Tradycyjna ścieżka wyboru lokalu gastronomicznego i noclegu odchodzi do przeszłości. Konsumenci nie spędzają już długich godzin na żmudnym wertowaniu dziesiątek stron w wyszukiwarce czy tworzeniu zestawień w arkuszach kalkulacyjnych. Dziś pytają asystentów sztucznej inteligencji, a decyzję o rezerwacji podejmują nawet w kilkadziesiąt sekund.

Rewolucja na ścieżce zakupowej: od tradycyjnego ROPO do AI-ROPO

Przez niemal dwie dekady zachowania konsumentów w sieci opierały się na dobrze znanym mechanizmie badawczym. Użytkownik wpisywał frazę w klasyczną wyszukiwarkę, klikał w kolejne linki organiczne, przeglądał portale społecznościowe, a następnie porównywał parametry poszczególnych ofert.

Ten schemat określano mianem efektu ROPO (Research Online, Purchase Offline). Proces ten bywał jednak żmudny i czasochłonny, ponieważ wymagał od odbiorcy manualnej selekcji informacji oraz samodzielnego wyciągania wniosków.

Współcześnie obserwujemy gwałtowne przejście w stronę zjawiska AI-ROPO. Klient wchodzi w bezpośrednią konwersację z modelem językowym – takim jak ChatGPT czy tryb AI w wyszukiwarce Google – oczekując gotowych, przefiltrowanych rekomendacji. Co więcej, zamiast wielogodzinnego researchu, przejście od uświadomienia sobie potrzeby do finalnego wyboru trwa zaledwie chwilę. Wystarczy zadać precyzyjne pytanie w drodze ze stacji kolejowej lub podczas oczekiwania na taksówkę, aby natychmiast otrzymać spersonalizowaną listę lokali odpowiadających konkretnym wymaganiom.

Skalę tej zmiany obrazują twarde dane rynkowe.

Z wyszukiwarki Google w Polsce korzystają miliony użytkowników, a rozwiązania generatywne stały się integralną częścią tego doświadczenia. Jednocześnie sam ChatGPT notuje w kraju ponad 10 milionów użytkowników, co odpowiada zasięgom czołowych stacji telewizyjnych. Z badań zrealizowanych we współpracy z Instytutem Gospodarki Elektronicznej wynika, że aż 90% respondentów świadomie posiłkuje się narzędziami AI przy podejmowaniu decyzji zakupowych. Co szczególnie istotne dla branży hospitality, 63% badanych prosi sztuczną inteligencję o bezpośrednie wskazanie najlepszego produktu, oferty lub lokalu, rezygnując z dalszej, samodzielnej weryfikacji. W związku z tym widoczność restauracji i hoteli w AI przestała być jedynie technologiczną ciekawostką, a stała się twardą koniecznością biznesową.

Dane te przedstawił Marcin Kubik, partner w Agencji Whites podczas Makro Gastro Lab, które odbyło się we Wrocławiu.

AI w gastronomii: jak mądrze wdrożyć sztuczną inteligencję w restauracji?

Jak algorytmy generują odpowiedzi dla gości?

Aby zrozumieć, dlaczego jeden lokal pojawia się w zestawieniu, a inny zostaje pominięty, należy przyjrzeć się mechanizmom działania silników generatywnych. Modele językowe nie wymyślają poleceń z próżni. W rzeczywistości skanują one zasoby sieci, weryfikują autorytet domen i wybierają te źródła, które uznają za najbardziej wiarygodne dla zadanego kontekstu.

Eksperyment przeprowadzony przez Marcina Kubika, partnera w agencji Whites, doskonale obrazuje tę zależność. Wykorzystując autorskie narzędzie badawcze WideOP, przeanalizowano ścieżkę zakupową składającą się z 60 zapytań podzielonych na trzy kluczowe etapy: od ogólnej inspiracji, przez zawężenie lokalizacyjne, aż po twardy wybór pomiędzy konkretnymi obiektami.

