编者按：2023年9月25日，“2023年中国饭店数字化运营专题会”在渭南建国饭店顺利召开。此次会议嘉宾覆盖了核心线上旅行服务商、互联网数据分析专家、饭店应用服务平台、饭店智能系统及设备服务商、饭店集团等全产业链主体，大家各抒己见，从不同角度深度研讨饭店数字化运营新风口、新思路、新探索，为推动行业的数字化转型提供前瞻洞见。现摘取智行算法总监马江山在本次专题会上的发言内容，具体如下：

智行算法总监马江山

一、关于大数据和AI

我本人从事大数据和机器学习人工智能领域。刚才张总提到了小红书上很多内容不是人写的，而我们实际上做了一些实质性的工作。因为我们谈论的无非是供给和需求，而需求来自于人。传统上，我们可能会通过发送短信或其他营销方式来满足需求。然而，在过去两年中，我们尝试了许多公域和私域运营方法。私域运营是通过微信号、企业微信等方式进行的，而公域运营则是指在小红书、抖音等平台上进行。在拥有了这些公域和私域流量之后，我们需要有效地进行运营并建立联系。过去，我们通常需要大量的客服或运营人员来满足C端客户的需求，但这种方式效率低下，而且服务水平参差不齐。后来，我们通过总结一些优秀的案例并将其沉淀下来，然后交给Chat GPT进行处理。我们会形成一些提示语并将其沉淀到案例库中。例如，我们会告诉Chat GPT，你现在是一个具有丰富酒店运营经验的公域或私域运营人员，你需要做的是什么。这样就形成了许多案例库，并且我们会建立相应的工具，让运营人员可以根据客户的咨询或微信群中的活动来调用相应的AI进行回复。这是私域运营上可以做的事情。至于公域运营，由于是在小红书上发布，而小红书本身带有风控机制，如果发布的内容明显倾向于广告，就会被定义为广告营销号，从而导致封号。为了解决内容同质化的问题，我们的运营人员面临很大的困难，就像写作文一样，给定一个主题，很可能写出来的都差不多。而AI，特别是像Chat GPT这样的大型语言模型，擅长处理语言，它可以在几分钟内写出差异化非常大且符合内容宣传的案例，我们可以将这些案例放到小红书上推广。我们还可以在案例中加入各种表情符号，我们也进行了很多人工测试，你真的看不出是机器写的还是人写的，同时还能保证内容的多样性，对抗公域风控也取得了很好的效果。

另外，传统的推送方式包括短信推送和各种APP推送，我们会对用户进行触达。触达后，数字化非常重要，如果是线下触达，很难进行跟踪。而线上触达，我们可以闭环跟踪，了解用户是谁，是否有点击、曝光或转化等行为。一旦链路数字化，AI就可以在其中发挥作用。传统的推送，因为我们除了酒店还做其他OTA业务，是通用的。除了酒店，还有火车票、机票等，这是用户出行的刚需。然而，有一个悖论，节假日给用户发送代金券是有成本的，他们可能会消费转化，但即使不发送，他们也有这个需求。AI在这方面的工作是找到真正因为触达或发送优惠券而转化的人群，而不关心那些不会购买的人群。通过算法，我们可以找到这部分敏感人群。我们经历了三个阶段，第一阶段是全量发送，不计成本。第二阶段是精准确认，一旦了解用户群体的特点，比如某些人在节假日喜欢出门，我们可以有针对性地投放给这部分人群，在有限的投放情况下实现高效投放。现在进入了第三阶段，原先是用户画像，现在是算法。AI的非线性特点使得我们可以将人群细分得更精。

二、关于AIGC

在AIGC方面，张总提到了如何赋能客服人员和研发人员。因为改进的核心在于衡量，管理学大师曾说过“不可衡量则不可改进”，而衡量的前提是数字化。我们知道，在进行问卷调查时，采样是一种常用的技术，但采样率会受到成本的限制，难以做到全量采样。大数据能够对用户进行全量采样，从而避免采样偏差，但需要通过数字化实现。线上化是数字化的一种途径，可以通过互联网或智慧商业等方式实现。智慧商场结合了AIOT技术和物联网技术，可以通过摄像头和视频技术对用户信息进行采集，将线下场景线上化。此外，数字化还可以通过简单的BI和数据分析得出改进的点。

