36 AI-ajánlásból 30-ban megjelent a hotel

Egy fontos vendégszegmensben mégis szinte láthatatlan maradt

Mark Peter Gasparik  cikke

Egy magyar wellnesshotel AI-ajánlhatósági auditjában 21 kérdést vizsgáltunk két AI-rendszerben, kérdésenként két ismétléssel. Így összesen 84 választ elemeztünk.

Ezek közül 36 olyan szálloda ajánlási helyzet volt, amelyben a kérdés nem nevezte meg a hotelt. Azt vizsgáltuk, hogy a rendszerek a vendég igényei alapján maguktól bevonják-e az ajánlott szállodák közé.

A hotel a 36 válaszból 30-ban megjelent.

A ChatGPT 18-ból 15, a Google AI Mode szintén 18-ból 15 alkalommal említette. Első pillantásra ez kifejezetten jó eredmény.

Amikor azonban a válaszokat vendéghelyzetenként bontottuk fel, egészen más kép rajzolódott ki. A hotel legerősebb adottságaihoz kapcsolódó kérdéseknél stabilan megjelent. A családi pihenést kereső vendégeknél viszont négy válaszból mindössze egyben került be az ajánlások közé.

Az összesített AI-megjelenési arány tehát jó volt. Egy üzletileg fontos vendégszegmensben mégis szinte láthatatlan maradt.

A szám jó volt a diagnózis hiányzott

Egyetlen összesített százalék könnyen megnyugtató eredményt adhat. A részletes bontás azonban azt mutatta, hogy a hotel AI-ajánlhatósága erősen függött attól, milyen utazási helyzetet írt le a vendég.

Az eredmények nem piaci valószínűségek, és nem egy állandó AI-rangsort mutatnak. Egy diagnosztikai mérés ismétlődő mintázatai.

A vezetői kérdés ezért a következő: Mi történik, ha a hotel éppen abban a vendéghelyzetben marad ki az AI ajánlásaiból, amelyből több foglalást szeretne?

Az összesített láthatósági arány erre nem ad választ.

A kínálat releváns volt a kapcsolat mégsem jelent meg következetesen

A szálloda nyilvánosan elérhető kínálata alapján rendelkezett a családi tartózkodást támogató szolgáltatásokkal és ajánlatokkal. A vizsgált AI-rendszerek mégsem kapcsolták következetesen a hotelt ehhez a vendéghelyzethez.

A mérés alapján a hotel és a vendégigény közötti kapcsolat nem jelent meg elég következetesen a válaszokban.

A lehetséges magyarázatokat külön forrásvizsgálattal kell ellenőrizni:

• A hotel saját oldalai nem fogalmazzák meg elég egyértelműen, hogy pontosan kinek és milyen helyzetben releváns az ajánlat.

• A külső források nem erősítik meg következetesen ugyanezt a pozíciót.

• Más szállodák erősebben kapcsolódnak az adott vendégigényhez.

• Az AI által megtalált információk hiányosak, eltérőek vagy elavultak.

• A hotel kommunikációja szolgáltatásokat sorol fel, de kevés bizonyítékot ad a konkrét vendéghelyzetre.

Az audit következő lépése ezért a források, az állítások és a helyettesítő ajánlások ellenőrzése. Először azt kell feltárni, hogy az AI mit talál meg, mit ért meg belőle, milyen forrásokat jelenít meg, és kiket ajánl a hotel helyett.

Azonos említésszám eltérő teljesítményt takarhat

A két vizsgált rendszer ugyanannyi alkalommal említette a hotelt: mindkettő 15-ször a 18 márkanév nélküli szállodai ajánlás során. Ez azonban nem jelenti azt, hogy ugyanúgy látták a szállodát.

Eltérhetett, hogy milyen vendéghelyzetekben ajánlották, milyen pozícióban jelent meg, mely versenytársak mellé sorolták, milyen tulajdonságokkal indokolták az ajánlást, és milyen forrásokra mutattak.

A márkanevet tartalmazó, tényellenőrző kérdéseknél további különbséget találtunk. A hotel hivatalos domainjére mutató link a ChatGPT 14 válaszából mind a 14-ben, a Google AI Mode 14 válaszából 10-ben jelent meg.

A link megjelenése önmagában nem bizonyítja, hogy a rendszer kizárólag abból a forrásból dolgozott. A két rendszer mégis mérhetően eltért abban, hogy a válasz mellett megjelenítette-e a hotel hivatalos oldalát.

Ezért félrevezető egyetlen AI-láthatósági pontszámmal összevonni a különböző platformokat.

Egy téves adat közvetlen üzleti kockázat lehet

Az audit nemcsak azt vizsgálta, hogy megjelenik-e a hotel, hanem azt is, hogy a rendszerek helyesen beszélnek-e róla.

Az egyik üzleti rendezvényekhez kapcsolódó kérdésnél több válasz egymással ellentmondó, részben elavult kapacitásadatokat közölt. Volt olyan rendszer, amely ismételten nem a hotel aktuális hivatalos adatát adta vissza.

Ha egy érdeklődő egy rendezvényhelyszín alkalmasságáról kérdezi az AI-t, egy hibás kapacitásadat már az ajánlatkérés előtt kizárhatja a hotelt.