– Na tym pierwszym etapie inspiracji najważniejsze źródło, jakie się tutaj pojawiło, to jest Facebook. Mieliśmy tutaj aż 49 wystąpień źródeł, 17 unikalnych domen, z czego Facebook był najczęściej. To były profile różnych restauracji, to były profile różnych miejsc agregujących informacje o Wrocławiu, o kuchni, o restauracjach, jakieś rankingi. (…) Z TripAdvisor te dane są wyciągane przez AI, analizowane bezpośrednio i podawane w bardzo przystępnej formie – tłumaczy ekspert.

Wyniki jednoznacznie wskazują, że na wczesnym etapie algorytmy poszukują syntezy wiedzy w zaufanych portalach zewnętrznych oraz w mediach społecznościowych. Jeżeli obiekt nie istnieje w tych przestrzeniach, dla sztucznej inteligencji pozostaje całkowicie niewidoczny.

Trzy etapy ścieżki decyzyjnej w erze sztucznej inteligencji

Współczesna ścieżka klienta szukającego noclegu lub stolika składa się z powtarzalnych faz. Na każdej z nich algorytm przypisuje wagę zupełnie innym typom danych cyfrowych.

Na pierwszym etapie, czyli w fazie inspiracji, konsument formułuje zapytanie ogólne. Pyta na przykład o najlepsze restauracje z kuchnią azjatycką i menu wegetariańskim w danym mieście. Sztuczna inteligencja przeszukuje wówczas przewodniki, zestawienia prasowe, portale turystyczne oraz oficjalne strony lokali. Analizuje ogólny sentyment i tworzy wstępną selekcję kandydatów, bazując głównie na autorytecie domen.

Następnie ma miejsce zawężenie kontekstowe i geograficzne. Gdy użytkownik orientuje się, że zależy mu na konkretnym punkcie orientacyjnym – na przykład w pobliżu centrum kongresowego, dworca czy hali widowiskowej – prompt zostaje doprecyzowany. W tym momencie w ułamku sekundy zmienia się zestaw źródeł. Do głosu dochodzą serwisy agregujące lokalną gastronomię i noclegi, takie jak Pyszne.pl, Uber Eats czy platformy rezerwacyjne, a także dane geolokalizacyjne powiązane z fizyczną odległością.

Finałowy krok to bezpośrednie porównanie i weryfikacja detali. Gość stawia przed AI dwa wybrane lokale i prosi o bezpośrednie zestawienie cech. W tym miejscu następuje weryfikacja specyficznych atrybutów: obecności ogródka letniego, dostępności parkingu, menu bezglutenowego czy kącika dla dzieci. W badaniu agencji Whites wystarczyło jedno precyzyjne pytanie o to, która restauracja dysponuje tarasem, aby jedno z miejsc całkowicie zniknęło z propozycji, mimo że w rzeczywistości posiadało ogródek. Lokal ten po prostu nie zakomunikował tego faktu w formatach czytelnych dla robotów indeksujących.

GEO – nowa dyscyplina marketingu cyfrowego

Przez lata fundamentem marketingu internetowego było tradycyjne SEO, polegające na pozycjonowaniu konkretnych podstron na określone słowa kluczowe w wynikach organicznych. Współcześnie specjaliści wdrażają koncepcję GEO, czyli Generative Engine Optimization.

GEO polega na optymalizacji całej obecności marki w taki sposób, aby wielkie modele językowe bez trudu odczytały jej profil, ofertę oraz wyróżniki rynkowe. W tym modelu nie optymalizuje się wyłącznie witryny internetowej – optymalizuje się markę w całym cyfrowym ekosystemie.

– My trzy lata temu przyjęliśmy takie nazewnictwo GEO, Generative Engine Optimization, czyli optymalizacja pod sztuczną inteligencję, żeby tam się pojawić. I to jest zespół różnych działań, które musimy wykonać, żeby AI doceniło nasze miejsce. (…) W przeciwieństwie do takiego starego SEO, które było w Google, my nie pozycjonujemy strony. My dzisiaj pozycjonujemy nasz brand w całym ekosystemie internetowym – podkreśla Marcin Kubik.

