Radisson 公布 ChatGPT 飯店搜尋成果：轉換率約 1.5 倍，旅遊品牌該怎麼讀？

旅客找飯店時，通常先有一個不完整的想法：想住得靠近某個景點、帶孩子出門，或希望附近交通方便。過去需要把這些條件拆成搜尋詞，再逐頁比對。當聊天工具能把想法連到地圖、房型資訊與訂房入口，品牌接觸旅客的時點便可能往前移，進入對方還在形成選擇的階段。

OpenAI 在 2026 年 10 月 7 日的Radisson 客戶案例中，公布飯店搜尋插件的早期成果。這項與 Accenture 合作的應用七月已推出，十月報導的重點是使用與行銷成效，而不是當天才首次上線。官方表示，七至八月的造訪到訂房轉換率約為品牌自然搜尋的 1.5 倍。

這個數字值得關注，但真正的新聞意義，是飯店把對話中的探索連回自己的交易系統。本文拆解使用者如何搜尋、資料介面如何銜接，以及轉換率與廣告歸因能證明什麼。旅遊品牌需要判斷的，是新入口是否帶來更多有效選擇與直接訂房，而不只是聊天裡多了一個品牌名稱。

從描述需求到飯店選項，中間少了哪些工作？

官方介紹的功能包括地圖建議、價格比較及設施資訊，最後導向 Radisson 網站完成訂房。Accenture 的七月發布文進一步說明，應用連接既有系統的即時庫存與價格，搜尋範圍涵蓋一千多家飯店及一百多個國家。

對旅客而言，對話介面的潛在價值，是可以先用自己的語言說明條件，再逐步縮小選項。假設旅客希望週末帶家人到某城市，先討論地區與交通，再追問設施，會比一開始就猜出完整篩選條件更自然。這是本文的使用情境分析，沒有實際操作或完成訂房。

但自然語言仍需要轉成可檢查的條件。「交通方便」可能指車站距離，也可能指是否方便停車。工具若把這兩件事混在一起，給出的推薦即使看起來合理，也未必符合需求。較好的對話應讓旅客確認條件，再把選項與各條件之間的關係說清楚。

地圖在這裡不只是裝飾。它能讓旅客看見飯店、目的地與周邊位置的關係，減少把地名印象當成實際距離的誤判。不過，地圖位置仍不能代替對移動時間、交通方式與當日安排的確認。產品能顯示哪些資訊，決定使用者還需要到其他來源查哪些細節。

品牌自己的搜尋結果，與全市場比較不同

Radisson 應用提供的是集團旗下飯店的探索入口。這有助於把品牌資訊整理成一致格式，但並不是對所有住宿選項的完整市場比較。旅客如果希望跨品牌選擇，仍需要補上其他來源，才能知道同樣需求是否有不同位置、價格與服務組合。

例如同樣詢問有健身房的飯店，結果中列出三家合適物業，只能說明這三家符合目前可取得的條件。不能由此推論它們就是全城市最值得選的住宿，也不能假定沒有列出的飯店都不符合需求。清楚理解搜尋範圍，能讓對話推薦保持在可支持的結論內。

對品牌而言，專用入口的優勢是可以把自己的資料連到可操作的選項。若資料不完整，卻可能讓對話過早排除本來適合的物業。這使設施名稱、房型描述與地點資訊的維護，從網站內容工作變成直接影響 AI 搜尋的基礎。

使用者也可以把推薦理由轉成確認問題。像是「哪些資訊來自飯店資料」「哪些是依我的需求推測」，有助於區分官方條件與聊天中的判斷。本文並未宣稱所有問題都會在現行應用得到完整答案，這是一種讓選擇更容易檢查的使用方法。

完成交易仍回飯店網站，資料一致性很重要

搜尋階段顯示的價格，不應被當成文章中的當前報價。日期、入住人數、房型與可用庫存會改變選項，讀者應以自己實際查詢和結帳頁顯示的條件為準。本文採用的官方產品圖片是七月發布示意，圖上的金額不是十月提供的訂房價格。

