Kako umjetna inteligencija preporučuje hotele? Testirali smo 450 upita u 4 modela kako bismo to saznali.

Način na koji putnici pronalaze i rezerviraju smještaj se mijenja. Posljednja dva desetljeća putovanje je slijedilo predvidljiv obrazac: upišite ključnu riječ u Google, skenirajte popis plavih poveznica, posjetite nekoliko web stranica, usporedite cijene, rezervirajte. To putovanje zamjenjuje nešto fundamentalno drugačije.

Kada putnik zatraži od ChatGPT-a, Perplexityja ili Googleovog Geminija da preporuče hotel u Beču, kolibu u Schwarzwaldu ili odmaralište na plaži u Hrvatskoj, umjetna inteligencija ne vraća popis od deset poveznica. Preporučuje tri do pet specifičnih nekretnina po imenu. Ili je vaša nekretnina na tom popisu ili nije.

Nema plavih poveznica. Nema rangiranja na drugoj stranici. Nema pozicija "iznad preklopa". AI pretraga je binarna: preporučena ili nevidljiva.

Ovo nije budući scenarij. Istraživanja pokazuju da upiti za traženje informacija čine gotovo 50% svih ChatGPT razgovora, a izravno ponašanje postavljanja pitanja predstavlja 37% svih interakcija. Upiti za pretraživanje putovanja pokretani umjetnom inteligencijom su u prosjeku dvostruko duži od tradicionalnih Google ključnih riječi - konverzacijskih, specifičnih i bogatih namjerom.

Kako bismo razumjeli što određuje hoće li umjetna inteligencija preporučiti vaš objekt i je li vaša web stranica spremna za ovu promjenu, proveli smo najveću studiju vidljivosti umjetne inteligencije u europskom ugostiteljstvu.

O istraživanju

Između kolovoza 2025. i veljače 2026. proveli smo dvije originalne studije:

Studija 1 - Analiza AI odgovora:

450 upita iz područja ugostiteljstva testirano na četiri AI modela (GPT-5, Gemini 2.5, Perplexity i Mistral), generirajući 3.600 AI odgovora s 20.370 citiranih URL-ova i 13.859 spominjanja brendova.

Studija 2 - Revizija web stranica:

1.337 web stranica smještaja revidirano na 30.935 pojedinačnih stranica, ocjenjujući kvalitetu sadržaja, tehnički SEO, schema markup, booking funnels i signale povjerenja.

Pet zemalja: Njemačka, Austrija, Švicarska, Slovenija i Hrvatska. Tri jezika upita: engleski, njemački i hrvatski. Deset kategorija putničkih namjera, od luksuznog i poslovnog putovanja do budžetnih gradskih odmora i avanturističkog turizma.

Cijeli dataset, metodologija i statistička analiza nalaze se u izvješću. Ovaj članak pokriva ključne nalaze i što oni znače za operatere smještaja, marketere hotela, DMO-e i pružatelje hospitality tehnologija.

Tko posjeduje AI pretragu putovanja?

Kada putnik zatraži od AI-a preporuku smještaja, tko se citira?
Odgovor je jasan: OTA-i dominiraju, independenti preživljavaju na marginama, a jedna platforma nadvisuje sve ostalo.

Online Travel Agencies (OTA-i) dobiju 22,9% svih AI-citiranih URL-ova — najveća pojedinačna kategorija. Dodajte STR platforme poput Airbnb-a i VRBO-a, pa ukupni udio posrednika doseže 30,3%.
Web stranice neovisnih hotela dobiju 11,8% citata.

Web stranice hotelskih lanaca samo 4,3% — manje od trećine neovisnih. Platforme za recenzije i UGC (prvenstveno TripAdvisor) čine 5,8%. DMO-i i turistički uredi doprinose 3,9%.

Za svaki jedan URL neovisnog hotela koji AI model citira, citira otprilike dva OTA URL-a.

