Кто выигрывает в ответах ИИ-чатботов: сети отелей или независимые объекты

01

Что именно измерил бенчмарк Lighthouse

В основе обсуждения, разошедшегося по отраслевым изданиям летом 2026 года, лежит исследование компании Lighthouse: 4545 промпта отправили в ChatGPT по девяти направлениям и пяти персонам путешественников. AI Hospitality Alliance пересказывает итог так: крупные сети вытесняют независимые отели из брендированных рекомендаций, а одна только сеть Marriott получает 27% упоминаний среди брендированных ответов в США.1

Оговорка важна: фрагмент, на который опирается разбор, это не первичный отчёт Lighthouse, а его пересказ на стороннем ресурсе. Полная методология отбора направлений, персон и формулировок промптов, а также исходные таблицы по городам нам недоступны. Поэтому цифру 27% стоит воспринимать как результат пересказа исследования, а не как прямую выдержку из отчёта Lighthouse.1

Те же параметры (4545 промпта, девять направлений, пять персон) повторяются в материале Revyoos о том, как независимым отельерам конкурировать с сетями в ИИ-поиске. Совпадение цифр в двух источниках говорит, что оба текста ссылаются на один и тот же отчёт Lighthouse, а не на два разных измерения. Это повышает доверие к согласованности пересказа, но не заменяет независимую проверку данных.2

02

Разброс по городам ломает простой вывод об отставании

Если судить только по заголовку про Marriott и 27%, кажется, что независимые отели проигрывают всегда и везде. Данные того же исследования показывают иную картину: доля независимых отелей в рекомендациях ChatGPT сильно различается по городам, от 6,5% в Индианаполисе и 10,5% в Токио до 28% в Брюсселе.1

Из этого следует, что разрыв между независимыми отелями и сетями зависит не только от формата собственности, но и от особенностей локального рынка: насколько он насыщен международными сетями, насколько силён локальный бренд независимых объектов, как персоны путешественников формулируют запросы. Вывод «независимые отели всегда проигрывают сетям в ответах ИИ» упрощает картину, которую данные полностью не подтверждают.1

Другой результат того же исследования касается не отставания конкретных брендов, а общей невидимости отрасли в ответах генеративных систем. Из тысяч объектов размещения хотя бы раз упомянули только 2721 отель. Точную долю невидимых объектов источник не приводит: общий знаменатель выборки в доступном фрагменте не указан. Но сам масштаб цифры позволяет предположить, что отсутствие в ответах ИИ для отрасли скорее норма, чем редкое исключение.1

Видимость среди тех, кто всё же попал в ответы, распределена крайне неравномерно: топ-100 отелей мира получили 13% всех упоминаний. Без точных данных об общем числе отелей, участвовавших в измерении, нельзя перевести эту цифру в строгую пропорцию неравенства, но направление явно указывает на степенное распределение, при котором небольшая группа известных объектов получает несоразмерно большую долю внимания моделей.1

03

Что на самом деле повышает шанс попасть в ответ ИИ

Если размер сети не гарантирует цитируемость сам по себе, что тогда её определяет? Здесь полезно исследование компании Ahrefs, охватывающее 75 000 брендов. Оно не отраслевое для гостиниц, но приводит конкретные показатели корреляции между разными сигналами и вероятностью того, что модель процитирует бренд.3

Из этого следует, что офф-сайт сигналы, то есть то, как о бренде говорят на сторонних площадках, в отзывах, видео и упоминаниях в СМИ, коррелируют с вероятностью цитирования моделью сильнее, чем классические SEO-факторы вроде обратных ссылок. Для гостиничного сектора это остаётся рабочей гипотезой, а не доказанным фактом: исследование Ahrefs измеряло бренды в целом, а не отели конкретно, и прямого переноса выводов на туризм в доступных источниках нет.3

Эта же логика перекликается с интерпретацией контрибьютора Lighthouse, опубликованной на Hospitalitynet: сети выигрывают у независимых отелей по техническим сигналам для ИИ, но независимые объекты могут конкурировать за счёт специфичности контента, качества отзывов и сигналов подлинности. Можно предположить, что для небольшого отеля путь к видимости в ответах ИИ лежит не через масштаб бренда, а через управляемые офф-сайт сигналы: отзывы, локальные публикации, видеоконтент, а не только через собственный сайт.5

04

Коммерческие рейтинги видимости: осторожно с конфликтом интересов

Помимо академических и отраслевых исследований, на рынке уже появились проприетарные рейтинги AI-видимости для гостиниц. Один из них, EPR GEO Scorecard, оценивает цитируемость крупных сетей по собственной шкале: Marriott International получает 83 балла (класс A), Hilton 76 баллов (класс B), Four Seasons 67 баллов (класс C). Сопоставимую оценку для независимых отелей источник не приводит.4

Появление таких проприетарных индексов само по себе показывает, что рынок торопится дать бизнесу простую метрику видимости в ИИ, но методологии между поставщиками пока не унифицированы, а часть из них создана компаниями, заинтересованными в продаже сопутствующих услуг. Прежде чем ориентироваться на конкретный балл индекса, стоит уточнить, кто владеет рейтингом, на какой выборке промптов он построен и проверяли ли методологию независимо.4

05

Что проверить владельцу отеля или сети прямо сейчас

Из разобранных данных вытекает не готовый рецепт, а список проверок, которые команда может провести своими силами, не полагаясь на один коммерческий индекс.1234

06

Что эти данные не доказывают

Большинство количественных цифр по отелям, обсуждаемых в отрасли летом 2026 года, происходит из одного и того же исследования Lighthouse, пересказанного в разных изданиях. Совпадение цифр в двух источниках подтверждает согласованность пересказа, а не независимую верификацию данных: это одно измерение, увиденное через разные редакции.12

Проприетарный рейтинг EPR GEO Scorecard прямо называет свои оценки директивными, а не окончательными, и раскрывает конфликт интересов с PR-агентством. Данные Ahrefs об офф-сайт сигналах относятся к 75 000 брендов в целом, а не к гостиничному сектору конкретно, поэтому перенос этого вывода на отели остаётся гипотезой, которую пока не проверяли на отраслевой выборке.34

Наконец, сам разброс доли независимых отелей по городам (от 6,5% до 28%) показывает: единый глобальный вывод об отставании независимых объектов от сетей в ответах ИИ является чрезмерным обобщением. Для команды это означает, что любое решение об инвестициях в GEO, то есть в оптимизацию видимости в генеративных ответах, должно опираться на данные по своему конкретному рынку и на несколько моделей одновременно, а не на один агрегированный индекс.1