论文部分内容阅读
今年6月，刚毕业的大学生高烨选择了向往已久的韩国济州岛，作为自己的毕业旅行目的地。在一位微博旅游博主的推荐下，她下载了旅行应用PIRT梦想旅行。和马蜂窝、穷游这类旅行前搜攻略的平台不同，PIRT更像是旅行途中的辅助工具，比如它可以提供拍照翻译功能—拍个照，原有照片上的路标信息、餐厅菜单等文字随即转化为汉字显示出来。这让她觉得非常实用且方便。
近些年来，越来越多的中国年轻人会选择自助出境游，这一点在北上广的游客中更为突出。这一趋势是PIRT创始人郭宁看中的创业机会，自由行比例的上升，意味着游客的行前决策会逐渐向行中决策迁移。
在郭宁看来，在个性化的行程安排上，传统的酒店和机票已经越来越不重要—在线旅游平台已经能提供相对标准化的酒店和机票产品，这极大缩短了用户对比、决策的时间。另一方面，人们产生的需求正在更多地向途中的服务和项目聚集，除了价格和舱位，还有多少可以比较的呢？独特的游览项目、当地最受欢迎的餐厅、最local的娱乐活动……
但这些琐碎且长尾的境外信息需求，没有像针对酒店和机票那样的提供标准化信息的系统。PIRT正在解决的是，通过抓取亿万数量级别的旅行大数据，对用户在旅行途中经常搜索的信息精准分层，建立不同的推选机制，推荐给用户想要的当地“兴趣点”（POI）。
在阿里巴巴和奇虎360的工作经历使郭宁意识到，许多互联网公司都是为解决信息不对称的问题而创建。PIRT的定位更像是即时智能推送的旅行助手，当游客凌晨3点在新宿输入“7-ELEVEn便利店买啤酒”的请求，或是在伊斯坦布尔搜索“羊肉餐馆”，PIRT的POI数据库中与“7-ELEVEn便利店”或“羊肉餐馆”相关的标签点评便会推送给用户。
对于PIRT来说，满足这些细碎需求的前提是必须建立庞大的数据库，和不断地提升机器学习能力。过去两年内，PIRT积累了2000万注册用户，超过1亿的POI数据主要来源于攻略类网站、国外当地点评类网站（例如Yelp、香港的OpenRice）和综合类网站，覆盖了200多个国家、2000多个热门城市。此外，PIRT先后获得湖畔山南资本的1200万元天使轮投资，阳光镭厉、中科乐创的4000万元A轮投资。
在产品研发初期，郭宁的思路是假想用户在行前把需要预订的部分都安排好了，因此PIRT只提供信息，并不提供预订服务。初代产品的功能非常基础，只提供了美食、酒店、购物、玩乐4个分类的信息供用户浏览。
但在实际运营后，问题一个接着一个出现。PIRT遇到的第一大难关就是初期产品在国外访问速度过慢。一开始，考虑到在海外购买带宽和部署服务器的成本远高于国内，PIRT并没有租用大量的服务器。
作为即时的信息工具助手，这个不小的软肋使得郭宁焦急万分。经过多次调研与商讨，团队开始在海外大量部署CDN，并在各个CDN上建立一套缓存机制，让热门的数据点能够以更快的速度覆盖到当地的服务器上。但这同时也需要团队投入更多的运营成本，对研发团队的大规模并行计算处理能力提出了更高的要求。
与此同时，不少用户反馈，在PIRT上看到了心仪的酒店或者景点的推荐，为什么不能一键完成酒店或门票的预订？
>> PIRT创始人郭宁认为在技术手段发展迅速的时代，用户需要的是更直接、更精准的推荐式旅行决策服务。
郭宁开始反思PIRT只提供信息、不提供预订服务的产品设计—用户需要预订的话，还要再借助其他App，这无疑削弱了用户使用PIRT的黏性。除此之外，接入海外酒店以及目的地旅游产品的预订业务，某种程度上，比做UGC用户社区类的旅行网站更容易实现商业变现。
为了增加工具型应用的黏性，在之后的产品迭代中，PIRT也加入了资讯类信息服务、拍照翻译、汇率换算等功能。这些功能并不能带来直接的利润，却能提升用户对产品的好感度。
怎样更好地开展差异化竞争，是创业公司存活下去的关键因素，毕竟为用户提供海外POI推荐的公司远不止PIRT一家，携程、飞猪、大众点评、美团等平台都有涉及，并且在一些境外热门城市的POI上做得相当精细。