Konzentracija je ekstremna. Samo 119 domena čini 50% svih AI citata u putovanjima. 2.981 long-tail domena pojavljuje se samo jednom ili dva puta u cijelom datasetu. Samo 86 od 4.043 ukupnih domena citirano je u svim pet zemalja — zaista "AI-kanonizirani" hospitality brendovi.

Dominacija Booking.coma u AI pretrazi

Nijedan nalaz u ovom datasetu nije upadljiviji od pozicije Booking.coma u AI-pogonjenoj hotelskoj pretrazi.

2.962 ukupna citata. 95,3% pokrivenosti upita. 14,5% svih URL-ova

Booking.com se pojavio u 95,3% svih 450 testiranih upita. Odsutan je bio samo u 21 upitu — a te praznine otkrivaju specifične niše gdje OTA inventar ne odgovara: pretvoreni samostani, ultra-luksuzni butik smještaji, nišni eco-lodgeovi s jakom uredničkom autoritetom.

Praktična implikacija za AI optimizaciju pretrage u ugostiteljstvu je jednostavna: za bilo koji smještaj koji nije na Booking.comu, AI modeli imaju gotovo nultu vjerojatnost citiranja. Potpuni, ažurirani listing na Booking.comu jedina je akcija s najvećim utjecajem na AI vidljivost koju može poduzeti bilo koji operater smještaja.

Ali to također znači nešto teže: ako je jedino mjesto gdje AI može pronaći vaš smještaj Booking.com, citat — i provizija — idu njima, a ne vama.

Kako različiti AI modeli preporučuju hotele

Svaki AI model pokazuje izražajnu "citatnu osobnost". Te razlike su statistički značajne i imaju izravne implikacije za strategiju optimizacije AI hotelske pretrage.

GPT-5 (ChatGPT) proizvodi najduže odgovore (prosječno 439 riječi), citira najviše URL-ova po odgovoru (10,6) i nudi najbolje ishode za direktno rezerviranje (20,6% ocjene direktnog rezerviranja). Međutim, najmanje je konzistentan — rezultati se značajno razlikuju između identičnih upita.

Gemini 2.5 (Google) ima najveću ovisnost o OTA-ima od svih modela: 29,4%. To je posebno značajno jer je Gemini integriran u Google Search, čineći ga AI modelom kojeg putnici najčešće susreću prvi. Za neovisne hotele i strategije direktnog rezerviranja, Gemini je najteže bojno polje.

Perplexity je najpredvidiviji model (Jaccardova sličnost: 0,47). Smještaji koji uđu u Perplexityjev set citata mogu računati na ponovljenu vidljivost. Ima najnižu ovisnost o OTA-ima (20,5%) i najviši udio citata recenzija/UGC-a (17%), čineći TripAdvisor prisutnost posebno vrijednom za Perplexity vidljivost.

Mistral ne proizvodi nijedan URL citat, ali ipak generira 2,5 spominjanja brendova po odgovoru, dokazujući da se AI brand recall događa neovisno o indeksiranju web stranica.
Ne možete optimizirati za "AI pretragu" kao jedan kanal.

Svaki model ima različita ponašanja, preference izvora i ishode za direktno naspram OTA rezerviranje.

Kako jezik upita utječe na AI preporuke hotela

Svaki upit u ovoj studiji postavljen je na tri jezika — engleski, njemački i hrvatski — za istu zemlju i namjeru. To stvara kontrolirani eksperiment: mijenja li jezik pitanja ono što AI preporučuje?

Odgovor je da, značajno.

Ovisnost o OTA-ima za austrijske hotele prema jeziku upita:

• Engleski: 11,4%
• Njemački: 10,5%
• Hrvatski: 20,6%

To je razlika od 10 postotnih bodova između njemačkog i hrvatskog — za istu zemlju, iste hotele, isti AI model. Ovaj obrazac vrijedi u svim pet tržišta. Hrvatski upiti dosljedno proizvode najvišu ovisnost o OTA-ima, čak i za nestrvatske destinacije.

