信息化程度很低的旅游行業意味著，數據不是一種 “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，而沒有變成數據。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 “結構化”，變成能夠更廣泛應用的數據。

在旅游行業，可能最核心的數據就是 POI（興趣點），具有極強規則的、完整的、標簽極度碎片化的 POI 信息是這個行業里非常值錢的東西，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模釋放的，第三方無論是購買、還是數據交換，都很難拿到完整的 TripAdvisor 的 POI 數據。TripAdvisor 開放的 API 接口，只能夠為第三方提供所有 POI 的評論信息。

境內在線旅游行業，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業公司，如口碑旅行、夢想旅行，妙計旅行；

基于 UGC 內容整理的 POI 信息：主要就是窮游；

自采 POI 信息的創業公司：游譜旅行、四萬公里。

之前我們和窮游負責大數據的 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，7000 多個城市和區域，包括了景點、美食等 POI 的數量已經達到了百萬量級。而隨著目的地信息的變化，這些 POI 必須持續更新，除了基礎信息之外，評論也在隨之更新。

張棋介紹，最初做 POI 的方式是通過 “網友貢獻 + 編輯審核” 的方式，以比較粗的維度劃分國家、地區、城市，然后盡量保證各個維度下面都有相應的 POI 信息做到 “該有的地方都有”。而第二期的做法是 “掘金”，一直持續到現在，通過 “運營編輯 + 算法支持” 的方式：編輯給大致的框架，例如什么算是優秀內容，以人工做范例（在長游記中找到幾張圖和一段話），然后技術團隊通過數據建模和算法，用文本挖掘的手段覆蓋所有內容，把結果填充到 POI 和目的地的架構中。

在整個窮游收集 POI 的過程中，除了根據論壇的內容做篩選和挖掘以及用戶主動提交之外，也有一些外部數據源做實時不斷的更新，例如大巴車的時刻表。這一點上，妙計也用的相應的方式，從而保證動態的行程規劃是可行的——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。

通過不斷的外部數據源更新、用戶提交和內部挖掘，窮游的 POI 信息維度已經超過了 100 個，主要可以分為兩類，一類是屬性維度，以清邁女子監獄按摩店為例，包括了中文名、當地原名稱、英文名、地址、經緯度坐標、平均價位等；另一類是標簽屬性，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簽體系：一個 POI 都需要標簽？標簽需要多細化的顆粒度？這都是需要考慮的問題。一套成熟的標簽體系能夠極大的提高用戶篩選的效率，自然也會提高轉化率。

以酒店為例，窮游的運營編輯會提供諸如 “交通”、“設施”、“餐飲”、“服務”、“干凈衛生”、“漢語” 等維度，然后機器根據這些語義做抽象出相關內容，做主題挖掘。當用戶評論或游記中有描述命中了這個主題，機器就會放進 “池子” 做第一輪的篩選。在這個 “初選” 的池子中，機器會為每個話術賦值，然后根據權重得出最終結果。當然，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，尤其是動態更新的信息，以保證智能生成的行程規劃是切實可行的。張棋說，行程助手就是 POI 信息的串聯，一天可能就涉及 50-70 個 POI。如果不能夠保證豐富度和準確度，整個行程助手是缺乏價值的。

而進一步挖掘，在商業化的路上 POI 是重要的連接機制（我們之前在討論游譜旅行的時候也說過）。與游譜旅行的創始人李小堅相似，張棋也認為，內容向商品的轉化需要 POI 作為載體——當用戶瀏覽景點信息的時候，如果有對應商品，直接就可以完成預定。“這也是窮游預定轉化上很重要也很成功的嘗試。 ” 張棋說。

此外，在目的地的智能推薦上，如果沒有準確實時的 POI 信息，推薦就可能是 “不靠譜的”，例如清邁有 “周六夜市” 和 “周日夜市”，僅在當天開放，而如果推薦周一前往，就太不智能了。

在 POI 的基礎之上，很多玩家都在嘗試智能推薦，這也是旅游進入移動端時代的一大想象空間——基于用戶所在的地理位置和用戶畫像，隨時做智能推薦，從而大幅提高轉化率。之前有一些創業公司講過相似的故事，但迄今還沒有人實現。

沒實現的原因也不難理解，沒有很大的用戶基數，用戶畫像的準確度就會打折扣，自然也會影響推薦的準確性；另一端，如果沒有優質的 POI 數據庫，推薦的都是老套路，用戶也不會喜歡。大平臺如阿里旅行，可以基于用戶在阿里其他平臺（淘寶、天貓）的購買行為做智能推薦，也還沒有到達行中、實時的級別。

事實上，在一些數據交易平臺或數據抓取公司那里，用戶畫像是可以獲得的，但我個人了解到，用戶畫像的準確程度，以及關于這個用戶的信息維度，其實并不完全適合旅游行業——大部分關于用戶的畫像集中在其日常購買、金融理財等層面，通過這些層面的數據推導至旅游行業，準確性自然會降低。

作為擁有數千萬出境游注冊用戶的窮游，從 2011年 開始積累用戶的訪問和點擊行為，打算為日后的智能推薦和精準營銷做準備。張棋介紹，窮游會格外關注 “平時生活在哪里、關注的旅行信息是什么、潛在目的地是什么、處于旅行周期的什么階段” 等信息。之后窮游把用戶分為：行前觀望、行前準備（多次看多次買，可能推翻之前的選擇）、即將出發（開始購買輕量級的商品例如 WIFI 或目的地商品如 CityWalk）、行中、回來等階段，匹配相應的產品。張棋說，窮游目前格外關注出發前一兩天的用戶，通過其酒店預訂行為，重點推送相應的輕量級商品。

張棋坦言，精準的智能推薦可能會讓轉化率呈 10 倍的改善，而最大的挑戰在于，必須將用戶畫像和 POI 信息都實現高顆粒度，才能做準確的匹配——這里的前提是有這些數據。

我們了解到，包括阿里旅行在內的在線旅游玩家都在尋求高品質的 POI 和用戶畫像數據。這可能不是一家企業的核心競爭力（在數據上的應用層面才是），但應該能構筑起一些壁壘。當各家都在構建自己的 POI 數據庫的時候，重復勞動是不可避免的，這里也許有合作共贏的空間。

更值得關注的是，誰能依托自己的實力（這可能是用戶基數、可能是分銷實力、可能是對旅游行業的理解，行業里可能還沒有定論）為 POI 數據制定發布規則，反而可能去爭奪制高點。