Booking.com 与 OpenAI 个性化集成

Booking.com 与 OpenAI 合作，将大型语言模型（LLM）集成到其旅行市场中，从传统的基于筛选的搜索转向对话式、以发现为驱动的体验。此集成使平台能够捕捉细微的用户意图，并在大规模上实现旅行规划的个性化。

使用 AI 解决发现挑战

传统的机器学习和基于规则的系统难以捕捉旅行规划早期发现阶段的用户意图细微差别。虽然 Booking.com 提供了数百个筛选项，但这些筛选要求用户明确知道自己想要什么，导致难以呈现细分偏好（例如带有特定主题的“浪漫度假”）或人迹罕至的目的地。

通过利用 OpenAI 的模型，Booking.com 转向对话式界面，在规划过程的更早阶段与客户接触，使他们能够发现之前可能未考虑的目的地和体验。

AI 行程规划器

Booking.com 在 10 周内开发并推出了 AI 行程规划器，通过将 OpenAI 的 GPT 模型与其关于价格、可用性和房源详情的专有数据相结合。

关键技术实现

• 数据集成：系统将结构化数据（价格、取消政策、可用性）与非结构化数据（用户评论和自然语言描述）相结合，以生成精选建议。
• 自然语言映射：模型将对话提示映射到结构化数据，使系统能够处理诸如“我应该去欧洲哪里度过浪漫的周末？”之类的开放式查询。
• 快速原型：该解决方案使用 OpenAI 的 API 并通过黑客马拉松驱动的开发周期构建，在不到三个月的时间内从概念转向上线。

AI 驱动的产品功能

Booking.com 已部署多项由 OpenAI 模型驱动的旗舰功能，以简化用户旅程：

解决方案	解决的挑战	技术实现
Smart Filters	下拉菜单和复选框的局限性	使用 GPT-4o mini 分析评论、图片和房源详情，以理解诸如“日落景观”或“健身房很棒”等提示。
Property Q&A	静态房源信息无法回答客人的具体问题	在用户生成内容和房源描述上微调 LLM，以回答关于婴儿床、泳池可用性或宠物政策等查询。
AI Review Summaries	难以在海量评论中筛选信息	GPT-4o mini 分析评论，概括关键主题，如清洁度、位置和设施。
Help Me Reply	合作伙伴的客人沟通效率低下	使用 OpenAI 模型生成自动回复和可定制模板，并包含“回复评分”以跟踪表现。

对用户行为和绩效的影响

Booking.com 报告称，参与度和满意度都有可衡量的提升，表现为用户与平台互动方式的转变：

• 参与度提升：用户在平台上花费更多时间，通过 AI 行程规划器探索个性化行程。
• 搜索效率：智能筛选减少了用户寻找特定结果的时间。
• 支持请求减少：房源问答通过提供准确的应用内答案，降低了客户支持联系量。
• 预订信心提升：评论摘要让旅行者能够更快做出决定，减少不确定性。

随着用户行为的演变，查询已从简单的关键词搜索（例如“Myrtle Beach”）转向详细的对话式请求（例如“我想在九月带着我的狗去一个安静的海滩”）。

未来展望：具备代理能力的旅行伴侣

Booking.com 旨在将其 AI 集成演进为类似礼宾的伴侣，支持整个旅行过程。该未来愿景包括由代理驱动的体验，能够自主处理突发情况，例如重新预订被取消的航班或在延误期间寻找新酒店，并在抵达时提供本地餐厅推荐。