Når KI anbefaler hotell, tar vinneren nesten alt

En gjest åpner ChatGPT i stedet for Booking.com og skriver «familievennlig hotell med basseng nær Ålesund» og får to eller tre navn tilbake. Ingen side to, ingen liste med ti alternativer å bla gjennom. Bare navnene motoren velger å si høyt.

Det er kjernen i hvordan KI anbefaler hotell: det handler ikke om hvor du rangerer, men om du blir nevnt i det hele tatt. Og studiene som nå kommer fra utlandet viser et mønster norske hoteller bør kjenne til. Noen få eiendommer tar mesteparten av omtalene. Resten er i praksis usynlige.

Kort svar

Når gjesten spør ChatGPT, Gemini eller Perplexity om hotell, bygger motoren svaret på hvor ofte en eiendom allerede er nevnt på nettet, ikke på en fullstendig oversikt over alternativene. Derfor dukker de samme få hotellene opp igjen uansett hvordan spørsmålet stilles, mens andre forblir usynlige selv med gode anmeldelser.

Hva som skjer når gjesten spør

Google viser ti blå lenker, et kart, annonser og gjerne en KI-oversikt i tillegg. Du kan ligge på åttendeplass og fortsatt bli funnet av noen som blar litt lenger.

En KI-motor gjør noe annet. Det norske byrået Frameworks har vist det med et eksempel utenfor reiselivet: søket «rørlegger i Grimstad» på Google gir fire betalte treff, ti organiske treff og elleve kartpunkter, mens samme spørsmål til ChatGPT typisk gir to navn. Det finnes ingen åttendeplass i en samtale.

For hotellbransjen er dette ikke lenger teori. Adyens Hospitality & Travel Report, gjengitt i italiensk fagpresse, viser at 29 prosent av italienske reisende planla en tur med KI-verktøy i 2025, en økning på 77 prosent fra året før.

Tallene: vinneren tar nesten alt

Den største studien vi har sett kommer fra analyseselskapet Lighthouse, presentert av forskningsdirektør Blake Reiter på bransjekonferansen Luminate 2026. De kjørte 4 545 ulike spørsmål på tvers av ni reisemål, fem gjesteprofiler og 101 formuleringer. Resultatet var 49 707 hotellomtaler i KI-svarene, fordelt på bare 2 721 unike eiendommer.

Fordelingen mellom byene er skjev. I Tokyo blir rundt 10 prosent av hotellene noen gang nevnt, i Paris 13 prosent. I Park City forblir to av tre hoteller helt usynlige. Og de få som nevnes, tar en stor andel: det best plasserte hotellet i Paris får alene 3 prosent av alle omtalene i byen, og de 100 mest omtalte hotellene globalt står for over 13 prosent av alle omtalene.

Samme mønster finnes på kjedenivå i USA, der Marriott alene tar over en fjerdedel av alle kjedehotell-omtalene og de tre største hotellgruppene til sammen 54 prosent.

En egen studie av luksushoteller i London, LuxDirects CS7-studie, kjørte 2 700 strukturerte spørringer mot 25 luksushoteller på seks KI-plattformer. De fem best plasserte fikk 57 prosent av alle KI-omtalene i byen. De 20 andre delte resten.

Marked	Andel av omtalene	Hvem tar den	Kilde
Paris	3 prosent	Ett enkelt hotell, det best plasserte	Lighthouse
Globalt	over 13 prosent	De 100 mest omtalte hotellene	Lighthouse
USA, kjedehoteller	54 prosent	De tre største hotellgruppene	Lighthouse
London, luksus	57 prosent	5 av 25 overvåkede luksushoteller	LuxDirect CS7

Det som gjør dette til vinneren tar alt, og ikke en vanlig rangering, er at det ikke finnes en lang hale å leve av. I et KI-svar er det plass til to eller tre navn, og de samme navnene kommer igjen fordi de allerede er sitert mange steder. Det gir et forsprang som forsterker seg selv. Det er vanskelig å bryte, men ikke umulig når du vet hva som driver det.

Gode anmeldelser hjelper mindre enn du tror

Det er lett å tenke: vi har 9,2 på Booking.com, så KI-en finner oss til slutt. Lighthouse-studien fant bare en svak sammenheng mellom Booking.com-score og synlighet i ChatGPT. To hoteller med like fornøyde gjester kan få motsatt skjebne.

Det som avgjør, er hvor ofte eiendommen allerede er nevnt andre steder på nettet. Analyseselskapet RevPAR Genius kaller en del av dette OTA-konsensusbias: Booking.com og Expedia publiserer den samme beskrivelsen av hotellet på mange tilknyttede domener og partnersider. En motor kan lese gjentakelsen som enighet mellom mange kilder, selv om det er én kilde kopiert mange ganger. Hotell som bare finnes på bookingsidene, konkurrerer da med et tynnere fotavtrykk enn de tror.

Det stemmer med det vi så i vår egen måling av kildemiks i KI-svar: destinasjonsselskapene og reisebloggene ble sitert oftere enn bedriftenes egne sider.

