מתוך 105,002 אתרי מלונות שנבדקו, רק 10.6% קיבלו ציון טוב על המידע המובנה

הנתון שצריך להטריד כל מנהל מלון

רק 10.6% מאתרי המלונות שנבדקו קיבלו ציון של 50 ומעלה על איכות המידע המובנה, לפי שיטת המחקר של Nicolas Sitter. הבדיקה כללה 121,425 אתרי מלונות ב-7 מדינות, ומתוכם 105,002 אתרים היו נגישים לניתוח.

המחקר מצא גם שבחלק גדול מאתרי המלונות אין בכלל מידע מובנה, ובמקרים רבים אחרים המידע שמופיע באתר מוגדר בצורה כללית מדי. בחלק מהאתרים הנתונים סומנו כמידע על עסק או ארגון, במקום להשתמש בסימון ייעודי למלון.

הממצא מצביע על מקום לשיפור במידע המובנה של האתרים. הוא אינו מודד אם מערכות AI מכירות את המלונות או ממליצות עליהם, שכן הן עשויות להשתמש גם במידע שבטקסט האתר ובמקורות אחרים.

וזה כבר לא נושא טכני צדדי של איש האתר או חברת הקידום. זה נושא ניהולי ושיווקי ממדרגה ראשונה, שעשוי להשפיע על יכולתם של אורחים למצוא את המלון ולהזמין בו.

האורח כבר לא רק מחפש, הוא מבקש התאמה

חלק מהאורחים משתמשים במערכות AI כדי לתכנן נסיעות ולמצוא מלון שמתאים לצרכים שלהם.

וגם אלה שממשיכים לחפש בגוגל, פוגשים יותר ויותר תשובות AI של Gemini כחלק מתהליך החיפוש. כלומר, גם החיפוש “הרגיל” מתחיל לעבור דרך שכבת AI שמסכמת, מסננת וממליצה.

ופה יש שינוי גדול. האורח כבר לא מחפש רק “מלון בירושלים” או “מלון בתל אביב ליד הים”. הוא שואל שאלה הרבה יותר מורכבת: איזה מלון מתאים למשפחה עם ילדים קטנים, עם חניה, בריכה מחוממת, ארוחת בוקר טובה, אפשרות לצ’ק-אאוט מאוחר, ושיהיה קרוב לאזור מסוים אבל לא רועש מדי בלילה.

זו כבר לא מילת חיפוש. זו בקשת התאמה.

ברגע שהאורח מבקש התאמה, סוכן ה-AI עובר בעצמו על התוצאות, קורא מקורות שונים, משווה ביניהם, ומסנן את מה שהוא חושב שהכי מדויק לאורח או לגולש. הוא צריך להבין את המלון כמו שסוכן נסיעות טוב היה צריך להבין אותו פעם. לא רק איפה הוא נמצא, אלא למי הוא מתאים, מה באמת יש בו, מה היתרונות שלו, מה המגבלות שלו, ומה אומרים עליו מקורות אחרים ברשת.

המלון לא מתחרה רק על קליק

בעולם הישן, המלון התחרה על מיקום בתוצאות החיפוש. בעולם החדש, הוא מתחרה על הזכות להיכנס לתשובה.

אם בעבר האורח קיבל רשימה ארוכה של תוצאות ועבר ביניהן בעצמו, היום סוכן ה-AI עושה חלק גדול מהעבודה במקומו. הוא עובר על התוצאות, קורא את המידע, מזהה מה נראה לו מתאים, ומחזיר לאורח מספר מצומצם של אפשרויות.

מלון שהמידע עליו חסר או אינו ברור עלול שלא להופיע בחלק מהתשובות.

Cloudbeds מתארת את המעבר של מטיילים מחיפוש רגיל לתשובות AI, ואת החשיבות של הופעת המלון בתשובות האלה.

כאן נמצאת הנקודה החשובה. מלון יכול להיות מצוין מבחינת המוצר, אבל חלש מבחינת הנראות למכונה. אם המידע עליו מפוזר, לא עקבי, לא ברור או לא בנוי בצורה שמערכות AI יודעות להבין, הדבר עלול להקשות על הצגת מידע מדויק על המלון.

למה משפטי שיווק לא מספיקים ל-AI

הרבה אתרי מלונות עדיין כתובים כמו ברושור שיווקי ישן. “חוויה בלתי נשכחת”, “אירוח מוקפד”, “אווירה ייחודית”, “מיקום מושלם”. כל זה אולי נשמע נחמד בפרסום ונראה מקסים באתר שלכם, אבל זה לא באמת עוזר למערכת AI להבין אם המלון באמת מתאים לאורח ששואל שאלה מאוד ספציפית.