郭宁认为PIRT的侧重点在于自由行中的实时决策，这要求他们在两方面做到极致：提供用户想要的服务、提高用户的决策效率。
因此，POI数据的广度和深度是智能推荐助手的重要支柱。郭宁认为整个产品的技术门槛在于数据合并，对于一些非结构化的数据，要通過机器学习的方式做出来，并入结构化的数据中。像是店铺的迁移、关闭等实时变动，PIRT希望能在一分钟之内做到数据更新。
某种程度上，PIRT的最终形态更像是旅行途中的“今日头条”—通过“数据生产内容”（Data Generated Content，DGC），在用户还未搜索时，就将有价值的信息推荐出来，而并不是将大量的既定游览线路标上定价一股脑抛给用户。
这也依赖于技术支持。在产品的应用中，PIRT会根据用户的历史使用行为来分析用户画像，画像的标签属性可能多达上百种，再通过数据建模分析用户需求，进而将用户可能需要的信息推送给他们。用户的使用行为越多，PIRT反推得到的用户画像可能会更精准。
基于用户画像，PIRT会进一步分析，具备相同属性的用户，他们的共同爱好是什么。通过协同过滤，再把某个用户的访问信息、行程路线、游记、攻略等推荐给具有相同喜好的人。这样一来，PIRT就能够决定是给用户推荐一家五星级酒店还是青年旅社，这些信息在推荐时会更靠前一些。
作为智能推荐产品，其准确性和易用性很大程度上决定了用户体验的好坏。在济州岛的旅行途中，高烨使用了PIRT的拍照翻译功能，看到韩文随即转化为汉字时，她觉得非常方便实用。但随后她发现，一旦拍摄的照片中韩文信息过多，PIRT的翻译便会不精准甚至发生混乱。此外，高烨仍把PIRT当作一个翻译类工具型应用，尚未习惯通过它完成预订行程。
现阶段，为了提升产品的准确性，团队对机器处理过的技术也加入了更多的人工运营。接下来PIRT会转向更多的大众用户宣传，他们的用户数据显示境外安装了PIRT的用户打开App的频率远高于在境内安装的用户。即使国内出境自由行有很大的市场，并且是高价值的市场，出境游相对来说仍处于一个低频的状态，对于PIRT这样的创业公司来说，找到合适的商业模式依旧难度不小。
近些年来，越来越多的中国年轻人会选择自助出境游，这一点在北上广的游客中更为突出。这一趋势是PIRT创始人郭宁看中的创业机会，自由行比例的上升，意味着游客的行前决策会逐渐向行中决策迁移。
在郭宁看来，在个性化的行程安排上，传统的酒店和机票已经越来越不重要—在线旅游平台已经能提供相对标准化的酒店和机票产品，这极大缩短了用户对比、决策的时间。另一方面，人们产生的需求正在更多地向途中的服务和项目聚集，除了价格和舱位，还有多少可以比较的呢？独特的游览项目、当地最受欢迎的餐厅、最local的娱乐活动……
但这些琐碎且长尾的境外信息需求，没有像针对酒店和机票那样的提供标准化信息的系统。PIRT正在解决的是，通过抓取亿万数量级别的旅行大数据，对用户在旅行途中经常搜索的信息精准分层，建立不同的推选机制，推荐给用户想要的当地“兴趣点”（POI）。
在阿里巴巴和奇虎360的工作经历使郭宁意识到，许多互联网公司都是为解决信息不对称的问题而创建。PIRT的定位更像是即时智能推送的旅行助手，当游客凌晨3点在新宿输入“7-ELEVEn便利店买啤酒”的请求，或是在伊斯坦布尔搜索“羊肉餐馆”，PIRT的POI数据库中与“7-ELEVEn便利店”或“羊肉餐馆”相关的标签点评便会推送给用户。
对于PIRT来说，满足这些细碎需求的前提是必须建立庞大的数据库，和不断地提升机器学习能力。过去两年内，PIRT积累了2000万注册用户，超过1亿的POI数据主要来源于攻略类网站、国外当地点评类网站（例如Yelp、香港的OpenRice）和综合类网站，覆盖了200多个国家、2000多个热门城市。此外，PIRT先后获得湖畔山南资本的1200万元天使轮投资，阳光镭厉、中科乐创的4000万元A轮投资。
