بر اساس گزارش جدید مؤسسه تحقیقاتی Skift Research، مدل‌های هوش مصنوعی مولد اگرچه در ظاهر و نحوه بیان پیشنهادات خود متناسب با ویژگی‌های مخاطب تغییر ایجاد می‌کنند، اما مقاصد گردشگری پیشنهادی آن‌ها تفاوت چندانی با یکدیگر ندارد و همچنان متمرکز بر نقاط پرطرفدار جهان است. گزارش این پژوهش با عنوان «معمای مقصد در حال ناپدید شدن: چگونه هوش مصنوعی در حال تحول کشف سفر است» (The Mystery of the Disappearing Destination: How AI Is Transforming Travel Discovery) نشان می‌دهد که هوش مصنوعی پیام و لحن ترغیب مسافر (pitch) را شخصی‌سازی می‌کند، اما مقصد پیشنهادی (place) را تغییر چندانی نمی‌دهد.
آزمایش مدل‌های بزرگ زبانی و تمرکز بر مقاصد محبوب
مؤسسه Skift Research برای بررسی عملکرد این ابزارها، سه مدل بزرگ زبانی برجسته شامل ChatGPT، Gemini و Claude را با استفاده از پرامپت‌های تکراری در میان پرسوناهای مختلف مسافران با ویژگی‌های دموگرافیک، علاقه‌مندی‌ها، همسفران و بودجه‌های متفاوت مورد آزمایش قرار داد. این مدل‌ها خود را با شرایط مسافران تطبیق دادند؛ به عنوان نمونه، برای افرادی که همراه با کودکان سفر می‌کردند، جزئیات فعالیت‌های مناسب خانواده ارائه شد و برای مسافران با بودجه محدود، پروازهای ارزان‌قیمت پیشنهاد گردید.
با این حال، یافته‌های این پژوهش نشان می‌دهد توصیه‌های هوش مصنوعی تقریباً به همان اندازه ورودی‌های گردشگری بین‌المللی در سطح جهان متمرکز است؛ ورودی‌هایی که معمولاً حول چند مقصد شناخته‌شده و محبوب تجمع می‌یابند. بر اساس داده‌های این گزارش:
- ۵ مقصد برتر: ۳۸ درصد از کل توصیه‌های هوش مصنوعی را به خود اختصاص داده‌اند که بسیار نزدیک به سهم ۴۰ درصدی این مقاصد از کل ورودی‌های واقعی گردشگران بین‌المللی است.
- ۱۰ مقصد برتر: ۴۸ درصد از توصیه‌های هوش مصنوعی را شامل می‌شوند، در حالی که سهم واقعی آن‌ها از ورودی‌های بین‌المللی ۵۶ درصد است.
ترجیح مسافران برای فهرست‌های خلاصه و نقش هوش مصنوعی
با وجود تمرکز توصیه‌ها بر نقاط محدود، هوش مصنوعی برخلاف موتورهای جستجوی سنتی، محدوده گزینه‌های پیش‌روی کاربر را تنگ‌تر می‌کند. در حالی که یک صفحه نتایج جستجو صدها لینک به کاربر ارائه می‌دهد، پاسخ هوش مصنوعی تنها تعداد معدودی گزینه را همراه با دلایل پیشنهادی ارائه می‌کند؛ رویکردی که مسافران نیز تمایل خود را به آن نشان داده‌اند.
در همین راستا، نظرسنجی مشترک Skift Research و مؤسسه McKinsey از ۱,۰۱۵ مسافر آمریکایی درباره ترجیحات انتخاب سفر نتایج زیر را به همراه داشته است:
- ۶۳ درصد از پاسخ‌دهندگان یک فهرست خلاصه و دست‌چین‌شده شامل ۱۰ گزینه را ترجیح می‌دهند.
- ۳۰ درصد از آن‌ها کاتالوگی جامع با ۵۰۰ گزینه را انتخاب کرده‌اند.
- تنها ۷ درصد برنامه‌ریزی سفر یکپارچه و قابل ویرایش توسط هوش مصنوعی را ترجیح داده‌اند.
پیامدها برای سازمان‌های بازاریابی مقصد
نتیجه‌گیری Skift Research برای سازمان‌های بازاریابی مقصد (DMOs) این است که دیده شدن در ابزارهای هوش مصنوعی را به جای اتکای صرف بر کمپین‌های برندسازی، باید به عنوان یک مسئله «توزیع» (distribution) مدیریت کنند. این سازمان‌ها باید بر بهبود محتوای محلی ساختاریافته تمرکز کرده و با فعالان صنعت و پلتفرم‌هایی همکاری کنند که اطلاعات را به سیستم‌های هوش مصنوعی تغذیه می‌کنند.