AI הוא מכונה, הוא צריך לקבל עובדות ברורות. הוא צריך עקביות. הוא צריך מידע שאפשר להבין, להשוות ולסמוך עליו.

הוא צריך לדעת למי המלון מתאים, מה ההבדלים האמיתיים בין סוגי החדרים, האם יש חניה, האם היא בתשלום, האם יש חדרים מחוברים, האם הבריכה פעילה בחורף, האם ארוחת הבוקר מתאימה לשומרי כשרות, האם יש מעלית שבת, האם יש נגישות אמיתית, מה המרחק בפועל מנקודות עניין מרכזיות ועוד שאלות רבות שהאורחים עשויים לשאול לפני ההזמנה.

המידע הזה הוא לא מידע טכני. הוא מידע על המלון והוא צריך להיות ברור.

וזו בדיוק הבעיה של לא מעט מלונות. האתר יפה, התמונות טובות, המיתוג נראה מושקע, אבל המידע עצמו לא תמיד עונה על השאלות שהאורח באמת שואל עכשיו.

FAQ זה לא מספיק. צריך SAQ חי ועדכני (Smart Asked Questions)

בעבר מלונות בנו דף FAQ, ענו על כמה שאלות כלליות, וסימנו וי. אבל היום זה כבר לא מספיק.

מה שצריך הוא SAQ חי ועדכני, כלומר רשימה של השאלות שהאורחים באמת שואלים עכשיו, לא שאלות שהמלון כתב לפני שנתיים ולא עדכן מאז, אלא שאלות שמתעדכנות באופן תדיר לפי עונה, לפי שפה, לפי קהל ולפי מצב השוק.

קחו לדוגמה ישראלי לפני פסח. הוא לא שואל את אותן שאלות שישאל לפני הזמנה בחורף. משפחה בחופש הגדול לא שואלת את אותן שאלות כמו זוג שמחפש סוף שבוע שקט בינואר. אורח עסקי לא מחפש את אותו מידע כמו אורח שמגיע לבטן-גב בחוף.

גם השפה משנה. תייר מחו"ל עשוי לשאול על תחבורה משדה התעופה, ביטחון באזור, מרחק מהעיר העתיקה או התאמה לשומרי כשרות. ישראלי ישאל על חניה, ילדים, מרחב מוגן, בית כנסת קרוב, ארוחת שישי, יציאה מאוחרת או מדיניות ביטול.

מחקר של Zhu ו-Chang שבדק חיפושי מלונות בטוקיו באמצעות Gemini מצא קשר בין סוג השאלה למקורות המצוטטים, וכן הבדלים בין שאלות ביפנית ובאנגלית. זו נקודה חשובה במיוחד למלונות בישראל, כי תוכן באנגלית ותוכן בעברית לא יכולים להיות רק תרגום אחד של השני. הם צריכים להתאים לקהל אחר ולדעת לענות על שאלות שונות של קהלים שונים.

הסתירות הן הבעיה שה-AI לא סולח עליה

יש עוד נקודה שמלונות חייבים לקחת ברצינות: AI לא אוהב סתירות.

אם באתר הבית כתוב שהצ’ק-אין מתחיל ב-15:00, ב-Google Business Profile כתוב 14:00, ב-OTA כתוב 16:00, ובעמוד אחר באתר עדיין מופיע מידע ישן על מסעדה שכבר לא פועלת, האורח או מערכת ה-AI עלולים לקבל מידע סותר ולהציג תשובה שגויה.

כאשר המקורות אינם מסכימים ביניהם, קשה יותר לדעת איזה מידע נכון ומעודכן.

לכן הנראות החדשה של המלון לא נמצאת רק באתר. היא נמצאת גם ב-Google Business Profile, ב-OTA, בביקורות, ברשתות החברתיות, באזכורים חיצוניים, ובכל מקום שבו שם המלון מופיע.

שם, כתובת, טלפון, מתקנים, מדיניות, סוגי חדרים, חניה, נגישות, מסעדות ושעות פעילות צריכים להגיע ממקור מרכזי אחד שמעדכן את כל האתרים והערוצים. כך אפשר לצמצם פערים בין המידע שמופיע בערוצים השונים.

