为什么旅行规划类AI容易做烂

做旅行产品的人都知道一个事实：用户打开App时，80%的人没有明确目的地——他们在「随便看看」和「想出去玩但不知道去哪」之间摇摆。传统搜索式预订（输入城市→看酒店→比价格）无法处理这个模糊需求。于是几乎所有OTA都在推AI聊天助手，但效果往往很差：要么用户问了一句「推荐去日本玩什么」，AI返回一段冗长的文字，没有机票、没有酒店、没有行程；要么AI强行推一个package，用户改了一处细节后整段垮掉。

核心痛点是：AI对话的无结构化与旅行预订的高结构化之间存在根本冲突。旅行决策涉及价格、日期、交通、酒店、活动、取消政策等多个变量，任何一个变量变化都需要联动调整。而纯文本聊天框无法提供所见即所得的行程编辑能力，用户和AI之间反复来回沟通，反而比手动搜索更累。

Expedia在Explore 2026上发布的AI新体验，最值得关注的不是它用了什么模型，而是交互场景的选择：把旅行规划直接嵌入Meta（Facebook/Instagram）的信息流。这个决策背后，是对用户行为的深刻理解——旅行规划往往起始于社交媒体上的「种草」（看到朋友的照片、旅游博主的视频），而不是打开一个专门的App。

in-feed planning：降低启动成本的设计

所谓「in-feed planning on Meta」，就是用户在刷Meta的信息流时，可以直接在帖子下方看到一个「Plan my trip」的按钮或气泡，点击后触发AI对话，但它并不跳转到一个独立的聊天窗口，而是以浮层/侧边栏的形式覆盖在当前页面上。

这个设计的巧妙之处在于：

• 触发时机与用户意图高度吻合：用户在浏览一个旅行帖时，认知阶段是「我想去这个地方」，此时提供规划入口，转化率远高于用户离开后单独打开App。
• 零成本启动：用户不需要打开新App、不需要注册登录（Meta账号与Expedia有OAuth关联）。心理学上的「默认选项效应」——既然已经在这里了，点一下试试。
• 交互的渐进式：AI并不是一口气询问所有偏好（「请告诉我你的预算、天数、同行人员」），而是先给出一个最简单的引导：「你什么时候想去？」、「和谁一起去？」，然后生成一个初步行程草案，用户可以在草案基础上微调。如果用户觉得不行，可以一键清空重新来。

这里的产品决策逻辑是：让AI做「粗筛」而非「精答」。用户不需要AI规划出一个完美的、精确到分钟的行程——这不现实，因为LLM并不了解实时房源价格和空房情况。Expedia的做法是，AI先生成三个行程选项（比如「经济型3天游」、「标准5天游」、「豪华4天游」），每个选项包含预订链接、预估总价、关键景点。用户点击某个选项后，进入Expedia的常规预订流程，由传统的搜索排序和库存系统接管。

自然语言规划的边界：结构化输出+兜底链

Expedia强调的「natural language trip planning」并非让用户在一个无限长的对话框里聊天，而是设计了一种有界对话：

• 用户输入：「带爸妈去巴黎，四天，预算两万左右」
• AI系统将这个自然语言解析为结构化参数：destination=Paris, travel_with=family, duration=4 days, budget=20000，然后调用内部推荐引擎，匹配酒店、机票、活动，生成一个行程草稿。
• 草稿以卡片形式呈现，每部分（酒店、航班、景点）都是独立的可编辑块。用户可以点开「酒店」卡片，看到AI推荐的3家酒店，自己选择替换。
• 如果用户提出的需求无法被完全满足（比如「两万预算去巴黎玩四天」是近乎不可能的），AI会明确提示：「这个预算在当前季节可能不够，建议考虑升级预算至三万或改为三日行程」——这是典型的预期管理。

对比市场上许多AI旅行助手（比如一些初创公司的纯ChatGPT包装），它们往往给出「不切实际的承诺」——让用户以为AI能订到所有东西，结果用户发现AI根本无法直接操作库存。Expedia的做法是：AI只负责规划和推荐，实际预订仍然走现有的、成熟的交易链路。这样既利用了大模型的自然语言理解能力，又兜底了交易失败的风险。