Hipoteza: Hrvatski jezični trening podaci za DACH tržišta manje su bogati lokalnim sadržajem pružatelja. Kada AI modeli imaju manje lokalnog sadržaja na određenom jeziku, vraćaju se globalno indeksiranim OTA stranicama.

Za optimizaciju AI hotelske pretrage, praktična implikacija je jasna: ako vaša web stranica postoji samo na jednom jeziku, nevidljivi ste putnicima koji traže na drugim jezicima. Engleske i njemačke verzije vašeg sajta hvataju "direktno-prijateljske" jezične kanale gdje AI vjerojatnije citira neovisne izvore.

Što putnici pitaju određuje koga AI preporučuje

Namjera iza putničkog upita dramatično oblikuje koje pružatelje AI modeli citiraju. Ovo je najizvediviji nalaz za strategiju sadržaja hotela i AI optimizaciju pretrage.

Najbolje namjere za direktno hotelsko rezerviranje u AI pretrazi:

• Poslovno putovanje: 28,8% ocjene direktnog rezerviranja
• Luksuz / Romantično: 22,8%
• Wellness: 22,3%

Najgore namjere za direktno rezerviranje:

• Događaji / Festivali: 6,1% direktna ocjena (39,4% ovisnost o OTA-ima — najviša)
• STR / Najam: 7,2% (platformski dominirano Airbnbom i VRBO-om)
• Budžetski gradski: 9,4%

Za hotele koji opslužuju poslovne, luksuzne ili wellness putnike, dobro izrađena direktna web stranica s autoritativnim sadržajem stvarno se natječe s OTA-ima u AI pretrazi. Za smještaje blizu događaja, AI se gotovo potpuno oslanja na OTA inventar — čineći event-specifične landing stranice s direktnim booking CTA-ima esencijalnim.
AI također odražava osjetljivost na cijene prema namjeri. Informacije o cijenama pojavljuju se u 100% wellness upita, 83% noćnog života upita i 76% STR upita — ali samo u 36% upita za jedinstvene boravke. Ako vaš wellness smještaj ne prikazuje cijene na web stranici, nevidljivi ste u kategoriji gdje AI uvijek govori o cijenama.

94,3% hotelskih web stranica nevidljivo je AI-u

Druga faza istraživanja revidirala je 1.337 web stranica smještaja na 30.935 stranica. Nalazi crtaju mračnu sliku industrije koja radi na manje od 40% svog digitalnog potencijala.

Prosječna ukupna ocjena digitalne spremnosti: 38,1 od 100.

Praznine su strukturne:

• 77,1% smještaja nema booking engine na web stranici
• 60,8% nema schema markup bilo kakve vrste
• Samo 7% implementira Hotel ili LodgingBusiness schema
• Samo 1,5% ima FAQPage schema
• 0% ima posvećene stranice za liste soba, restorane ili sadržaje
• Medijalna potpunost sadržaja: ~41% — većina smještaja priča manje od polovice svoje priče

Od 1.337 testiranih smještaja, samo 76 (5,7%) detektirano je u bilo kojem AI odgovoru. Većina web stranica smještaja potpuno je nevidljiva AI-pogonjenoj hotelskoj pretrazi.

Što rade drugačije AI-citirani hotelski smještaji

76 smještaja koje AI citira dijele konzistentan profil — i izaziva uobičajene pretpostavke o tome što pokreće AI vidljivost za hotele.

