大模型怎样赋能 O2O 与 OTA 搜索？用自然语言提问拉平高级搜索技巧

主要观点总结

本文主要讨论了犬校关于点评和携程平台上用户找店入口分散的问题，以及大模型语音问答在简化搜索交互方面的潜力。文章还提到了小红书与大模型结合的难点，以及大模型对数据版权的影响。

关键观点总结

关键观点1: 用户找店入口分散，点评和携程平台需要优化搜索路径。

文章指出，很多高价值的找店场景，用户不知道如何寻找，平台需要简化路径。

关键观点2: 大模型语音问答可能成为点评和携程找店的最佳路径。

作者提出，“大模型语音问答”能够实时生成POI列表和笔记列表，引导用户延伸提问，生成符合实时需求的推荐列表，这可能是解决找店问题的简洁交互方式。

关键观点3: 自然语言问答有助于小白用户深度使用点评，发挥点评结构化数据的价值。

作者认为，自然语言问答能够让用户无需复杂的筛选操作就能找到所需信息，这对于浅度用户尤其重要。

关键观点4: 小红书未利用大模型优化搜索交互的原因。

作者解释了为什么小红书没有采用大模型来优化搜索交互，因为UGC内容的搜索需求相对模糊，直接返回帖子内容可能破坏其生态和商业价值。

关键观点5: 大模型对搜索交互的简化可能冲击以数据为竞争力的平台。

作者提到，如果大模型继续发展并替代现有搜索方式，可能会冲击那些依赖垂直数据作为竞争力的平台，如点评和携程等。

免责声明