Kollective发布面向酒店的AI提示框架，以提升AI可见性追踪能力
采用结构化的方法选择反映真实客户需求的 AI 提示，而不是通用工具输出。
Kollective 发布了Kollective AI 酒店提示框架，这是一种结构化的方法，用于选择酒店应该在 ChatGPT、Perplexity 和 Gemini 等平台上监控哪些 AI 提示。
该框架旨在解决酒店营销中日益严峻的问题。随着人工智能监控工具的广泛应用，许多工具依赖于从酒店网站自动生成的提示信息。虽然这些提示看似全面，但它们往往会暴露出一些与真实预订意图关联甚微甚至毫无关联的查询信息。
Kollective 的观点是，关键在于快速筛选，而非快速浏览。酒店需求受目的地驱动，而忽略地理位置信息的推荐方式很少能反映出客人实际搜索、比较和筛选酒店的方式。
Kollective创始人Lynn Patchett表示：“大多数酒店人工智能可见性方面的不足并非真实存在。这只是通用提示造成的，而非性能不佳。如果提示与客人的实际搜索方式不符，那么提高可见性并不会改变结果。”
Kollective AI 酒店提示框架引入了一种结构化的方法，可以根据真实的需求信号对提示进行优先级排序，包括品牌查询、比较、基于位置的候选列表查询、与价格相关的提示以及反映相邻需求的策略性构建查询。
该框架与工具无关，并与领先的 AI 监控平台一起使用，以帮助酒店营销团队专注于与商业相关的可见性，而不是广泛的、非结构化的跟踪。
完整的框架，包括实际示例，可在 Kollective 博客上找到。