A pozitív jelzők száma ilyenkor másodlagos. Egyetlen, döntést befolyásoló tévedés közvetlenebb üzleti kockázatot jelenthet.

Az AI-ajánlhatóság vizsgálata ezért nem érhet véget a márkanév megszámlálásánál. Ugyanilyen fontos a válaszok tényszerűsége, a források minősége és a hibák üzleti súlya.

Egyetlen válasz még nem mérés

Az AI-válasz nem egy rögzített Google-találati helyezés. Függhet a kérdés megfogalmazásától, a vendég által megadott feltételektől, a használt rendszertől, az elérhető internetes forrásoktól, a helyinformációtól és a mérés időpontjától.

Az OpenAI tájékoztatója szerint a ChatGPT Search át is fogalmazhatja a kérdést célzott keresésekké, miközben a találatok és hivatkozások lehetnek hiányosak, elavultak vagy pontatlanok.

A Google pedig leírja, hogy AI-funkciói több kapcsolódó keresést is lefuttathatnak, majd különböző webes forrásokból állíthatják össze a választ.

Forrás: OpenAI és Google Search Central.

Ezért nem elég egyszer feltenni a kérdést:

Melyik a legjobb wellnesshotel?

Az így kapott válasz érdekes lehet, de nem mutatja meg a hotel AI-ajánlási pozícióját. A méréshez ismételhető kérdés rendszer, több platform, vendéghelyzetenkénti bontás és következetes értékelési módszer szükséges.

A kérdések lefuttatása csak a kezdet

Néhány tucat kérdést bárki be tud másolni egy AI-rendszerbe. A szakmai munka ott kezdődik, hogy a válaszokból hogyan készül döntéstámogató diagnózis.

Ehhez szükséges:

• A hotel üzleti céljaihoz illeszkedő vendéghelyzetek meghatározása.

• A márkanevet tartalmazó és a márkanév nélküli kérdések szétválasztása.

• A válaszok egységes kódolása.

• A puszta említés, a tényleges ajánlás és a listahely megkülönböztetése.

• A helyettesítőként megjelenő versenytársak feltérképezése.

• A hivatkozások és tényállítások ellenőrzése.

• A mérési eredmények üzleti súlyának meghatározása.

• A beavatkozások utáni ismételt mérés.

Egy ilyen audit kimenete ezért nem egyetlen láthatósági pontszám. Megmutatja, mely vendéghelyzetekben kerül be a hotel az ajánlási mezőnybe, hol marad ki, mely versenytársak foglalják el a helyét, milyen források jelennek meg a válaszok mellett, hol található adatminőségi vagy tartalmi hiány, és melyik problémának lehet tényleges üzleti jelentősége.

Öt vezetői kérdés az ajánlhatóságról

Egy szállodai AI-audit után legalább öt kérdésre választ kell kapnia a menedzsmentnek:

1. Mely vendéghelyzetekben ajánlják következetesen a hotelt?

2. Mely stratégiai szegmensekben marad ki?

3. Mely szállodák jelennek meg helyette?

4. Milyen források és tényállítások alakítják a válaszokat?

5. A beavatkozások után ténylegesen változott-e az ajánlási mintázat?

Ha egy riport csak azt mutatja meg, hogy a hotel neve hányszor szerepelt, akkor láthatóságot számolt, de még nem készített üzleti diagnózist.

A hotel vendéghelyzetenként nyer vagy veszít

A vizsgált hotel gyakran megjelent a márkanév nélküli ajánlásokban. Bizonyos vendéghelyzetekben következetesen szerepelt. Más, kereskedelmileg fontos szegmensekben viszont alig került be az ajánlások közé. Eközben néhány válasz pontatlan információt közölt róla.

Ezért a vezetői kérdés nem az, hogy ismeri-e az AI a szállodát.

Milyen vendéghelyzetekben ajánlja, kiket ajánl helyette, és milyen bizonyítékok alapján dönt?

Ha a hotel ezt nem tudja, akkor valójában nem ismeri a saját AI-ajánlási pozícióját. Ha pedig mindössze egyszer kérdezte meg a ChatGPT-t, akkor nem mért. Csak kapott egy választ.

Módszertani megjegyzés

A vizsgálat egy anonimizált magyar wellnesshotel egyetlen, 2026-os mérési hullámának eredményeit dolgozza fel. A teszt 21 kérdésből, két AI-rendszerből és kérdésenként két futásból, összesen 84 válaszból állt.

A cikkben szereplő 30 / 36-os arány kizárólag a 36 márkanév nélküli szálloda ajánlási futásra vonatkozik. A két ismétlés diagnosztikai mintázatok azonosítására alkalmas, pontos valószínűségek vagy reprezentatív piaci következtetések meghatározására nem.

A szerzőről

Mark Peter Gasparik AI-ajánlási és GEO-stratégiával foglalkozik. Többplatformos auditokban vizsgálja, mely vendéghelyzetekben ajánlják a szállodaipari és turisztikai márkákat, kik jelennek meg helyettük, milyen források támasztják alá a válaszokat, és hol keletkezik üzleti kockázat. Vizsgálatai márkanév nélküli kérdésekre, forrásellenőrzésre és ismételt alapmérésekre épülnek.

Kapcsolat: LinkedIn

Web: AuditUniversePro