Izmjerili smo efekt velikine (Cohenov d) svakog faktora koji razlikuje AI-citirane smještaje od ostalih — što je veći broj, to je veća mjerljiva razlika između citiranih i ignoriranih:

1. Kvaliteta URL-a (d = 0,60) — Najveći efekt. Čisti, opisni, čitljivi URL-ovi za ljude.
2. Signali povjerenja (d = 0,50) — Politike otkazivanja, stranice tima, integracija recenzija, certifikati.
3. Kvaliteta sadržaja (d = 0,36) — Jasno, činjenično pisanje bogato entitetima s specifičnim i verificiranim tvrdnjama.
4. Tehnički SEO (d = 0,29)
5. Booking funnel (d = 0,26)
6. Potpunost scheme (d = 0,23)
7. Potpunost sadržaja (d = 0,18)

Ključni nalaz: AI modeli favoriziraju smještaje koji jasno pišu, grade povjerenje i dobro strukturiraju URL-ove — ne one s najfensi web stranicama.

Schema markup — koji dominira razgovor o AI optimizaciji pretrage — pokazuje najmanji efekt u našim podacima. To ne znači da schema nije važna; implementacija Hotel/LodgingBusiness scheme stavlja vas u top 7% svih smještaja, što je vrijedna strukturna prednost. Ali ako birate gdje uložiti sljedeći sat, prepisivanje opisa smještaja specifičnim, činjeničnim, entitet-bogatim jezikom ima veći mjerljiv utjecaj od dodavanja JSON-LD-a.

Dobro napisana 10-stranična hotelska web stranica nadmašuje flashy 50-straničnu.

Pet država, pet “AI vidljivosti”

Svako od pet tržišta ima strukturno različit krajolik AI citiranja:

Austrija je najuravnoteženije tržište — najniža ovisnost o OTA kanalima (22,3%), najviši rezultat direktnih rezervacija (12,8%) i najjači DMO ekosustav (Austria.info i Wien.info ostvaruju 10,3% udjela citiranja). Austrijski objekti također postižu najviše rezultate u signalima povjerenja..

Hrvatska ima najveću ovisnost o OTA kanalima (30,7%) i najniži rezultat direktnih rezervacija (9,2%). Kada AI preporučuje smještaj u Hrvatskoj, korisnike češće nego na bilo kojem drugom tržištu upućuje na Booking.com. Hrvatskim objektima potreban je jači direktni sadržaj, posebno na engleskom i njemačkom jeziku.

Njemačka ima najveći uzorak (540 objekata, prosječna ocjena 39,1) i najbolju implementaciju booking funnel-a — ali je razina schema implementacije samo 1,8%. Većina njemačkih operatera i dalje web stranicu vidi kao tehnički zahtjev, a ne kao strateški alat.

Slovenija je najkoncentriranije tržište (top 10 domena drži 33,3% svih citata), ali njezini DMO-ovi postižu iznadprosječne rezultate (10,4% udjela citiranja). Tri neovisna slovenska objekta ulaze u top 10 najčešće spominjanih kompanija u cijelom skupu podataka.

Švicarska ima najveći udio citiranja STR platformi (11,4%), što odražava snažno tržište kratkoročnog najma.

Prilika za direktne rezervacije u AI pretraživanju

“Rezultat direktnih rezervacija” mjeri koliki postotak AI citiranih URL-ova vodi direktno na web stranicu hotela ili objekta, umjesto preko posrednika.

Objekti s booking engineom postižu 25% višu razinu digitalne zrelosti od onih bez njega (45+ u odnosu na 36,3). Neovisni hoteli zapravo dobivaju više URL citata (11,8%) nego hotelski lanci (4,3%), što pokazuje da se diferencirani objekti s kvalitetnim sadržajem mogu natjecati za direktni AI promet.

Međutim, medijan rezultata direktnih rezervacija za Gemini i Perplexity iznosi 0,0% — što znači da u više od polovice odgovora nijedan URL ne vodi na direktnu web stranicu hotela. GPT-5 ima zdraviji medijan od 15,4%.

Formula vidljivosti prema našim podacima: jedinstveni identitet (koncept, dizajn ili nasljeđe) + snažan autoritet trećih strana (TripAdvisor, Wikipedia, medijski članci, DMO liste) + pozicioniranje usklađeno s namjerom (luksuz, wellness ili poslovna putovanja umjesto generičnog smještaja).

