关注信息1：商务部等9部门发文加快推进科技兴商 信息来源：中国旅游新闻网（原文日期2026-10-19）。 商务部等9部门10月13日联合印发《关于加快推进科技兴商的意见》，10月19日由中国旅游新闻网刊发全文。文件将人工智能、大数据、数字孪生等技术写入商贸全链条，旅游相关部署包括：开展“人工智能+文化和旅游”应用试点，推动沉浸式视听进入商圈与景区，用AI优化文旅IP研发；培育智能导购、智能运营等商业智能体，审慎开展分级治理；建立商贸领域高质量数据集和可信数据空间，允许在可控范围内开展压力测试与沙盒试点。这些均为政策部署与试点方向，并非已落地成效。 值得关注：这份联合文件把文旅试点、商业智能体、数据集等事项放到同一份政策部署里，值得一起看。目的地和游客行为数据能否支撑AI服务，原本就是旅游应用中的现实问题。文件提出方向，接下来要看试点怎样落实、具体补哪些数据，不能把政策发布当成瓶颈已经解决。 [1]
关注信息2：银行封杀AI Agent，不是怕被盗，是怕1.6万亿存款被AI搬家 信息来源：虎嗅（原文日期2026-10-19）。 虎嗅10月19日行业分析梳理了AI Agent被平台封杀与接纳的分化。事实层面：亚马逊禁止Grok Bot帮用户购物；花旗、美国银行、摩根大通限制Agent访问账户，达美航空不允许Agent订票。理由集中在安全风险及对广告、增值服务收入的影响。文中引用《金融时报》数据，仅三家银行无息存款即达1.6万亿美元，若额外支付1.5%年利息，每年成本增约240亿美元，故银行担心Agent自动挪走存款；航司担心Agent绕过升舱、行李等追加销售；电商平台担心Agent跳过广告和交叉销售。旅游平台出现分化：Booking拒绝、Expedia合作，Yelp要求先谈数据授权。作者判断“门卫经济”正在形成，第二阶段可能是授权费、接口费和身份认证。文中未给出旅游平台合作的具体成效数据。 值得关注：这条把平台拒绝Agent的解释从“技术不兼容”推进到“商业利益冲突”，揭示了具体动机：不只是安全，还有广告收入和交易主体地位的争夺。这对应了“AI先增加员工能力，企业能否赚钱取决于是否保有议价能力”的判断。平台封杀Agent正是议价能力争夺在AI入口层面的表现。值得关注授权费和接口费是否会成为旅游平台新收入来源，以及Expedia选择合作的差异逻辑。 [2]
关注信息3：双双上榜！山西两案例入选2026中... ( 10-19) 信息来源：山西省文化和旅游厅（原文日期2026-10-19）。 山西省文旅厅10月19日发布消息，10月18日揭晓的2026中国旅游产业影响力案例榜单中，山西两案例入选。平遥县文旅局申报的案例入选旅游营销推广典型案例，报道称其打造品牌活动、推出原创IP、上线AI智慧讲解，全网曝光超13亿次，青年客群占比超65%。忻州市文旅局申报的案例入选赋能城市发展典型案例，报道称忻州古城年接待游客从2019年300万人次增至2025年1800万人次。评选由文旅部产业发展司指导、中国旅游报社主办。曝光量、客群占比及游客量数据均为报道方口径，未给出统计方法和独立验证；AI智慧讲解只提到“上线”，未说明技术提供方、覆盖范围和效果验证方式。 值得关注：这条值得关注的是，地方把品牌活动、原创IP和AI讲解放在同一组营销实践里介绍。但13亿次曝光和青年客群占比对应的是整体活动，不能拆出来当成AI讲解带来的效果。目的地营销需要长期经营，读这类案例时，得分清哪些工作做了、哪些效果可以归给哪项工作，报道没有说明的地方留待后续观察。 [3]
先问一个具体问题：拿“云仙有什么好玩的”去问AI，一般都能得到一段介绍；可如果游客还没决定去哪儿，只说“想找个能泡温泉、吃点当地东西、安静待几天的地方”，AI还会不会想到云仙？这两种问法，考的不是同一件事。前一种考的是AI知不知道你，后一种考的是AI在游客还没锁定目的地时，愿不愿意把你端上来。九州火山旅游协议会的做法，恰好给了一个可以照着学的观察起点。 [4]
