中国IDC圈5月5日报道，信息化程度很低的旅游行业意味着，数据不是一种 “大宗商品”。
一段时间之前，多如牛毛的游记，大部分时候只是满足了分享者快感的文字，而没有变成数据。后来沉淀了大量游记的平台如穷游、蚂蜂窝都开始想办法把游记 “结构化”，变成能够更广泛应用的数据。
在旅游行业，可能最核心的数据就是 POI（兴趣点），具有极强规则的、完整的、标签极度碎片化的 POI 信息是这个行业里非常值钱的东西，也成为了诸如 TripAdvisor（猫途鹰）的核心竞争力。猫途鹰的 POI 信息几乎是不可能对外大规模释放的，第三方无论是购买、还是数据交换，都很难拿到完整的 TripAdvisor 的 POI 数据。TripAdvisor 开放的 API 接口，只能够为第三方提供所有 POI 的评论信息。
境内在线旅游行业，持有境外 POI 信息主要有三拨（如有遗漏欢迎补充，大众点评之类暂不考虑）：
擅长以抓取方式收集并整理信息的一些创业公司，如口碑旅行、梦想旅行，妙计旅行；
基于 UGC 内容整理的 POI 信息：主要就是穷游；
自采 POI 信息的创业公司：游谱旅行、四万公里。
之前我们和穷游负责大数据的 VP 张棋就这件事聊了聊，张棋坦言这是一个庞大的工程，迄今为止穷游覆盖了 300 多个国家和地区，7000 多个城市和区域，包括了景点、美食等 POI 的数量已经达到了百万量级。而随着目的地信息的变化，这些 POI 必须持续更新，除了基础信息之外，评论也在随之更新。
张棋介绍，最初做 POI 的方式是通过 “网友贡献 + 编辑审核” 的方式，以比较粗的维度划分国家、地区、城市，然后尽量保证各个维度下面都有相应的 POI 信息做到 “该有的地方都有”。而第二期的做法是 “掘金”，一直持续到现在，通过 “运营编辑 + 算法支持” 的方式：编辑给大致的框架，例如什么算是优秀内容，以人工做范例（在长游记中找到几张图和一段话），然后技术团队通过数据建模和算法，用文本挖掘的手段覆盖所有内容，把结果填充到 POI 和目的地的架构中。
在整个穷游收集 POI 的过程中，除了根据论坛的内容做筛选和挖掘以及用户主动提交之外，也有一些外部数据源做实时不断的更新，例如大巴车的时刻表。这一点上，妙计也用的相应的方式，从而保证动态的行程规划是可行的——如果行程助手让你去搭乘巴士，而巴士停运了会怎么样？
在这里张棋分享了一些穷游的做法，工作节奏上他们会每一段时间重点攻克一个主题，先是酒店，然后是餐厅。在文本挖掘上，穷游除了抓取文字之外还会抓取相应的图片，张棋坦言这里没有通用且完美的解决方案，只能不断的通过运营编辑反馈机器的抓取结果，不断提高覆盖度，争取少漏掉一些重点信息。
通过不断的外部数据源更新、用户提交和内部挖掘，穷游的 POI 信息维度已经超过了 100 个，主要可以分为两类，一类是属性维度，以清迈女子监狱按摩店为例，包括了中文名、当地原名称、英文名、地址、经纬度坐标、平均价位等；另一类是标签属性，也可以理解为 “属于哪一类”，休闲、刺激、适合什么人群、亲子或单身等等。
在保证 POI 覆盖度之后，POI 的另外一个要点是标签体系：一个 POI 都需要标签？标签需要多细化的颗粒度？这都是需要考虑的问题。一套成熟的标签体系能够极大的提高用户筛选的效率，自然也会提高转化率。
以酒店为例，穷游的运营编辑会提供诸如 “交通”、“设施”、“餐饮”、“服务”、“干净卫生”、“汉语” 等维度，然后机器根据这些语义做抽象出相关内容，做主题挖掘。当用户评论或游记中有描述命中了这个主题，机器就会放进 “池子” 做第一轮的筛选。在这个 “初选” 的池子中，机器会为每个话术赋值，然后根据权重得出最终结果。当然，餐厅就会有不同的维度，景点也有不同。
POI 的价值毋庸置疑，如上面所说，妙计和穷游都在多个维度丰富自己的 POI 信息，尤其是动态更新的信息，以保证智能生成的行程规划是切实可行的。张棋说，行程助手就是 POI 信息的串联，一天可能就涉及 50-70 个 POI。如果不能够保证丰富度和准确度，整个行程助手是缺乏价值的。