被稱為“史上最長假期”的十一長假就要到了,出境旅行已經(jīng)成為人們度過長假的優(yōu)選方式。9月25日,人民網(wǎng)輿情監(jiān)測室和阿里巴巴旗下旅行品牌飛豬,聯(lián)合發(fā)布《年輕群體全球游特征及趨勢報告》,可以說,年輕人出境游的那點事兒,都被看透了。
人民網(wǎng)和飛豬表示,之所以聚焦在年輕群體,是因為他們已經(jīng)成了出境旅行的絕對主力。90后是出境旅行的最大群體,占比39%,如果加上80后,占比高達(dá)78.9%。
該數(shù)據(jù)報告用12個字對年輕群體的出境旅行特征做了總結(jié):愛自由、夠灑脫、重體驗、舍得花。
“愛自由”早已是年輕群體的標(biāo)簽,81%的他們以自由行的方式出境旅行。與此同時,在游玩方式上,樂高組件式預(yù)訂越來越受青睞,租車在境外自駕游的人,2017年比2016年上漲了337%,簡直比自由更自由。
年輕群體的愛自由,還表現(xiàn)在目的地進(jìn)階上。人們對旅行目的地的選擇,一般從國內(nèi)到境外,從大眾目的地到小眾目的地。但生猛的年輕群體進(jìn)階更明顯,去過更多國家的越來越多,2017年去過6個以上國家的,比前一年增長了7%。
而且,年輕群體在目的地的選擇上有很強(qiáng)的長尾特征,15%的人選擇到目的地榜單20名以外的地方去。飛豬北極專線的購買者有60%在30歲左右,南極專線購買者有46.5%是80后。
年輕群體對旅行的態(tài)度可以概括為“夠灑脫”。對他們來說,旅行是“重要的事”,工作很難超越旅行,飛豬數(shù)據(jù)顯示,這個國慶長假,近四成的80后會請假提前出發(fā),而這一數(shù)字在80前群體中不足6%。
但是,旅行又絕不是什么“大事”,年輕旅行者對出境旅行絲毫“不緊張”,到達(dá)目的地后才在當(dāng)?shù)仡A(yù)訂游玩商品的越來越多,2017年占比已超過1/3。
“重體驗”是年輕消費(fèi)群對出境旅行的執(zhí)念,這首先表現(xiàn)在出行時長上,以國慶出境游為例,超過1/3的人會在外面玩8天及以上。
另外,年輕人出境旅行愛拍照發(fā)朋友圈,也特別追求對目的地的深入了解,玩得很地道,2017年飛豬平臺上當(dāng)?shù)貙?dǎo)游的預(yù)定量增長了600%。
“舍得花”可以說是對年輕群體的本質(zhì)性總結(jié)。他們的消費(fèi)意識超前,掙多少錢與是否出去玩沒有必然關(guān)系。數(shù)據(jù)顯示,雖然整體收入水平還沒有前一代高,但他們消費(fèi)水平卻已與前一代人相當(dāng)。
飛豬認(rèn)為,年輕群體在出境游上表現(xiàn)出來的新特征,是消費(fèi)升級的體現(xiàn),度假是lifestyle,幸福地吃吃喝喝玩玩睡睡,中國消費(fèi)者的全球游將多元而精彩。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機(jī)制和漸進(jìn)式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學(xué)習(xí)外觀和運(yùn)動信息,顯著解決了當(dāng)前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運(yùn)動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團(tuán)隊開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報,準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。