CNET科技資訊網(wǎng) 4月26日 北京消息:就在昨天,國內(nèi)旅游目的地整合營銷機構中青旅聯(lián)科公關顧問有限公司(以下簡稱“中青旅聯(lián)科”),與大數(shù)據(jù)機構北京騰云天下科技有限公司(以下簡稱“TalkingData”)成立“旅游消費者大數(shù)據(jù)實驗室”,將基于消費者大數(shù)據(jù)(包括旅游決策模式、旅游行為、目的地傾向性等),賦能旅游目的地的整合營銷。
近來,中國旅游行業(yè)爆發(fā)式增長,旅游市場規(guī)模擴大,散客市場成為主流,旅游消費日趨個性化和碎片化,人們在出行決策、產(chǎn)品選擇、行程制定、行后分享等階段,呈現(xiàn)出越來越明顯的差異化趨勢。然餓,面對這些全新的市場發(fā)展趨勢,傳統(tǒng)的目的地營銷模式已經(jīng)捉襟見肘,營銷的精準性快速衰減,產(chǎn)品供給難以匹配消費需求的升級。
同時,以大數(shù)據(jù)為代表的創(chuàng)新科技來勢迅猛,已經(jīng)開始在各行各業(yè)引發(fā)新一輪創(chuàng)新變革,全國各類的旅游大數(shù)據(jù)中心也不斷涌現(xiàn),但是,旅游大數(shù)據(jù)在行業(yè)價值深度發(fā)掘和實際應用中,還普遍處于探索期。在全域旅游加速的背景下,基于消費者大數(shù)據(jù)的目的地精準營銷,并通過對消費者需求的洞察驅動產(chǎn)品升級工作,變得日益重要。
因此中青旅聯(lián)科與TalkingData決定,為目的地開展核心客源市場分析、客群移動軌跡研究、主流目標客群畫像,摸索目的地營銷的大數(shù)據(jù)應用研究和應用。“以往,由于游客數(shù)量巨大、消費模式復雜、碎片信息龐大而造成的研究成本高、精準營銷難等困局,有望逐漸變得簡單和高效。” TalkingData執(zhí)行副總裁林逸飛表示。
三個產(chǎn)品
長期以來,旅游大數(shù)據(jù)主要停留在產(chǎn)業(yè)研究和宏觀市場研究等層面,全國各省市的旅游目的地各級主管機構和企業(yè)普遍難以在實際工作中真正運用大數(shù)據(jù)技術和資源。針對這一現(xiàn)狀,旅游消費者大數(shù)據(jù)實驗室將首先從旅游客群研究、目的地大數(shù)據(jù)智能平臺研發(fā)、目的地大數(shù)據(jù)解決方案定制化等維度,開展研究計劃,逐步突破旅游大數(shù)據(jù)的應用困局。
成立儀式上,中青旅聯(lián)科與TalkingData正式發(fā)布了雙方首個研究成果:《中國親子旅游消費群體大數(shù)據(jù)分析報告》。該報告披露了中國親子旅游客群在地緣分布、出行規(guī)律、旅游產(chǎn)品選擇、日常消費傾向等方面的特點。而基于主題旅游人群的研究,將成為實驗室今后在市場研究咨詢方面的重點工作,逐步解密更多旅游人群的行為特質(zhì)。
同時,中青旅聯(lián)科與TalkingData 聯(lián)合開發(fā)“旅游消費者大數(shù)據(jù)平臺”,該平臺將致力于為景區(qū)客戶提供全方位、一站式、可視化的游客大數(shù)據(jù)分析服務,能夠有效幫助景區(qū)客戶實現(xiàn)全面的運營優(yōu)化,改善景區(qū)經(jīng)營現(xiàn)狀。在此次實驗室發(fā)布會上,國內(nèi)多家景區(qū)宣布加入大數(shù)據(jù)平臺體驗計劃,將率先體驗和應用實驗室在旅游消費者大數(shù)據(jù)方面的研究成果。
此外,實驗室成員還介紹了針對政府、投資機構、大型旅游企業(yè)開發(fā)的旅游大數(shù)據(jù)定制化解決方案。該產(chǎn)品將以定制化的模式,為目的地建立更加精準化和個性化的大數(shù)據(jù)采集、管理、應用等服務體系,全面提升目的地旅游產(chǎn)業(yè)管理運營、營銷推廣,乃至投資決策的精準度和智能化水平。
中青旅聯(lián)科執(zhí)行總經(jīng)理葛磊表示:“旅游消費者大數(shù)據(jù)實驗室的研究成果,一方面,用數(shù)據(jù)幫我們深刻地了解行業(yè)發(fā)展的現(xiàn)狀和趨勢,另一方面,將致力于讓數(shù)據(jù)服務于旅游營銷、投資和產(chǎn)品創(chuàng)新等層面的實際應用。我們相信,旅游+大數(shù)據(jù),將給全域旅游時代的發(fā)展帶來強勁的新動能。”
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。