一、出境自由行市場特點
在剛剛過去的2015年，中國出境自由行市場規模已達9300億元人民幣，出境遊超過1.2億人次，其中出境自由行人群高達8000萬人次，人均消費11625元，旅行消費同比2014年的8820元增長24.1%。所有這些龐大數據的背後，是中國護照擁有率竟然仍不足6%，出境自由行市場增長潛力不禁讓人無限遐想。
中國出境自由行市場最大的特點就是驚人的增長速度和消費能力，在人類旅遊行業史上用“絕無僅有”來形容也毫不誇張。
中國遊客大量湧出國門，其旅遊行為也具有鮮明的“中國遊客”特色：
1.在購買行為上：相較於國內自由行遊客以及其他國家自由行遊客，中國出境自由行遊客對在國外“買買買”更有興趣，行前在選擇機票酒店類標準化產品時會做更多價格比較，途中更容易衝動購買旅行產品；
2.在目的地選擇上：中國遊客首次自由行一般會選擇成本較低的東南亞，然後是消費較高的韓國日本，再逐漸走向歐美澳新，這是由消費能力和文化認同感共同決定的；
3.在旅行方式上：大部分中國自由行遊客更傾向於以觀光的方式到訪更多境外目的地，而不是重複去同一個目的地；由於消費水平和旅行能力限制，仍有近3成的中國出境遊客選擇跟團遊，但年度增長只有2.5%，遠低於自由行增長。
在人群分佈、消費能力和地區差異綜合因素影響的大背景下，中國遊客在旅行需求上呈現出金字塔形態，而非歐美成熟市場的橄欖型，也造就了市場增長的持續性、需求的多樣性以及旅遊商品的豐富性。
二、如何將人工智能與大數據應用於自由行行程定製？
在需求的多樣性和旅行產品豐富性的前提之下，私人定製發展很快，所以在旅遊行業“行程定製”絕不是一個新概念。但是2015年以來，隨著玩美自由行這類智能行程規劃助手的出現，在曾經技術基礎薄弱的旅遊行業如今所謂的“智能行程定製”層出不窮，幾乎都人人都在說人工智能和大數據。眼花繚亂的背後，到底什麼是人工智能？什麼是大數據？
什麼是人工智能？
我們常說的“人工智能”英文全稱是Artificial Intelligence（AI）。AI是模擬、延伸和擴展人的智能理論、方法、技術及應用系統的技術科學，它由不同的領域組成，如機器學習、計算機視覺等等。比較簡單的解釋是，人工智能研究的一個主要目標是使機器能夠勝任甚至超越一些通常需要人類智能才能完成的“複雜工作”。玩美自由行在項目論證初期認為行程定製過程複雜，要素繁雜，非常適合使用人工智能技術來提升效率和精確性，並降低成本。
從50年代AI誕生至今，不同的時代、不同的人對這種“複雜工作”的理解是不同的。舉例說明，今天的攜程、去哪兒、窮遊、螞蜂窩等在線旅遊相關公司提供的是“信息工具”，即通過互聯網為用戶聚合了大量旅遊信息，通過網絡進行查詢、比價、預訂等複雜工作。
而在移動互聯網時代，某幾個品類的旅遊商品信息也僅是旅遊大數據的滄海一粟。拿玩美自由行舉例，在決策一個完整旅行行程時，會根據用戶需求，綜合考慮最基礎的機票酒店信息及推薦原則、城市順序及天數安排、景點及順序、多種類型交通、商品方案組合等等，要在多個百萬級別的分類數據裡在毫秒級短時間內做出最優方案就是今天的“複雜工作”。
那麼，大數據從哪裡來？
首先，來自於遊客個性化需求，自由行是體現遊客個體旅行意願的最佳旅行方式。去哪兒玩、玩什麼、玩幾天、和誰去、花多少錢等需求，除此之外，進一步開展的數據挖掘對精準把握用戶需求有巨大幫助，這些都是重要的用戶數據。
其次，是幾十類旅行以及多種商品信息，例如機票、酒店、簽證、保險、租車等，以及目的地相關信息，例如遊記、交通、餐廳、景點、匯率等。由於存在天然的信息不對稱，遊客期待能有一站式自由行解決方案，所以玩美自由行為遊客智能生成的是完整旅行計劃，包括從上飛機出發到下飛機返回全過程。因為實現難度較大，目前業界只有玩美自由行能在毫秒級別內生成完整行程。
除此之外，移動互聯網旅遊既是個性化需求最好的表達方式，也是“大數據”重要的來源。移動互聯網的實現基礎是智能手機，除了擁有強大計算能力，智能手機擁有更多功能，例如攝像頭拍照、語音通話、GPS定位、陀螺儀判斷朝向、重力傳感器監測運動等。利用這些功能支持，玩美自由行開發出很多實用功能，例如行前可以對幾十類目的地和商品信息進行智能規劃，遊客可以隨意調整，在途中可以根據遊客所在位置使用AR技術查找周邊旅遊服務，並做出行程計劃實時智能調整等。
三、智能行程規劃領域的難點及前景
智能規劃的過程，就是根據用戶需求用數據驅動決策的過程。目前人工智能應用於自由行行程規劃主要的困難是：
1.海量碎片化數據：除了數據獲取難度本身，自由行相關的“吃住行遊購娛”動輒上億級別的數據最大的特徵就是高度的碎片化、離散化。從行程完整性角度看，這些信息彼此之間又互相影響，“牽一髮而動全身”；
2.人工智能實現方式-神經網絡搭建規則：必須非常瞭解自由行不同的應用場景，基於旅行專家的輸出構建知識庫，才能決定如何選取、需要構建多少隱層、每層的神經元個數，以及神經元之間的連接關係。例如特徵選取不合適，會降低神經網絡的決策精度；
3.深度學習算法的優劣：深度學習算法（Deep Learning）直接影響了神經網絡的學習效率，好的學習算法可以有效降低神經網絡的傳遞誤差，加速收斂，而神經網絡學習的效率決定了神經網絡是否能被實用化、商業化。
一個真正意義上的智能行程定製系統包括大數據處理能力和紮實的人工智能應用經驗，以及專業的自由行知識庫，這三者缺一不可，否則我們無法真正理解“智能行程定製”。它不是簡單的機票酒店最低價的搜索和組合，也不是簡單的日遊的過濾和篩選，而是一個碎片化需求和碎片化服務之間深度匹配的效率平臺，它不應該是在人工定製由於成本、效率、準確性無法規模化的時候，才被更多的人想到。
回顧旅遊行業發展歷程，互聯網利用其傳播優勢，加速了信息化的同時，也促進了資源整合。但不同種類的商品因其標準化程度不同，完成信息化的速度也不同，在機票酒店領域，攜程去哪兒已經由競爭關係轉化為結盟進而形成壟斷，而在很多旅遊城市還在推進旨在提升基礎信息化水平的“智慧旅遊”。無論是對遊客還是對從業人員，當今網絡上旅遊相關信息已經過載，從“信息工具”到“效率工具”，是後工業化互聯網時代的必由之路。
脫胎於互聯網的移動互聯網時代，個性化需求的爆發會從更深層次引導服務和消費行為升級，就像今天Uber對出行方式的影響，若在PC時代它幾乎不可想象。從信息化到智能化、用機器替代人工，這是任何行業的必然趨勢。高效、零成本的智能個性化定製一定會讓旅遊行業效率發生顛覆性革命。
閱讀更多 劉照慧 的文章
