論文の概要: The End of Rented Discovery: How AI Search Redistributes Power Between Hotels and Intermediaries
- arxiv url: http://arxiv.org/abs/2603.20062v1
- Date: Fri, 20 Mar 2026 15:44:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 19:48:39.212443
- Title: The End of Rented Discovery: How AI Search Redistributes Power Between Hotels and Intermediaries
- Title（参考訳）: AI検索がホテルと仲介業者の電力を再分配する「レンテッド・ディスカバリー」の終焉
- Authors: Peiying Zhu, Sidi Chang,
- Abstract要約: 東京の156件のホテルでGoogle Geminiからの引用を1,357件確認した。
実験的なクエリは、OTA以外のソースから55.9%の引用を引き出すが、トランザクションクエリは30.8%である。
この効果は日本語で増幅され、経験的クエリでは62.1%の非OTA引用が英語では50.0%に比例している。
- 参考スコア（独自算出の注目度）: 0.39287497907611874
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: When a traveler asks an AI search engine to recommend a hotel, which sources get cited -- and does query framing matter? We audit 1,357 grounding citations from Google Gemini across 156 hotel queries in Tokyo and document a systematic pattern we call the Intent-Source Divide. Experiential queries draw 55.9\% of their citations from non-OTA sources, compared to 30.8\% for transactional queries -- a 25.1 percentage-point gap ($p < 5 \times 10^{-20}$). The effect is amplified in Japanese, where experiential queries draw 62.1\% non-OTA citations compared to 50.0\% in English -- consistent with a more diverse Japanese non-OTA content ecosystem. For an industry in which hotels have long paid OTAs for demand acquisition, this pattern matters because it suggests that AI search may make hotel discovery less exclusively controlled by commission-based intermediaries.
- Abstract（参考訳）: 旅行者がAI検索エンジンにホテルを推薦するよう依頼したとき、どのソースが引用され、クエリ・フレーミングは重要か?
東京の156のホテルでGoogle Geminiからの引用を1,357件監査し、Intent-Source Divideと呼ばれる系統的なパターンを文書化した。
経験的クエリは、非OTAソースからの引用の55.9\%を、トランザクションクエリの30.8\%(25.1パーセンテージポイントギャップ(p < 5 \times 10^{-20}$)と比較する。
この効果は日本語で増幅され、経験的クエリでは62.1\%の非OTA引用が英語では50.0\%とされ、より多様な日本の非OTAコンテンツエコシステムと一致している。
ホテルが長年OTAの需要獲得に支払ってきた業界にとって、このパターンは、AI検索がホテル発見をコミッショナーベースの仲介者によって独占的に制御されなくなる可能性を示唆している。
関連論文リスト
- Answer Bubbles: Information Exposure in AI-Mediated Search [14.377773240202849]
バニラGPT,検索GPT,Google AI概要,従来のGoogle検索という,4つのシステムにわたる11,000のリアルタイム検索クエリに対する応答について検討する。
生成検索システムは,その引用に有意なテキストソース選択バイアスを示すことがわかった。
論文 参考訳（メタデータ） (2026-03-17T05:41:39Z) - News Source Citing Patterns in AI Search Systems [6.976269683687743]
我々は,AI検索システムを対象としたヘッド・ツー・ヘッド評価プラットフォームであるAI Search Arenaのデータを分析した。
データセットは、OpenAI、Perplexity、Googleの3大プロバイダにわたるモデルから24,000以上の会話と65,000のレスポンスで構成されている。
異なる提供者によるモデルは、異なるニュースソースを引用する一方で、引用行動における共有パターンを示す。
論文 参考訳（メタデータ） (2025-07-07T02:17:57Z) - Implicit Search via Discrete Diffusion: A Study on Chess [104.74301574891359]
本稿では,DiffuSearchを提案する。DiffuSearchは,離散拡散モデルを用いて未来を探索し,テキストをシンプルに検索するモデルである。
DiffuSearchをChessという古典的なボードゲームでインスタンス化する。
DiffuSearchは、検索不要と明示的な検索強化ポリシーの両方で優れていることを示す。
論文 参考訳（メタデータ） (2025-02-27T06:25:15Z) - Could AI Leapfrog the Web? Evidence from Teachers in Sierra Leone [3.8262940777069194]
平均Web検索結果はAIレスポンスの3,107倍のデータを消費する。
教師は、AIの反応をWeb検索結果よりも関連性があり、役に立つ、そして正しいと評価する。
これらの結果は、AI駆動のソリューションが低接続領域の情報ギャップを効果的に橋渡しすることができることを示唆している。
論文 参考訳（メタデータ） (2025-02-18T00:11:08Z) - LitSearch: A Retrieval Benchmark for Scientific Literature Search [48.593157851171526]
我々は,最近のMLおよびNLP論文に関する597のリアルな文献検索クエリからなる検索ベンチマークLitSearchを紹介する。
LitSearchのすべての質問は、高品質を保証するために専門家によって手作業で検査または編集された。
BM25と最先端の高密度リトリーバーの間には,24.8%の絶対差がみられた。
論文 参考訳（メタデータ） (2024-07-10T18:00:03Z) - Tree Search for Language Model Agents [73.97960454223164]
対話型Web環境での探索と多段階計画を行うために,LMエージェントの推論時探索アルゴリズムを提案する。
我々のアプローチは、実環境空間内で機能する最優先木探索の一形態である。
現実的なWebタスクにおいて有効性を示すLMエージェントのための最初の木探索アルゴリズムである。
論文 参考訳（メタデータ） (2024-07-01T17:07:55Z) - Evaluating Verifiability in Generative Search Engines [70.59477647085387]
生成検索エンジンは、インラインの引用とともに、ユーザークエリへの応答を直接生成する。
我々は,一般的な4つの生成検索エンジンの評価を行う。
既存の生成検索エンジンからの応答は流動的であり、情報的に見えるが、しばしばサポートされていない文や不正確な引用を含んでいる。
論文 参考訳（メタデータ） (2023-04-19T17:56:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。