在解决问题时，我们遵循从现象到假设到分析再到实验论证的过程。辛秘书长提出的问题可能没有确定的答案，因为每个人都有不同的观点。我们做数据算法时非常严谨，对所有现象背后都遵循从现象到假设到分析到验证的环节。对于酒店来说，线上线下的连接还不够，需要建立一个非常好的机制，将线上线下形成闭环，通过数据分析得出结论，给到大家指引。

在AI方面，每个人都具有对话的能力，但差距很大，这主要是由模型和知识两个方面决定的。不同的模型设计和不同的知识喂养会影响AI的智商。因此，我们需要不断地进行模型设计和知识喂养，以提高AI的能力。

三、关于GPT：

GPT全称中的一个词是“生成”，这是众所周知的，另一个词是“预训练模型”，它并不是一种无所不能的东西。在机器学习中，我们有一个概念叫做迁移学习，常说一个人能够举一反三，即使没有从事过某个行业，一个从事房地产行业的人也能够成为酒店行业的总裁，因为许多能力是可以迁移的，GPT具有很好的迁移能力。有了这个技术之后，我们认为GPT更多地应用在大型语言模型的基础上，关键是如何充分利用这个基础。此外，人与人之间的差距和思维方式的差异也是GPT目前发展的一个重点，这也是COT技术的一部分。对于单一的应用，GPT可以用于内容生成，包括生成图片、生成文字，甚至生成视频等等。对于计算机来说，这些都是向量表示的不同形式。第二个应用是知识问答，以前我们已经有了知识图谱的概念，但是由于建设整个知识库的成本较高，所以应用还不够普及。包括AIOT技术中的命名实体识别技术，虽然在很久以前就有，但由于成本高且需要大量标注，很少有机会进行实际应用，可能只有像谷歌和Facebook这样的头部公司才有机会进行相关工作。而GPT的出现大大降低了这个门槛，因为GPT本身已经通过大量的数据进行了训练，所以你可以直接向它提问，比如问它去哪里玩比较好。这时它就是在调用已经训练好的能力，从而降低了门槛。说到门槛降低，这也导致了许多传统的自然语言处理技术公司的消亡。第三个应用是意图识别，在这个领域的下游延展可以做很多事情。例如，之前我们通过人工查询一些数据系统，但当数据异常时仍需要进行人工排查。有了GPT技术之后，我们可以通过内部公众号以文本的方式替代查询，通过多轮对话技术识别查询需求、指标和维度，并建立相关关联，这实际上就是在进行意图识别。刚才也提到了是否会取代搜索引擎，搜索引擎列出了很多内容，无论是搜索引擎还是搜索广告推荐，核心都在于精准触达。现在的精准触达是如何实现的？我们经常听到一个词叫做“猜你喜欢”，谁能猜得准，老板身边往往有个了解他喜好的秘书。对于像GPT这样的工具来说，通过多轮对话可以获取你的精准喜好。以前可能会在屏幕上推荐多个选项，通过你与系统的交互，判断你真正喜欢什么。例如，如果你点击了第五个选项，可能与机票相关，那么系统会在整个出行方式中提高机票的权重，因为你的行为表明你对机票感兴趣。对于GPT这样的工具，通过多轮对话，你推荐一堆东西，我告诉你我更喜欢坐飞机。COT是一种能够拓展单个智能体能力的技术。一个人的思维方式往往会发生改变，但知识并没有变化，智商在短时间内也没有变化，变化的是思维方式。对于AI来说也是一样，对于一个单个的智能体，我们假设它是特定的模型，模型本身并没有变化，但你给它的提示词、行动指令以及整个链路，比如出去玩是一个任务，你可以将其分解。