在产品研发初期，郭宁的思路是假想用户在行前把需要预订的部分都安排好了，因此PIRT只提供信息，并不提供预订服务。初代产品的功能非常基础，只提供了美食、酒店、购物、玩乐4个分类的信息供用户浏览。
但在实际运营后，问题一个接着一个出现。PIRT遇到的第一大难关就是初期产品在国外访问速度过慢。一开始，考虑到在海外购买带宽和部署服务器的成本远高于国内，PIRT并没有租用大量的服务器。
作为即时的信息工具助手，这个不小的软肋使得郭宁焦急万分。经过多次调研与商讨，团队开始在海外大量部署CDN，并在各个CDN上建立一套缓存机制，让热门的数据点能够以更快的速度覆盖到当地的服务器上。但这同时也需要团队投入更多的运营成本，对研发团队的大规模并行计算处理能力提出了更高的要求。
与此同时，不少用户反馈，在PIRT上看到了心仪的酒店或者景点的推荐，为什么不能一键完成酒店或门票的预订？
郭宁开始反思PIRT只提供信息、不提供预订服务的产品设计—用户需要预订的话，还要再借助其他App，这无疑削弱了用户使用PIRT的黏性。除此之外，接入海外酒店以及目的地旅游产品的预订业务，某种程度上，比做UGC用户社区类的旅行网站更容易实现商业变现。
为了增加工具型应用的黏性，在之后的产品迭代中，PIRT也加入了资讯类信息服务、拍照翻译、汇率换算等功能。这些功能并不能带来直接的利润，却能提升用户对产品的好感度。
怎样更好地开展差异化竞争，是创业公司存活下去的关键因素，毕竟为用户提供海外POI推荐的公司远不止PIRT一家，携程、飞猪、大众点评、美团等平台都有涉及，并且在一些境外热门城市的POI上做得相当精细。
郭宁认为PIRT的侧重点在于自由行中的实时决策，这要求他们在两方面做到极致：提供用户想要的服务、提高用户的决策效率。
因此，POI数据的广度和深度是智能推荐助手的重要支柱。郭宁认为整个产品的技术门槛在于数据合并，对于一些非结构化的数据，要通過机器学习的方式做出来，并入结构化的数据中。像是店铺的迁移、关闭等实时变动，PIRT希望能在一分钟之内做到数据更新。
某种程度上，PIRT的最终形态更像是旅行途中的“今日头条”—通过“数据生产内容”（Data Generated Content，DGC），在用户还未搜索时，就将有价值的信息推荐出来，而并不是将大量的既定游览线路标上定价一股脑抛给用户。
这也依赖于技术支持。在产品的应用中，PIRT会根据用户的历史使用行为来分析用户画像，画像的标签属性可能多达上百种，再通过数据建模分析用户需求，进而将用户可能需要的信息推送给他们。用户的使用行为越多，PIRT反推得到的用户画像可能会更精准。
基于用户画像，PIRT会进一步分析，具备相同属性的用户，他们的共同爱好是什么。通过协同过滤，再把某个用户的访问信息、行程路线、游记、攻略等推荐给具有相同喜好的人。这样一来，PIRT就能够决定是给用户推荐一家五星级酒店还是青年旅社，这些信息在推荐时会更靠前一些。
作为智能推荐产品，其准确性和易用性很大程度上决定了用户体验的好坏。在济州岛的旅行途中，高烨使用了PIRT的拍照翻译功能，看到韩文随即转化为汉字时，她觉得非常方便实用。但随后她发现，一旦拍摄的照片中韩文信息过多，PIRT的翻译便会不精准甚至发生混乱。此外，高烨仍把PIRT当作一个翻译类工具型应用，尚未习惯通过它完成预订行程。
现阶段，为了提升产品的准确性，团队对机器处理过的技术也加入了更多的人工运营。接下来PIRT会转向更多的大众用户宣传，他们的用户数据显示境外安装了PIRT的用户打开App的频率远高于在境内安装的用户。即使国内出境自由行有很大的市场，并且是高价值的市场，出境游相对来说仍处于一个低频的状态，对于PIRT这样的创业公司来说，找到合适的商业模式依旧难度不小。