Dlatego skuteczna strategia GEO w hotelarstwie i gastronomii wymaga holistycznego podejścia do danych rozproszonych w sieci.

Jak skutecznie nakarmić algorytmy AI?

Aby zagwarantować sobie wysoką pozycję w generowanych rekomendacjach, menedżerowie i właściciele obiektów muszą zadbać o spójność oraz szczegółowość informacji na wielu płaszczyznach jednocześnie.

Przede wszystkim należy pamiętać o sile treści generowanych przez gości (User Generated Content). Modele językowe nie opierają się wyłącznie na oficjalnych hasłach reklamowych z witryny głównej. Jeśli na stronie brakuje wzmianki o tym, że szef kuchni serwuje autorskiego pad thaia według tradycyjnej receptury, sztuczna inteligencja dowie się o tym z setek recenzji pozostawionych w sieci. Z tego powodu zachęcanie zadowolonych gości do pozostawiania szczegółowych, opisowych recenzji jest jednym z najskuteczniejszych narzędzi pozycjonowania generatywnego.

Równie istotna pozostaje obecność w mediach społecznościowych oraz na forach dyskusyjnych. Facebook, Instagram czy dyskusje na platformie Reddit stanowią dla algorytmów potężne źródło wiedzy o bieżącym życiu lokalu. Jeśli marka regularnie publikuje posty opisujące sezonowe menu, wydarzenia kulturalne czy historię kucharzy, model językowy chętniej wykorzysta te treści podczas odpowiadania na nietypowe zapytania konsumentów.

Makro Gastro Lab: Jak skutecznie chronić marżę i rozwijać lokal w trudnych czasach

Ponadto ogromne znaczenie ma absolutna spójność danych identyfikacyjnych i harmonogramu pracy. Jeżeli na profilu społecznościowym widnieje inna informacja o godzinach otwarcia w niedzielę niż na stronie www lub w profilu firmy w Google, model językowy w obliczu sprzeczności może uznać informację za niepewną. W efekcie zarekomenduje lokal konkurencji, w którym dane są jednoznaczne i kompletne.

widoczność restauracji i hoteli w AI
widoczność restauracji i hoteli w AI

Nadchodzi Agentive Commerce: gdy sztuczna inteligencja rezerwuje za człowieka

Obecna faza AI-ROPO, w której konsument czyta podsumowanie wygenerowane przez czat i samodzielnie klika w link rezerwacyjny, jest zaledwie etapem przejściowym. Branża bardzo szybko zmierza w kierunku Agentive Commerce, czyli handlu w pełni autonomicznego, w którym agenci AI wchodzą w bezpośrednie interakcje handlowe w imieniu użytkownika.

Na rynku amerykańskim funkcjonują już integracje umożliwiające dokonywanie rezerwacji stolików bezpośrednio z poziomu konwersacji w ChatGPT, bez konieczności opuszczania interfejsu aplikacji. Podobne mechanizmy rozwijają się w hotelarstwie dzięki platformom takim jak Connect AI od Lighthouse, gdzie wirtualny asystent podróży otrzymuje polecenie: znajdź cichy pokój z biurkiem blisko centrum biznesowego i zarezerwuj nocleg do określonej kwoty. Narzędzie samodzielnie wykonuje transakcję, blokuje środki, wprowadza termin do kalendarza użytkownika i przesyła podsumowanie na komunikator.

W takim krajobrazie technologicznym brak widoczności oznacza całkowite odcięcie od strumienia rezerwacji. Jeśli algorytm dokonujący autonomicznego zakupu nie znajdzie ustrukturyzowanych, w pełni wiarygodnych danych na temat obiektu, transakcja powędruje bezpośrednio do konkurencji, która odpowiednio wcześnie wdrożyła standardy GEO.