跳回品牌網站完成交易，意味著對話中的需求必須銜接到適當頁面。若已確認的日期或人數沒有帶過去，旅客可能需要重填，也可能在重填時選到不同條件。少掉一次搜尋，不一定就少掉整段交易摩擦，交接後的流程仍要一起看。

品牌可以觀察哪個環節最常中斷。旅客是沒有找到合適飯店、看到價格後離開，還是到了訂房頁才重新選擇？不同原因對應不同改善方法。只把所有離開都歸為「AI 推薦不夠好」，會漏掉網站銜接、資料缺漏或需求本來尚未確定等因素。

對使用者則有一個實際判斷標準：最後頁面是否保留自己已確認的條件。付款與取消安排應閱讀實際交易頁資訊，不能只靠前面的對話摘要。本文沒有代替讀者接受任何條件，也不把未完成的探索描述為已成功訂房。

約 1.5 倍轉換率，要看比較對象與期間

官方的比較是七至八月，插件造訪到訂房的轉換率約為 Radisson 自然搜尋的 1.5 倍。這提供了早期渠道表現的線索，但案例沒有把它描述為隨機分組實驗。進入兩種渠道的旅客，可能有不同需求成熟度或品牌偏好，不能直接把差距全部歸因於聊天介面。

比例也不是訂單總量。例如某入口來的人較少，但很多人已經接近決定，轉換率可以較高，總訂單卻未必較多。反過來，大量初步探索可能降低比例，卻帶來新的顧客來源。這是衡量渠道時的基本區分，案例中的單一比率無法同時回答兩個問題。

假設一個品牌原本每百次造訪有兩次訂房，另一渠道有三次，兩者就是 1.5 倍。這是本文為解釋比率提出的示意數字，並非 Radisson 公布的原始資料。它說明相對差距很醒目，但判斷商業意義還需要知道實際基準、流量與取得成本。

比較也應使用相同的訂房定義與觀察窗口。如果某渠道只計成功交易，另一渠道混入不同事件，結果便不能直接並列。品牌評估新入口時，可以先確認事件定義，再觀察同期間、相近旅客條件下的變化，讓結果更接近需要回答的商業問題。

廣告的 54% 是歸因口徑，並非所有訂單占比

案例另列出，廣告活動記錄的結帳與訂房事件中，有 54% 透過瀏覽歸因連到廣告曝光。這種衡量將「看過廣告後發生的事件」納入評估，範圍比直接點擊更廣。它並不表示集團所有訂房有 54% 來自 ChatGPT，也不是營收增加 54% 的證據。

瀏覽歸因的用途，是讓行銷者看見可能發生在點擊之外的接觸。但看過某則廣告、後來又訂房，仍可能受到其他訊息或原本計畫影響。歸因把事件與渠道依某套規則連起來，與證明「沒有廣告就不會訂房」是不同問題。

如果品牌要知道新增廣告是否帶來額外結果，可以尋找適合的對照方式，並確認在比較期間其他活動是否改變。本文沒有替案例推算增量效果，因為官方公布資料未提供這種因果判定所需的完整條件。保留這個限制，反而能讓早期數字用在正確位置。

自然探索與付費曝光也應分開計算。前者可能來自旅客主動使用應用，後者涉及廣告投入與歸因規則。把兩者放在同一個品牌策略裡有產品意義，但不能把各自較好的指標拼成一個未經證實的總成效。成本、事件與重複接觸都需要對照。

MCP 與 API 讓對話接到系統，重點是資料契約

OpenAI 案例說明，Accenture 建立的 MCP 伺服器與 API 同時支援插件與廣告體驗。API 是程式讀取或操作資料的介面，MCP 則提供讓 AI 工具以一致方式接入外部功能的協定。這些名稱的實際意義，是讓對話能取得系統資料，而不是只根據模型記憶回答。

