 接口，只能夠為第三方提供所有 POI 的評論信息。
境內(nèi)在線旅游行業(yè)，持有境外 POI 信息主要有三撥（如有遺漏歡迎補充，大眾點評之類暫不考慮）：
擅長以抓取方式收集并整理信息的一些創(chuàng)業(yè)公司，如口碑旅行、夢想旅行，妙計旅行；
基于 UGC 內(nèi)容整理的 POI 信息：主要就是窮游；
自采 POI 信息的創(chuàng)業(yè)公司：游譜旅行、四萬公里。
之前我們和窮游負(fù)責(zé)大數(shù)據(jù)的 VP 張棋就這件事聊了聊，張棋坦言這是一個龐大的工程，迄今為止窮游覆蓋了 300 多個國家和地區(qū)，7000 多個城市和區(qū)域，包括了景點、美食等 POI 的數(shù)量已經(jīng)達(dá)到了百萬量級。而隨著目的地信息的變化，這些 POI 必須持續(xù)更新，除了基礎(chǔ)信息之外，評論也在隨之更新。
張棋介紹，最初做 POI 的方式是通過 “網(wǎng)友貢獻(xiàn) + 編輯審核” 的方式，以比較粗的維度劃分國家、地區(qū)、城市，然后盡量保證各個維度下面都有相應(yīng)的 POI 信息做到 “該有的地方都有”。而第二期的做法是 “掘金”，一直持續(xù)到現(xiàn)在，通過 “運營編輯 + 算法支持” 的方式：編輯給大致的框架，例如什么算是優(yōu)秀內(nèi)容，以人工做范例（在長游記中找到幾張圖和一段話），然后技術(shù)團(tuán)隊通過數(shù)據(jù)建模和算法，用文本挖掘的手段覆蓋所有內(nèi)容，把結(jié)果填充到 POI 和目的地的架構(gòu)中。
在整個窮游收集 POI 的過程中，除了根據(jù)論壇的內(nèi)容做篩選和挖掘以及用戶主動提交之外，也有一些外部數(shù)據(jù)源做實時不斷的更新，例如大巴車的時刻表。這一點上，妙計也用的相應(yīng)的方式，從而保證動態(tài)的行程規(guī)劃是可行的——如果行程助手讓你去搭乘巴士，而巴士停運了會怎么樣？
在這里張棋分享了一些窮游的做法，工作節(jié)奏上他們會每一段時間重點攻克一個主題，先是酒店，然后是餐廳。在文本挖掘上，窮游除了抓取文字之外還會抓取相應(yīng)的圖片，張棋坦言這里沒有通用且完美的解決方案，只能不斷的通過運營編輯反饋機器的抓取結(jié)果，不斷提高覆蓋度，爭取少漏掉一些重點信息。
通過不斷的外部數(shù)據(jù)源更新、用戶提交和內(nèi)部挖掘，窮游的 POI 信息維度已經(jīng)超過了 100 個，主要可以分為兩類，一類是屬性維度，以清邁女子監(jiān)獄按摩店為例，包括了中文名、當(dāng)?shù)卦Q、英文名、地址、經(jīng)緯度坐標(biāo)、平均價位等；另一類是標(biāo)簽屬性，也可以理解為 “屬于哪一類”，休閑、刺激、適合什么人群、親子或單身等等。
在保證 POI 覆蓋度之后，POI 的另外一個要點是標(biāo)簽體系：一個 POI 都需要標(biāo)簽？標(biāo)簽需要多細(xì)化的顆粒度？這都是需要考慮的問題。一套成熟的標(biāo)簽體系能夠極大的提高用戶篩選的效率，自然也會提高轉(zhuǎn)化率。
以酒店為例，窮游的運營編輯會提供諸如 “交通”、“設(shè)施”、“餐飲”、“服務(wù)”、“干凈衛(wèi)生”、“漢語” 等維度，然后機器根據(jù)這些語義做抽象出相關(guān)內(nèi)容，做主題挖掘。當(dāng)用戶評論或游記中有描述命中了這個主題，機器就會放進(jìn) “池子” 做第一輪的篩選。在這個 “初選” 的池子中，機器會為每個話術(shù)賦值，然后根據(jù)權(quán)重得出最終結(jié)果。當(dāng)然，餐廳就會有不同的維度，景點也有不同。
POI 的價值毋庸置疑，如上面所說，妙計和窮游都在多個維度豐富自己的 POI 信息，尤其是動態(tài)更新的信息，以保證智能生成的行程規(guī)劃是切實可行的。張棋說，行程助手就是 POI 信息的串聯(lián)，一天可能就涉及 50-70 個 POI。如果不能夠保證豐富度和準(zhǔn)確度，整個行程助手是缺乏價值的。