در مارس ۲۰۲۶، رزرو هتل داخل ChatGPT دیگر demo نبود. در ۴ مارس، Lighthouse اپ The Hotels Network را داخل ChatGPT راهاندازی کرد که availability، نرخها و checkout را بهعنوان یک surface تعاملی زنده در گفتوگو اجرا میکند. در ۲۹ ژانویه، Accor با ALL Accor app زنده شد، اولین گروه هتل بزرگ با حضور native داخل assistant. در سوی دیگر، Selfbook از مارس ۲۰۲۵ به آرامی نتایج هتل bookable را داخل Perplexity اجرا میکند و حدود ۱۴۰٬۰۰۰ property را از طریق یک checkout direct-channel که لایه OTA را دور میزند پوشش میدهد.
۹۰ روز پس از شروع AI hotel search قابل رزرو، تصویر دیگر درباره visibility نیست، درباره closing است. AI hotel booking حالا یک کانال واقعی با اقتصاد direct-booking قابل اندازهگیری است و property هایی که citation را میبرند بزرگترین برندها یا پرخرجترینها نیستند. آنها property هایی هستند با structured data تمیز، coverage مکانی قابل تأیید و یک surface direct-booking که assistant میتواند کاربر را با یک کلیک به آن تحویل دهد.
این چیزی است که ۹۰ روز اول به آن شبیه است، چیزی که در داده میبینیم و چیزی که برای cite شدن داخل ChatGPT hotel app و shortlist هتل Perplexity همین حالا باید ship کنید.
چه چیزی Launch شد و "Bookable" یعنی چه
موج اول surface های AI hotel bookable در سه قدم زنده شد.
مارس ۲۰۲۵: Selfbook داخل Perplexity. Perplexity شروع به render کردن shortlist های هتل با نرخهای زنده و دکمه Book کرد که یک checkout Selfbook را باز میکند. flow داخل صفحه نتایج Perplexity اجرا میشود و کاربر به سایت طرف ثالث پرتاب نمیشود. coverage در زمان راهاندازی حدود ۱۴۰٬۰۰۰ property بود.
۲۹ ژانویه ۲۰۲۶: Accor داخل ChatGPT. ALL Accor app اولین اپ گروه هتل داخل ChatGPT است، با availability و رزرو در سرتاسر portfolio Accor. این یک flow closed-loop است، کاربر سفر را توصیف میکند، اپ property های مطابق از گروه را surface میکند و checkout داخل چت تکمیل میشود.
۴ مارس ۲۰۲۶: Lighthouse و The Hotels Network داخل ChatGPT. این راهاندازی برای هتلهای مستقل مهمتر است. The Hotels Network یک پلتفرم direct-booking است، نه portfolio برند، یعنی اپ هزاران property مستقل را به user base ChatGPT با یک checkout direct-channel واقعی expose میکند. Lighthouse plumbing داده را اداره میکند.
"Bookable" داخل یک AI assistant یعنی سه چیز همزمان. assistant باید (الف) property را در پاسخش cite کند، (ب) یک surface availability و نرخ تعاملی داخل چت render کند و (پ) کاربر را به checkout ای تحویل دهد که بدون اجبار به context switch بسته شود. هر سه قسمت اکنون در ChatGPT و Perplexity زنده هستند.
۹۰ روز اول: داده Citation چه نشان میدهد
سه الگو در ۹۰ روز نخست داده AI hotel booking قابل رزرو روشن است.
۱. Citation روی property هایی متمرکز میشود که از نظر ساختاری قابل تأیید هستند
surface های AI hotel booking property هایی را ترجیح میدهند که factهایشان قابل cross-check باشد. property ای با schema LodgingBusiness، AggregateRating کامل، FAQPage با پاسخهای غنیشده با داده مکانی و مختصات geo که با منابع مستقل مطابقت دارد، بهطور محسوسی بیشتر از property ای با همان rating و review اما بدون لایه ساختاریافته در shortlist قرار میگیرد.
این همان الگویی است که در برنامهریز سفر هوش مصنوعی هتلها را چطور انتخاب میکند دیدیم. surface های bookable فقط آن را تشدید میکنند، چون وقتی AI property را cite میکند، باید availability و نرخ را هم fetch کند که نیازمند آن است که property یک API واقعی expose کند یا به Selfbook، Lighthouse یا یک یکپارچهسازی direct-booking مشابه plug شده باشد.