Nijedan neovisni hotel u ovom skupu podataka nije postigao značajnu AI vidljivost samo optimizacijom web stranice. Vanjska validacija je ključni pokretač prepoznatljivosti u AI sustavima.

AI optimizacija za hotele: što učiniti sada

Izvještaj uključuje prioritetni 90-dnevni akcijski plan. Ovo su najvažnije aktivnosti prema podacima:

Danas

• Dovršite svoj Booking.com profil (95,3% upita) i TripAdvisor profil (#2 najcitiranija domena)
• Registrirajte se u nacionalni i regionalni DMO (besplatno, visok potencijal citiranja)
• Provjerite da robots.txt dopušta AI crawlere: GPTBot, GoogleExtended, ClaudeBot, PerplexityBot

Ovaj tjedan

• Definirajte ili unaprijedite svoju jedinstvenu poziciju jasnim i konkretnim jezikom — nejasni USP-ovi ne generiraju AI vidljivost
• Izradite landing stranice usklađene s namjerom (luksuz, wellness, poslovna putovanja)
• Osigurajte dostupnost web stranice na jezicima s najvećom vrijednošću

Ovaj mjesec

• Implementirajte Hotel/LodgingBusiness schema (1–2 sata, ulazak u top 7%)
• Izradite landing stranice za događanja ako se nalazite blizu važnih lokacija
• Dodajte zasebne stranice za smještajne jedinice, restorane i sadržaje (0% analiziranih stranica ih ima)

Počevši odmah

• Testirajte 10–20 upita koje bi potencijalni gost mogao postaviti AI-u o vašoj lokaciji i tipu objekta
• Zabilježite jeste li spomenuti, citirani ili potpuno izostavljeni
• To je vaša početna točka — ponavljajte kvartalno

Stručne perspektive o AI vidljivosti hotela

Izvještaj uključuje doprinose četvero stručnjaka iz industrije:

Niclas Aunin (ALLMO.ai) donosi okvir za mjerenje AI vidljivosti temeljen na četiri stupa: tehnička jasnoća, relevantnost sadržaja, sadržaj pogodan za citiranje i vanjski autoritet. Njegova dijagnostička matrica (spominjanja vs. citati) pomaže objektima identificirati jesu li nevidljivi, ovisni o OTA kanalima ili optimalno vidljivi.

Sophia Milewski (Smartness / SmartPricing) tvrdi da dinamičko određivanje cijena više nije samo revenue strategija — već signal povjerenja za AI. Promjenjiva cijena predstavlja “dokaz života” za algoritme, dok statični cjenik djeluje zastarjelo i smanjuje vidljivost.

Domagoj Davidović (MinusMinus Agency) povezuje branding i AI optimizaciju, mapirajući AI dimenzije (Persona, Task, Context, Format) na temelje brenda (identitet, pozicioniranje, kanal, ton komunikacije). Kreativnost pripada ljudima, dok korisnost određuju strojevi.

Arne Petersen (VRM Days) analizira strukturnu ovisnost njemačkog tržišta o OTA kanalima, ističući da je dosadašnji uspjeh smanjio potrebu za promjenom — te da većina operatera AI vidi kao alat za produktivnost, a ne kao distribucijski kanal.

Pripremio Nokumo Research | NOKUMO SERVICES d.o.o. (Infranet Group)

Ovo istraživanje objavljeno je pod licencom Creative Commons Attribution 4.0 International (CC BY 4.0). Prilikom dijeljenja navedite Nokumo kao izvor i navedite Nokumo logo.

Uz doprinose: Dario Alfirević (glavni istraživač), Tihana Alfirević (urednica), Niclas Aunin (ALLMO.ai), Sophia Milewski (Smartness), Domagoj Davidović (MinusMinus Agency), Arne Petersen (VRM Days).