介面可以重用，有助於不同入口使用相同資訊。但真正的工程難題仍包括欄位代表什麼、資料何時更新，以及查不到時如何回覆。房型資訊若在兩個渠道有不同名稱，即使共用連線，也可能產生不同理解。共同資料契約需要把這些語意接好。

例如設施資料可以分清楚「物業提供某項設施」與「某個房型包含使用條件」。這是本文的資料設計例子，不是官方披露的內部欄位。它提醒品牌，將既有內容提供給 AI 前，要先處理人類讀網站時可能靠上下文補足的細節，避免對話摘要把不同層次合併。

錯誤回應也屬於產品體驗。如果目前查不到庫存，應用應讓使用者知道資料缺口，而不是用一般描述填成看似可訂的選項。品牌可以檢查接口異常時的行為，以及恢復後是否取得新資料。這些可靠性條件，比介面用了哪個協定更能影響旅客的信任。

六週推出是交付速度，後續仍要經營新入口

案例表示團隊在六週內建置並推出插件。這反映一次專案交付的速度，不是所有旅遊品牌接入都只需要六週。既有資料、交易系統與團隊協作會影響整合難度，若品牌尚未整理可供程式取得的資訊，實際工作可能從更早的資料維護開始。

十月案例也提到，已安裝插件的使用者在相關對話中可自動看到它，不必每次輸入名稱。這降低了喚起入口的摩擦，但前提仍是使用者已安裝。不能把這項更新理解成所有 ChatGPT 使用者都自動取得 Radisson 功能，更不能由此推論任何市場都已全面可用。

推出後，品牌還需要理解使用者是否知道可以做什麼。若對話中的建議不清楚，旅客可能把它當成一般文字而沒有繼續查看地圖或飯店資訊。觀察探索、選項查看及跳轉訂房的不同階段，有助於知道產品究竟在哪一步提供了價值。

長期經營也需要追蹤回訪。一次順利搜尋可能讓旅客再次使用，但真正決定是否保留入口的，是它能否持續提供一致資料與適合需求的選項。更新飯店內容、維護接口與修正誤解，會比首次上線花更多持續注意力，這也是新渠道與一次宣傳活動的差別。

常見問題：這代表聊天裡已能完成所有旅遊工作嗎？

是否已能在聊天裡付款、改訂或處理全部會員權益？七月合作發布把更深入個人化、忠誠計畫識別、聊天內訂房與預訂管理列為未來方向。本文討論的現行流程仍是探索並回品牌網站完成訂房，不能把規劃中的功能一起當成已提供的服務。

是否代表自然搜尋已經失去價值？案例呈現一個新入口的早期表現，沒有提供所有旅客渠道的完整替代證據。不同旅客會在不同階段使用搜尋、聊天與品牌網站。比較實際的策略，是知道各入口處理哪些需求，再檢查它們能否把資訊與工作銜接起來。

品牌是否應只追求更高轉換率？還要看有效流量、取得成本、完成交易與使用者體驗。若只是讓原本就會直接訂房的人改走新入口，商業價值與拓展新需求並不相同。觀察渠道之間的重疊與新增行為，才能讓投資判斷更貼近整體結果。

Radisson 的案例顯示，對話式商務正在把資訊探索接到品牌自己的系統。它最有說服力的部分，是地圖、價格與訂房路徑被放進同一段需求討論。下一步能否擴大價值，要靠資料一致性、順暢交接與更完整的成效證據，而不是讓一個早期比率承擔所有結論。

資料來源

• OpenAI：Radisson Hotel Group brings hotel discovery into ChatGPT，2026 年 10 月 7 日。成效期間、歸因口徑、六週交付與後續入口更新以此為準。
• Accenture：Radisson Hotel Group and Accenture Redefine Travel Discovery on ChatGPT，2026 年 7 月 28 日。採用合作方原始產品示意圖，圖中價格不代表當前報價。本文未操作、付款或完成訂房，分析情境與比率例子不屬於企業實測。