3月2日,联通大数据与中国银联首次联合发布《2018春节境内旅游消费大数据报告》(以下简称“报告”)。报告结合春节期间联通旅游大数据和银联网络消费交易数据,依托双方强大的大数据运算能力,呈现了今年春节期间国内旅游、消费等方面的新特点与新趋势。
腊月廿四回家忙,正月初六买不停
报告显示,今年春节呈现“两高”特征。
2月9日至16日期间,春运出行总人数超过1.7亿。其中2月9日(腊月廿四)为出行最高峰,当日出行人数达到8600余万,占比高达50.3%。 出行方式上,近半数旅客选择了自驾,44%的旅客选择了火车出行,只有6%的旅客选择了飞机出行。其中,80后、90后偏向火车出行,50后、60后和70后群体偏向自驾。
由于大年初一是公众集中拜年的时段,当天的消费交易金额为过年期间最低,仅占7.2%。该数据随后逐日回升,2月21日(大年初六)升至最高点,达22.6%。消费金额分布上,购物以73.1%的高比例成为春节期间最花钱的领域。经济发达的广东省用户在吃、住、购、娱上的花费,占全国总体的11.3%,位列榜首。之后依次是山东省、福建省、河南省。传统春节文化浓郁的上述地区,在年货购买等方面支出较高,或成为整体消费排名靠前的因素。

海南全境皆爆满,酒店消费列前茅
大量用户的迁徙,让一、二线城市再次成为“空城”。北上广的离城率分别为84.5%、83.1%、79.3%。与此同时,在满城率最高的18个城市中,海南省独占15个。三亚依旧是南下避寒的首选。三亚市的主要客源来自北京、黑龙江、广东,南下避寒仍是春节旅游的大趋势。亚龙湾、大东海、南山文化稳居最受欢迎的三大景点。由于恰逢春节且游客众多,三亚酒店消费金额居高不下,笔均交易额超过全国98%城市,其中五星级酒店比重超过83%,是全国平均水平1.42倍。
报告依据春节期间的离城率,结合各大旅游城市气候、景区情况等特点,推荐了深圳、昆明、珠海三个适合春节期间避寒的旅游目的地。当地相关部门及企业或可考虑加大本地春节游的推广力度。

周边旅游受追捧,区域消费有特色
报告以上海、天津等春节热门旅游城市为代表,结合地区消费数据,呈现了春节期间短途周边游的火爆情况,及区域消费的明显特征。
以上海为例,江苏、浙江、河南分列游客来源地前三;迪士尼、豫园、上海博物馆为上海最热门景点,周边游及亲子游特色鲜明。在消费方面,春节期间上海地区人均购物次数位居全国第三,最受欢迎的商圈为浦东机场免税店,整体呈现出购物能力强及时尚消费的倾向,契合上海作为“国际时尚消费城市”的特点。
分列天津春节期间旅客来源地前三的分别为河北、北京、山东,五大道旅游区、古文化街、宁园是春节期间受欢迎的景区,津门文化游成为主流。春节期间,跳舞及唱歌的消费交易笔数占该市整体娱乐消费交易的32.5%,娱乐消费笔均金额高达2786元。结合旅游及消费数据,天津艺术文化城市的特征明显。
强强联合是趋势 大数据大有可为
可以看出,依托联通大数据与中国银联的深度合作,将为春节旅游和消费领域提供有价值的大数据参考,利于相关部门及企业做出更准确、快速的决策。据了解,作为运营商中首家将大数据业务独立市场化运营的公司,联通大数据自去年9月25日挂牌成立以来,迅速形成了在数据、平台、应用三个层面六大能力,并打造了“8+N”的大数据产品及行业解决方案矩阵,先后服务了17个行业的714个合作伙伴,以“创新改变世界,数据联通未来”的理念,持续为产业赋能。
随着中国联通与中国银联签署了大数据合作框架协议,基于广泛的金融消费数据与通讯行为数据,双方在大数据领域开展长期合作,共建智能应用与场景。《2018春节境内旅游消费大数据报告》作为双方首次合作,充分发挥了各自品牌优势及数据资源的广泛性、互补性、高价值性。
未来,双方将通过更加深入广泛的合作,为各行各业提供更加丰富的大数据分析报告及大数据产品,赋能实体经济,为客户创造价值。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。