۲. Perplexity متفاوت از ChatGPT رفتار میکند
Perplexity حدود ۲۱٫۸۷ منبع در هر پاسخ cite میکند. برای hospitality، TripAdvisor منبع لنگر است و shortlist به سمت property هایی با حضور قوی در TripAdvisor به علاوه coverage مستقل review متمایل میشود. Perplexity بیشتر از ChatGPT property های boutique را surface میکند چون تعداد منبع بالاتر به آن فضای بیشتری میدهد تا به زیر برندهای top هم برسد.
ChatGPT بیشتر از منابع اجماعی و دایرکتوریهای طرف ثالث میکشد. shortlist به سمت property های شناختهشده متمایل میشود، یعنی برندهای خوب توزیعشده و هتلهای مستقل با coverage قوی در دایرکتوریها (TripAdvisor، Google Business Profile، سایتهای رزرو منطقهای) بیشتر از property هایی که حضورشان عمدتاً روی domain خودشان است cite میشوند.
نکته عملی: property ای که برای Perplexity بهینه میشود باید روی TripAdvisor و velocity review مستقل سرمایهگذاری کند، property ای که برای ChatGPT بهینه میشود باید روی توزیع و سازگاری entity در سرتاسر وب سرمایهگذاری کند.
۳. Direct Bookings بهتر از چیزی که funnel نشان میدهد convert میکنند
داده تبدیل اولیه از property هایی با جریان AI booking direct-channel زنده دلگرمکننده است. کاربر pre-qualified میرسد، اتاق قبلاً مطابق brief فیلتر شده و هیچ تب comparison-shopping بازی نیست. conversion rate در گام checkout AI بسیار بالاتر از ترافیک وب عمومی است و رزروها بدون commission هستند.
حجم هنوز کوچک است. AI hotel booking هنوز با کانال OTA رقابت نمیکند. اما unit economics به اندازه کافی خوب است که property هایی که یکپارچهسازی را زودتر ship کردهاند جلو میافتند و هزینه ship کردن عمدتاً سرمایهگذاری در structured-data و فناوری direct-booking است، نه شرطبندی ad-spend.
چه چیزی داخل ChatGPT Hotel App ، Cite میشود
وقتی کاربر داخل surface اپ Lighthouse یا Accor از ChatGPT یک هتل میخواهد، assistant باید دو کار را به ترتیب انجام دهد. باید property های نامزد را که با brief میخوانند پیدا کند، سپس نرخهای bookable را برای آن نامزدها render کند. هر دو گام به structured data پاداش میدهند.
پیدا کردن Property
assistant با استفاده از brief کاربر (مکان، تاریخ، بودجه، امکانات ضروری) index property ها را جستوجو میکند. تطبیق روی متن fuzzy است، اما در جایی که fact وجود دارد دقیق است. property ای که این موارد را expose میکند:
LodgingBusinessJSON-LD باaddress،geo،amenityFeatureوstarRatingAggregateRatingباratingCountوreviewCountواقعی- آیتمهای
FAQPageکه به سؤالات سبک مکانی پاسخ میدهند ("آیا هتل با فاصله پیادهروی از ایستگاه قطار قرار دارد؟"، "نزدیکترین ساحل کدام است؟") - footprint یکدست name-address-phone در Google Business Profile، TripAdvisor و دایرکتوریهای منطقهای
بسیار محتملتر است که با brief مطابق شود تا property ای که فقط مبانی را expose میکند. تطبیق جادو نیست، assistant هر مدرکی را که تمیزتر است میخواند.
تأیید مکان
اینجاست که MapAtlas وارد میشود. surface های AI hotel booking مکان ادعا شده property را قبل از اینکه برای ادعای "فاصله پیادهروی تا کلیسای جامع" به آن اعتماد کنند، در برابر منابع geo مستقل تأیید میکنند. اگر LodgingBusiness شما یک مجموعه مختصات بگوید و آدرس geocode شده مجموعه دیگری بگوید، citation را از دست میدهید.
یک آدرس geocode شده تمیز از یک ارائهدهنده قابل تأیید، با مختصات property منطبق با آدرس پستی و neighborhood نامگذاری شده، به assistant اعتماد میدهد تا ادعاهای جغرافیایی درباره property شما بکند. property هایی که از MapAtlas Geocoding API برای نرمالسازی آدرس و از GeoEnrich API برای بافت neighborhood و landmark استفاده میکنند، تمیزترین لایه مدرک را برای مصرف AI hotel search دارند.