对开发者/产品经理的启示

如果你也在构建将AI嵌入预订类产品的功能，以下几条经验可以直接复用：

1. 不要用聊天框覆盖全部交互。聊天框适合信息查询，不适合多变量决策。更好的模式是：用自然语言做输入，但输出的结果必须是结构化、可编辑的UI组件（卡片、表单、列表）。让AI做「翻译官」而不是「决策者」。

2. 降低触发门槛，把AI放在用户已经在的地方。用户的旅行灵感70%来自社交媒体（Expedia自己公布的数据）。如果你的产品没有社交属性，可以考虑与主流社交平台做深度集成（通过分享SDK或DM渠道），而不是指望用户专门来找你。

3. 明确AI的能力边界，并主动告知用户。在对话开始时，可以用一个简短的话术说明：「我可以帮你快速规划行程和推荐酒店，但具体的价格和预订需要跳转到预订页面确认」。如果AI无法满足需求，直接给出替代建议，而不是硬编一个。失败兜底设计比成功体验更重要。

4. 利用用户已有的行为数据进行个性化。Expedia拥有30年第一方数据，包括用户的搜索历史、过往订单、偏好类型。在AI规划时，这些数据被用来优化推荐。作为小团队，你至少可以做到：让用户授权读取历史订单，或让用户填写一个简短的偏好问卷，将结果注入prompt上下文。

图：一种可行的AI规划输出设计——左半部分是可编辑的行程卡片，右半部分是对应价格日历。用户不需要打字，直接点选即可修改。

交互设计要点清单

从Expedia的发布信息中，可以提炼出以下交互原则：

• 渐进式询问：不要一次问完所有参数。先问最关键的（目的地、日期），等用户确认后再补充其他。
• 始终可编辑：AI生成的任何建议，用户都可以改。如果用户改了一个参数，AI应自动重新计算并更新其他相关部分。
• 失败时提供下一步：如果无可用房源，不要只显示「抱歉」，而是推荐附近城市或其他日期。
• 保持透明度：AI推荐的逻辑是什么？比如「因为您上次住过希尔顿，所以优先推荐同品牌」。用户有权知道，这能增加信任。
• 支持多轮修改但不打断用户心智：如果用户说「把酒店改到香榭丽舍」，不要重新生成整个行程，只替换酒店部分，然后提示其他部分可能需要调整（比如活动路线）。

商业化路径思考

Expedia的AI体验最终的目标是提升预订转化率。in-feed规划的直接效果是扩大了漏斗顶端的人群——原本只在刷社交媒体的用户被触达。据行业数据，类似社交内嵌工具能将旅行灵感转化为搜索的比例提升2-3倍（来源：Skift Research 2025）。

作为独立开发者或小团队，你无法获得Meta的深度集成权限，但可以借鉴思路：

• 在App内创建「灵感流」，用算法推荐旅行视频/攻略，并在每个内容下挂「AI规划入口」
• 与KOL合作，在帖子评论区用AI bot提供规划（但要注意避免骚扰）
• 使用分享到社交平台的链接，带有预填参数，一键唤起AI规划

总结一下……算了，禁止总结废话。

一句话：Expedia这次没有把AI做成一个独立的新App，而是把AI的能力拆解后嵌入用户原有的行为链路——刷社交时规划、对话中生成卡片、卡片上可编辑。 这个思路比「做个聊天机器人」聪明得多。做AI产品的核心不在于用了多牛的模型，而在于用户是否愿意用，以及用完之后能不能顺利变成交易。

如果你正在做旅游相关的AI功能，可以现在就做一个小实验：把公司最常用的旅行搜索场景（比如「某个城市三天两晚」）的输入从搜索框改为自然语言输入框，输出却依然是标准列表。观察用户行为和转化率。你会发现，用户对「说个需求就能看到结果」的接受度远高于「还需要填三个筛选框」——前提是结果靠谱。