把事实说准。日本政府观光局官网“目的地实践案例”栏目刊发了一篇访谈，讲的是九州火山旅游协议会的实践，不是观光局自己在全国搞项目。这个协议会由鹿儿岛县的鹿儿岛市、指宿市、雾岛市，熊本县阿苏市，长崎县岛原半岛的岛原市、云仙市，云仙观光局以及各地地接企业组成，共同概念叫“与火山共生”。这个名字不是官方先定好的，是一位英语为母语、熟悉高附加值旅游现场的导游提出来，成员讨论后采用的。目标客群分两块：欧美澳那边，希望获得真实体验和自我改变的探险旅行者；东亚这边，图的是精致疗愈和美食的高价值客人。 [4]
他们做了一件对营销人员很有参考价值的事：定期向四个AI模型投放日语和英语的多组问题，定点看三样东西——AI回答里有没有提到自己，怎么介绍，引用了哪些网站。然后拿这些结果去改官网内容、补结构化数据，想办法让生成式AI能参照的信息资产多一些。原文只说到这里，没有给模型名称、提问频率、样本量，也没有说这么做带来了多少游客。这一点必须守住：它是一个正在做的观察动作，不是一份效果报告。 [4]
另一篇材料从需求那头解释了为什么这种观察值得做。TTG Asia在2026年10月19日刊出对Agoda高管的专访，受访者说，旅客的搜索正在从“迪拜哈利法塔附近的五星酒店”这类指定酒店的说法，转向意图导向，比如就近找个周末能去、吃得好、有某种体验的地方，AI工具再根据这个意图给选项。这是企业方在采访里的判断，不是独立验证的结论，但它指出的方向很清楚：游客的表达越来越像“我想怎样度假”，而不是“我要去哪家酒店”。 [5]
这两件事接上以后，营销人员该问的问题就变了。原来习惯问的是“搜我们目的地的人多不多”，现在更该问：游客用需求式说法提问时，AI会不会主动提到我们？只问“某地好玩吗”，检验不出这一点，因为地名已经摆在问题里，AI顺着答就行。真正难的是游客没提地名的那一轮。所以观察设计上，建议把问题分成两组：一组带地名，看AI怎么介绍、引用谁；一组不带地名，只描述出游需求，看自己会不会被想起来。后一组更接近还没定目的地的游客。 [4] [5]
不带地名的问题怎么写，不能拍脑袋。九州这个案例给了两类客群和“与火山共生”这个主题，可以顺着它想：面向欧美澳冒险客群，比如可以这样问“想找一个能走近活火山、又能泡温泉、听当地人讲防灾和信仰的地方，去哪好”；面向东亚高价值客群，比如可以这样问“想找个安静温泉地，吃当地食材，住两晚慢慢待着，有什么推荐”。这些只是我建议的提问例子，不是协议会真实用过的提示词，更不能当成游客调查结果。不同客源关心的点本来就不一样，冒险体验、当地生活、度假舒适各有侧重，问题要贴着真实产品条件写，不能把英语问题当成日语宣传文案的逐字翻译。 [4]
观察结果要分情况看，不能一看没被提到就慌。没被推荐，可能是问题描述的需求和本地产品本来就不匹配，比如问的是海岛度假，你主打的是山地温泉；提到了，但只讲一般景点，可能是特色没传出去，官网和结构化数据里缺了能让人抓住的东西；用本地名称问正常、不带地名问就不出现，那提示的是另一个环节的缺口——游客在发现阶段根本遇不到你。这些都只是可能，值得顺着查，不能凭一次回答就断定原因。AI没给引用来源时，也不能猜它读了哪些网站。 [4]
四个模型、两种语言，价值在于对照，不是搞一次问答排行榜。建议的做法是：把同一批问题、同一日期固定下来，比较同样条件下的答案差异；不要在同一轮里既改问题又改网页，然后说效果是改网页带来的，那样归因不成立。原文没有给精确频率和实验设计，我们能学的是这个“定点看、分语言看、分模型看”的思路，而不是照抄一个不存在的标准流程。 [4]
这里可以用上一个老判断：游客在还没确定目的地的时候，需要的是旅行灵感，目的地信息组织的第一要义就是让随便看看的人产生或者固化去一趟的想法。目的地特色也不能空喊，要落到具体体验产品上，比如天幕餐厅这种只在特定日期办、用岛原半岛食材、由本地厨师跨界合作的项目，才是AI和游客都能抓住的东西。不同市场还可以有不同形象表达，对欧美澳代理先推“火山旅游”而不是“九州”这个地名，就是这个道理。从产生兴趣到真正动身，中间有时间过程，不是今天被提到、明天就订票。 [4]
所以回到操作层面，判断标准不该是笼统的“AI提及率高没高”，而是：这一轮观察里，哪一种具体出游需求没有被准确回应？下一次准备改哪一段内容、补哪一类信息？改完以后，用相同的问题和模型再问，记下这一次的日期和结果，才方便前后比较。提及只是被看见，游客是否真到访、真花钱，还得另外观察。 [4] [5]