Render کردن نرخهای Bookable
این گام عمدتاً زیرساخت است، نه SEO. property باید به یک ارائهدهنده direct-booking plug شده باشد که اپ ChatGPT بتواند آن را call کند. Selfbook، Lighthouse / The Hotels Network، API های Booking Engine از Sabre، Mews، Cloudbeds و فروشندگان بزرگ PMS نقاط یکپارچهسازی متداول هستند. اگر property شما در یکی از اینها نیست، باز هم میتوانید cite شوید، اما گام رزرو کاربر را به یک OTA تحویل میدهد که margin را از دست میدهد.
این سهماهه چه چیزی Ship کنید
اگر میخواهید در ۹۰ روز آینده داخل ChatGPT hotel app و shortlist هتل Perplexity دیده شوید، اینها را به این ترتیب ship کنید.
۱. LodgingBusiness JSON-LD با coverage geo کامل. آن را با Schema.org validator اعتبارسنجی کنید و تأیید کنید که مختصات geo با آدرس پستی مطابقت دارد. amenityFeature، starRating، petsAllowed، smokingAllowed، checkinTime، checkoutTime و یک AggregateRating واقعی را شامل کنید.
۲. FAQPage با پاسخهای غنیشده با داده مکانی. شش تا ده آیتم که به سؤالاتی پاسخ دهند که یک مسافر مستقیماً از AI میپرسد. فاصله پیادهروی تا landmark ها (با دقیقه و متر مشخص)، مسیرهای حملونقل (با شماره خط و نام ایستگاه)، جزئیات parking، انعطاف check-in، accessibility، سیاست حیوانات خانگی. پاسخها باید حاوی جزئیات قابل تأیید باشند، نه copy تبلیغاتی. برای الگوها راهنمای ما برای FAQ های غنیشده با داده مکانی برای جستوجوی AI را ببینید.
۳. coverage مکانی تأیید شده. از یک ارائهدهنده geocoding استفاده کنید که یک نگاشت address-to-coordinates تمیز و قابل تأیید برمیگرداند و آن نگاشت را در structured data خودتان surface کنید. surface های AI hotel cross-check خواهند کرد، پس مدرک باید بین منابع توافق داشته باشد.
۴. یک یکپارچهسازی direct-booking که AI بتواند call کند. Selfbook، Lighthouse یا یک flow PMS-native که availability و checkout را expose کند. بدون این، میتوانید cite شوید اما نمیتوانید داخل assistant closing کنید، که رزرو را به یک OTA برمیگرداند.
۵. توزیع و سازگاری entity. Google Business Profile، TripAdvisor و دایرکتوریهای منطقهای همه به همان name، address، phone و مختصات سایت خود شما نیاز دارند. ناسازگاری citation ها را سرکوب میکند، بهویژه در Perplexity که از توافق بین منابع بهعنوان سیگنال اطمینان استفاده میکند.
بعداً چه میآید
۹۰ روز آینده به احتمال زیاد دو چیز را خواهد دید. اول، surface های bookable فراتر از شرکای راهاندازی گسترش خواهند یافت. انتظار داشته باشید Mews، Cloudbeds و فروشندگان بزرگتر PMS در نیمه دوم ۲۰۲۶ یکپارچهسازیهای native AI hotel booking را ship کنند. دوم، منطق citation سختگیرانهتر خواهد شد چون AI assistant ها یاد میگیرند کدام property ها رزروهای رضایتبخش تولید میکنند و کدامها بازگشت یا شکایت.
property هایی که در این سهماهه structured data، coverage مکانی قابل تأیید و یک flow direct-booking را ship کنند، همانهایی خواهند بود که هنگام رسیدن ranking سختگیرانهتر داخل مجموعه توصیه قرار دارند. property هایی که صبر کنند فقط از طریق OTA ها دیده خواهند شد، با margin OTA.
AI hotel booking حالا یک کانال است. کاری که برای cite و bookable شدن داخل ChatGPT و Perplexity لازم است همان کار structured-data و داده مکانی است که هر surface AI دیگر را پیش میبرد. فقط اینجا سریعتر تشدید میشود چون رزرو داخل چت بسته میشود و یک رزرو بستهشده قویترین سیگنال ممکن برای توصیه بعدی است.
اگر میخواهید ببینید property شما امروز کجا ایستاده، AI SEO Checker لیستینگ هتل شما را روی همان سیگنالهای ساختاری که surface های AI hotel booking ارزیابی میکنند نمرهدهی میکند، با تمرکز روی لایه داده مکانی که یک property cite شده را از یک property از دست رفته متمایز میکند.
