CASE STUDY / 01 · AI PRODUCT
出发喽
让酒店推荐，有据可循。
酒店很多，选择很难。一个从真实评论出发的 AI 预订助手，帮助用户表达需求、理解推荐，并完成选择。
01 / THE PROBLEM
用户需要的，是与自己有关的判断依据。
「安静一点」「有氛围」「适合带家人」很难被标准筛选项准确承接。即使得到酒店列表，用户仍要逐家打开详情、翻阅评论，判断酒店是否符合期待。
01
说不清
自然表达中的软性需求，难以直接映射到固定筛选条件。
02
选不完
结果列表仍需要大量逐项比较，筛选后的决策成本依然存在。
03
难判断
一句推荐结论不够，用户需要看到与自身需求直接相关的依据。
02 / PRODUCT DECISIONS
三个机制，重新组织决策过程。
01
保留两种选择方式
对话承接模糊需求，手动筛选承接明确条件。让用户根据自己的决策习惯选择入口。
02
让推荐可以被核实
拆解目的地、预算与偏好，检索相关评论，再展示匹配标签、提及比例与原文。
03
把反馈放回场景里
预订后问推荐满意度，入住后问住宿体验。允许轻量回答，并让用户选择是否公开反馈。
03 / ITERATION
让偏好被识别，让依据更靠前。
围绕「想住靠近四合院的酒店」这样的自然表达，将偏好匹配从完全匹配调整为包含关系匹配，并联动酒店召回、评论排序与关键词高亮，让需求理解贯穿到推荐结果展示。
04 / MEASUREMENT
围绕产品目标，搭建指标体系。
| 关注的问题 | 指标 | 支持的产品决策 |
|---|---|---|
| 推荐是否被采用？ | AI 订单占比、预订漏斗 | 定位从推荐到预订的流失环节，指导流程优化。 |
| 决策是否更高效？ | 下单前对话轮次 | 结合任务完成情况，评估追问节奏与信息收集效率。 |
| 反馈是否能持续收集？ | 满意度、入住反馈转化 | 观察反馈入口与交互方式，指导反馈流程迭代。 |
05 / DELIVERY
从产品定义，到完整 MVP 落地。
完成产品定义、交互设计、数据策略与 AI 辅助实现，打通 AI 对话、手动筛选、推荐证据、模拟预订与用户反馈流程，并搭建产品指标体系。
将「需求表达—评论检索—推荐解释—预订—反馈」串成完整体验，把用户洞察转化为交互方案、数据机制和可运行的产品。