Schema.org הוא לא רק עניין של קוד

Schema.org הוא חלק חשוב מהסיפור, אבל הוא לא כל הסיפור. Schema הוא הדרך שבה האתר שלכם מסביר למנועי חיפוש ולמערכות אחרות מה יש בדף: שזה מלון, איפה הוא נמצא, מה שמו, אילו שירותים יש בו, איך הוא מדורג ומה המידע המרכזי עליו.

גוגל מסבירה שמידע מובנה עוזר למנוע החיפוש להבין טוב יותר את משמעות התוכן בדף. Schema.org כולל גם סוג ייעודי ל-Hotel, שנועד לתאר מלונות בצורה ברורה ומובנית.

אבל אם מתייחסים ל-Schema כאל משימה טכנית חד-פעמית של בונה האתר, מפספסים את העיקר. המלון שלכם דינמי ומשתנה כל הזמן. מתקנים נפתחים ונסגרים, מדיניות משתנה, שירותים מתווספים, שעות פעילות משתנות, קהלי יעד משתנים, ועונות השנה משנות את השאלות של האורחים ומה הם מחפשים.

אם המידע באתר ובשכבת ה-Schema לא מתעדכן יחד עם המציאות, הוא הופך מהר מאוד למידע ישן. וב-AI, מידע ישן יכול להיות גרוע כמעט כמו מידע חסר.

זה נושא ניהולי, לא רק דיגיטלי

מנהל מלון לא צריך לדעת לכתוב Schema, לבנות קוד או להגדיר Meta Description בעצמו, אבל הוא חייב לוודא שיש גורם שמנהל את הידע של המלון.

לא רק את האתר. את הידע: מה המלון אומר על עצמו, מה הערוצים אומרים עליו, מה האורחים שואלים, מה מופיע ב-Google, מה כתוב ב-OTA, מה מערכות AI מסוגלות להבין מתוך כל זה והאם כל התמונה הזאת עקבית מספיק כדי שהמלון יהיה מועמד ראוי לתשובה.

זו כבר לא שאלה של “האם האתר יפה”. זו שאלה של האם המלון ברור מספיק לעולם שבו מכונות עוזרות לאורחים לבחור.

מתי שאלתם את ה-AI שלכם שאלות על המלון ובדקתם שהוא יודע לענות נכון ולהגיע למנוע ההזמנות שלכם ולא למלון אחר או לבוקינג, אקספדיה או סוכן אחר?

אז איך פותרים את זה? הופכים את הדאטה לחי

כדי לא להיות שקופים, מלון לא צריך עוד צ'אטבוט פשוט שמדבר יפה, אלא קודם כל שכבת דאטה מלונאית דינמית.

אחד הפתרונות שאני עובד איתם הוא Quinta, שאותה אני מייצג בישראל. לדברי החברה, המערכת מרכזת כ-3,700 נקודות מידע על המלון, ומעדכנת את השאלות והתשובות מדי שבועיים בהתאם לשאלות האורחים. המידע המעודכן יכול לשמש את האתר והערוצים הרלוונטיים כמקור למנועי חיפוש ולמערכות AI.

שכבת ידע מעודכנת יכולה לסייע בהצגת מידע ברור לאורחים ולמערכות המחפשות מידע על המלון.

כדאי לוודא שהמידע על המלון ברור ומעודכן גם עבור אורחים שמחפשים באמצעות מערכות AI.

רוצים לדעת איך המלון שלכם נראה היום בעיני ה-AI? שלחו לי הודעה באמצעות טופס יצירת הקשר עם קישור לאתר המלון שלכם, ואחזור אליכם עם בדיקה קצרה ותובנה ראשונית איפה המידע שלכם עובד, ואיפה אתם עלולים להיות שקופים למכונות.

 

מקורות

1. Nicolas Sitter, Hotel Schema.org Adoption Study 2026
   https://www.nicolassitter.com/research/hotel-schema-adoption-study-2026
2. Cloudbeds, The Signals Behind Hotel AI Recommendations
   https://www.cloudbeds.com/hotel-ai-recommendations/
3. Google Search Central, Introduction to structured data markup
   https://developers.google.com/search/docs/appearance/structured-data/intro-structured-data
4. Schema.org, Hotel Type
   https://schema.org/Hotel
5. Zhu & Chang, The End of Rented Discovery: How AI Search Redistributes Power Between Hotels and Intermediaries
   https://arxiv.org/abs/2603.20062