سوالات متداول
اینکه میتوان داخل ChatGPT هتل رزرو کرد یعنی چه؟
در مارس ۲۰۲۶ OpenAI یک partner app surface راهاندازی کرد که در آن طرفهای ثالث میتوانند flow های تعاملی را ship کنند که داخل گفتوگوی ChatGPT اجرا شوند. The Hotels Network در ۴ مارس ۲۰۲۶ یک ChatGPT app زنده ship کرد که به کاربر اجازه میدهد availability را جستوجو کند، نرخها را ببیند و بدون ترک چت رزرو را تکمیل کند. Accor در ۲۹ ژانویه ۲۰۲۶ با ALL Accor app زنده شد و اولین گروه هتل بزرگ شد که حضور native در دل ChatGPT دارد. Selfbook از مارس ۲۰۲۵ نتایج هتل bookable را داخل Perplexity فعال کرده بود که حدود ۱۴۰٬۰۰۰ property را پوشش میدهد. AI hotel booking دیگر یک الگوی referral نیست، یک closed loop داخل assistant است.
جریان رزرو هتل Perplexity چگونه کار میکند؟
Perplexity یک shortlist از هتلها داخل پاسخ نمایش میدهد، با نرخها، عکسها و دکمه Book که یک checkout مبتنی بر Selfbook را باز میکند. shortlist از ترکیبی از منابع ساختاریافته ساخته میشود، با TripAdvisor بهعنوان منبع لنگر برای کوئریهای hospitality. Perplexity بهطور میانگین ۲۱٫۸۷ منبع در هر پاسخ cite میکند، یعنی property ای که در منابع مستقل متعدد نامگذاری، ساختاردهی و review شده باشد، بسیار بیشتر از property ای که فقط روی domain خودش rank میگیرد در shortlist قرار میگیرد.
بعد از اینکه ChatGPT و Perplexity bookable شدند، آیا direct bookings رشد کرد؟
گزارشهای اولیه از ۹۰ روز نخست نشان میدهد AI hotel booking روی property هایی با زیرساخت direct-booking قوی تمرکز میکند. هتلهایی با structured data، LodgingBusiness schema، آیتمهای FAQPage، AggregateRating و یکپارچهسازی direct-booking از طریق Selfbook یا Lighthouse میبینند که AI assistant ها به checkout خود property لینک میدهند نه به یک OTA. funnel هنوز بزرگ نیست، اما unit economics به مراتب بهتر از ترافیک OTA است چون commission ندارد و کاربر pre-qualified میرسد.
اپهای AI hotel booking چه structured data ای را ترجیح میدهند؟
LodgingBusiness یا Hotel schema با مختصات geo، آیتمهای FAQPage که حاوی پاسخهای غنیشده با داده مکانی باشند (فاصله پیادهروی تا landmark ها، مسیرهای حملونقل، خصلت neighborhood)، AggregateRating و Review schema و footprint یکدست name-address-phone در سرتاسر وب. surface های AI hotel booking داخل ChatGPT و Perplexity، schema را به عنوان مدرک اصلی میخوانند چون بدون ابهام است، سپس برای پر کردن جاهای خالی به محتوای صفحه غیرساختاریافته برمیگردند.
آیا OTA ها سهم خود را به نفع رزرو مستقیم AI از دست میدهند؟
هنوز نه در مقیاس بزرگ، اما جهت روشن است. OTA ها با ship کردن AI planner های برند خود پاسخ دادهاند و Booking.com، Expedia و TripAdvisor همگی اکنون flow های itinerary AI بومی دارند. سؤال رقابتی این است که آیا OTA ها برنده میشوند چون مالک surface booking-intent هستند، یا property ها برنده میشوند چون پس از اینکه AI آن را surface کند کاربر تنها یک کلیک با checkout خود property فاصله دارد. برای property هایی با فناوری direct-booking قوی و structured data تمیز، سیگنال اولیه مثبت است.
چگونه هتل خود را داخل پاسخهای ChatGPT hotel app دیده شدنی کنم؟
سه چیز، به همین ترتیب. اول، LodgingBusiness یا Hotel JSON-LD را با مختصات geo، آدرس، امکانات و AggregateRating کامل ship کنید. دوم، آیتمهای FAQPage را ship کنید که به سؤالاتی پاسخ دهند که یک مسافر مستقیماً از AI میپرسد (فاصله پیادهروی تا landmark ها، مسیرهای حملونقل، parking، check-in، accessibility). سوم، داده مکانی ساختاریافته را از طریق Geocoding یا Places API expose کنید تا AI بتواند مختصات و بافت neighborhood شما را بهطور مستقل تأیید کند. property هایی که بیشترین cite را میگیرند آنهایی هستند که مکانشان از داده geo مستقل قابل تأیید است، نه فقط از copy تبلیغاتی خود هتل.
