🗾較早收集於 10h

Mastercard 調查:AI 付費使用者在旅遊支出更高

Mastercard 調查:AI 付費使用者在旅遊支出更高
PostLinkedIn
🗾閱讀原文: ITmedia AI+ (日本)

💡了解 AI 整合如何改變高價值消費者的支出習慣與旅遊決策模式。

⚡ 30-Second TL;DR

有什麼變化

AI 平台付費使用者在住宿上的支出是普通用戶的兩倍。

為什麼重要

此數據顯示 AI 正積極改變消費者的行為,使其轉向高單價與個人化的旅遊體驗。企業應調整其推薦引擎,以捕捉這些尋求利基市場的高價值客群。

下一步行動

分析您的用戶分群數據,確認 AI 輔助用戶是否具有更高的終身價值(LTV),並調整您的個人化演算法以優先推薦利基型內容。

誰應關注:Founders & Product Leaders

關鍵要點

  • AI 平台付費使用者在住宿上的支出是普通用戶的兩倍。
  • AI 輔助旅遊者傾向於選擇冷門或「隱藏版」的旅遊景點。
  • 在控制總支出水平後,AI 用戶與傳統用戶的消費行為模式存在顯著差異。

🧠 深度解析

Web-grounded analysis with 22 cited sources.

🔑 增強重點摘要

  • 該調查結果來自萬事達卡經濟研究院於2026年5月發布的《新旅遊方程式:宏觀、機器、動機》報告,該報告分析了訂閱消費者AI平台的美國持卡人的匿名和匯總萬事達卡數據,並將其與未訂閱者進行了比較。
  • 除了住宿,AI付費使用者在其他多個旅遊相關類別的支出份額也更高,顯示出AI對整體旅遊消費模式的廣泛影響。
  • AI使用者傾向於年輕且富裕,他們利用AI工具的主要動機是為了省錢和省時,同時也用於發現「複製目的地」(即提供與熱門景點相似體驗但更實惠、人潮較少的替代地點)。
  • 相當一部分旅客(整體33%,單獨旅行者為41%)願意讓AI代理代表他們進行最高1,000美元的旅遊相關購買,這表明對「代理式AI」在旅遊交易中的信任度正在提高。

🛠️ 技術深入

  • 萬事達卡正在開發一種新的基礎模型,稱為「大型表格模型」(LTM),該模型基於數十億筆匿名交易數據進行訓練。
  • 與基於非結構化數據訓練的大型語言模型(LLM)不同,LTM是一種深度學習神經網絡,專門針對結構化數據(如大規模表格或數據集)進行訓練。
  • 該模型旨在作為一個「洞察引擎」,為網絡安全、忠誠度計劃和小型企業工具等多種服務提供支持,而非面向消費者的聊天機器人。
  • 萬事達卡利用NVIDIA的加速計算平台和Databricks技術來開發其專有的交易基礎模型,以實現前所未有的數據處理速度。
  • 萬事達卡擁有2,000多名專注於數據和AI的數據科學家、工程師和顧問,並擁有二十年大規模實時使用AI的經驗。
  • 萬事達卡的Brighterion AI平台用於詐欺偵測和實時風險評估,其AI模型基於匿名和匯總的交易數據進行訓練,能夠識別其他解決方案可能遺漏的複雜詐欺模式。
  • 萬事達卡的「旅遊洞察」(Tourism Insights)平台結合了消費數據和第三方數據(如搜索趨勢、旅遊預訂和社交媒體洞察),以識別趨勢和消費者偏好,並利用AI和機器學習技術,包括自然語言處理(NLP)來提取社交媒體上的情緒和感知。

🔮 前景展望AI analysis grounded in cited sources

AI將加速旅遊業的個性化和利基市場的發展。
AI工具能幫助消費者發現符合其興趣的獨特目的地和體驗,並優化行程,促使旅遊供應商提供更多客製化選項。
支付行業將見證「代理式AI」在商業交易中的更廣泛應用。
消費者對AI代理代表其進行支付的接受度提高,將促使萬事達卡等支付公司進一步開發和標準化AI驅動的交易框架。
旅遊目的地行銷組織將需要調整策略以吸引AI輔助的旅客。
隨著AI影響目的地選擇,行銷組織需在AI驅動的發現管道中提高可見度,並推廣「隱藏版」或更具性價比的替代目的地。

時間線

2023-10
萬事達卡擴展諮詢業務,推出專注於AI和經濟學的新業務部門。
2024-02
萬事達卡推出Decision Intelligence Pro,利用AI提升詐欺偵測能力。
2025-04
萬事達卡推出Agent Pay,旨在負責任地推動代理式商務。
2026-03
萬事達卡發布新的生成式AI基礎模型(大型表格模型),作為其支付和商務服務的洞察引擎。
2026-03
萬事達卡推出Virtual C-Suite,為小型企業提供AI驅動的執行級洞察。
2026-05
萬事達卡經濟研究院發布《新旅遊方程式:宏觀、機器、動機》報告,詳細闡述AI對旅遊支出的影響。
📰

AI 週報

閱讀本週精選 AI 大事摘要 →

👉相關動態

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源: ITmedia AI+ (日本)