ChatGPT er ikke den eneste motoren

We Are Socials Digital 2026-rapport, gjengitt av det italienske nyhetsbyrået ANSA, viser at ChatGPT sto for 84 prosent av nettrafikken fra KI-plattformer i Italia, foran Microsoft Copilot med 8,55 prosent, Perplexity med 4,23 prosent og Google Gemini med 2,08 prosent. Tallene gjelder Italia, og andelene vil være andre i andre land.

For et norsk hotell betyr det at ChatGPT er et naturlig sted å starte. Men svarene varierer mellom motorene, og Google har tatt samme logikk inn i søket med AI-modus. Vit hvilke motorer gjestene i dine markeder bruker, og mål dem hver for seg. Vi har samlet det vi vet om hver av dem under KI-motorer.

Norge er ikke et unntak

Innovasjon Norge publiserte i mai 2026 rapporten «Et digitalt veiskille for norsk reiseliv», laget av analyseselskapet A-2. Konklusjonen peker rett inn i dette mønsteret: norsk reiseliv har lav og ujevn digital modenhet, er sterkt avhengig av globale plattformer som Booking.com, Google og Meta, og kunstig intelligens er i ferd med å overta deler av kundereisen.

Studiene over er gjort i Paris, Tokyo, London og USA, ikke i Norge. Vi vet ikke ennå hvor skjev fordelingen er i norske reisemål. Men det er ingen grunn til å tro at motorene oppfører seg annerledes her, og ingen norsk reiselivsbedrift har bygget et forsprang som Marriott eller Londons fem luksushoteller. Kategorien er fortsatt åpen for den som begynner å måle først.

Hva du kan gjøre før neste sesong

Fire steg, i denne rekkefølgen.

1. Mål hvor du står i dag. Spør ChatGPT, Gemini og Perplexity det gjestene dine ville spurt om, for eksempel «familievennlig hotell med parkering i Ålesund» eller «rolig gårdshotell i Sunnfjord med god frokost». Spør på norsk og på språkene til de viktigste gjestene dine.
2. Bli nevnt utenfor bookingsidene. En tydelig egen side, en oppdatert Google-profil, en oppføring hos destinasjonsselskapet og omtale i lokale guider og medier. Motoren siterer det som allerede står flere steder, ikke bare det som står på Booking.com.
3. Gjør nettsiden lesbar for maskiner. Strukturerte data (schema.org) med type, beliggenhet, fasiliteter og prisklasse. Sider som svarer på konkrete spørsmål, som avstand til flyplassen og hva frokosten inneholder, slår generell brosjyretekst.
4. Følg med over tid. KI-svarene endrer seg når modellene oppdateres og nye kilder dukker opp. En enkelt måling sier bare hvor du sto den ene dagen.

Rekkefølgen betyr noe. Mange hopper rett til steg tre fordi det føles teknisk og målbart. Men uten steg én vet du ikke om problemet er at motoren ikke finner deg, eller at den finner deg og velger noen andre. Det er to forskjellige problemer med to forskjellige løsninger. Slik fungerer målingen vår viser hvordan vi skiller dem, spørsmål for spørsmål og marked for marked.

Ofte stilte spørsmål

Finner ikke KI hotellet vårt til slutt hvis anmeldelsene er gode nok?

Ikke nødvendigvis. Lighthouse-studien fant bare en svak sammenheng mellom Booking.com-score og synlighet i ChatGPT. Det som flytter noe, er hvor ofte eiendommen er nevnt på nettet utenfor bookingsidene.

Holder det at vi er på Booking.com og Expedia?

Nei. Bookingsidene gjør deg bookbar, og motoren henter ofte grunndata som pris og fasiliteter derfra. Men kortlisten bygges av omtaler fra hele nettet, og hotellene som dominerer er ofte de som også er omtalt av lokale guider, presse og destinasjonsselskap.

Hvilken KI-motor bør vi sjekke først?

ChatGPT er et naturlig sted å starte. Sjekk også Gemini og Perplexity, fordi svarene kan variere mye mellom motorene, og gjester bruker ulike verktøy avhengig av marked og alder.

Er dette bare relevant for store hotellkjeder?

Nei. KI-synlighet handler mer om autoritet i en smal kategori enn om størrelse. Et enkeltstående gårdshotell kan bygge et forsprang raskere enn en stor aktør som ikke har begynt å måle.

Kilder

• Lighthouse, KI-synlighetsstudie av hotellomtaler (AI Visibility Edge), presentert av Blake Reiter på Luminate 2026. 4 545 spørsmål, ni reisemål, 49 707 omtaler, 2 721 eiendommer: mylighthouse.com
• LuxDirect, CS7 London-studien, 2026. 2 700 strukturerte spørringer, 25 luksushoteller, seks KI-plattformer. Gjengitt av Hospitality Net: hospitalitynet.org
• Adyen, Hospitality & Travel Report, 2025, tall for Italia gjengitt av askanews: askanews.it
• RevPAR Genius, om OTA-konsensusbias i KI-svar: revpargenius.com
• We Are Social, Digital 2026, gjengitt av ANSA: ansa.it
• Frameworks, eksempelet «rørlegger i Grimstad»: frameworks.no
• Innovasjon Norge, «Et digitalt veiskille for norsk reiseliv», mai 2026, utarbeidet av A-2: reiseliv.innovasjonnorge.no
• Lykt, målerunde 15. september 2026, 10 spørsmål, 3 motorer, 29 svar: Kildemiks i KI-svar.