旅游AI成效数字满天飞，先看证据从哪来

看到旅游和酒店AI的成效数字，先别急着下结论。这次从本站过去七天收录的材料里，挑出三份一起看：有酒店收入提升13.7%的说法，有房东AI使用比例达到58%的调查，还有酒店机器人处理投诉的情景实验。这里说的七天是收录时间，不是这些变化都发生在一周之内。我们要弄清楚的是，这些材料分别能证明什么，哪些信息能帮助经营判断，哪些还需要往下核实。数字来自实验、问卷还是厂商介绍，决定了我们该问什么问题，不能放在一起简单比大小。[1][2][3]

先看证据链最完整的一份。香港理工大学酒店及旅游业管理学院在官网发布了一条研究新闻介绍，介绍该校Janelle Chan和YooHee Hwang两位教授关于酒店服务机器人补救服务失误的研究。要注意，这是研究的新闻介绍，不是论文全文，论文本身发表在《Asia Pacific Journal of Tourism Research》2025年第30卷第10期。研究背景是疫情后酒店业严重缺工，加上技术进步和成本压力，服务机器人用得越来越多。研究者关心的问题是：客人投诉时，面对的是人还是机器人，酒店给不给补偿，问题解决得快不快，这三件事怎么影响客人对酒店的宽恕和信任。[1]

研究方法交代得很具体。研究安排了两个情景实验，合计500多名志愿者参与测试，让他们看一段假设的酒店入住视频，前台是人或机器人，随后发现房间没打扫干净并投诉，一部分人拿到延迟退房作为补偿，一部分人没有。第二个实验再加一个变量：房间是立刻打扫好，还是要等很久。结果有几个反直觉的地方。前台是人时，给补偿确实能提高客人的宽恕；前台是机器人时，给补偿不提高宽恕。宽恕对信任的中介效应只在人类员工那组显著。存在延迟时，人类员工给补偿比不给补偿更能提高宽恕，机器人组则没有这种差异；问题立刻解决时，无论前台是人还是机器人，各自组内给不给补偿对宽恕都没有差别。研究者认为，补救的及时性比机器人的拟人外观更关键，并建议部署机器人的酒店尽量少靠补偿维系信任。要注意这是情景实验，测的是志愿者看视频后的反应，不能直接证明真实经营中这样操作就一定有效。[1]

第二份材料是企业发布的房东问卷调查。旅游行业媒体Travolution介绍了PriceLabs的第二份年度《全球房东报告》，调查覆盖72个国家1200多名短租房东。报道说，受访房东中58%积极使用AI工具打理房源，并将它与一年前14%的数字对比，概括为“四倍增长”。AI被用来起草客人消息、写房源描述、分析市场数据。这里有个不能忽略的口径：报道对去年用的是“接纳AI”，今年用的是“积极使用AI”。报道交代了样本规模和国家范围，但没有展开两次调查的抽样方式与具体问法。因此，“四倍”是这篇报道给出的概括，还不能直接拿来说明整个短租行业的严格增长，更不能据此判断使用AI的房东赚了多少钱。[2]

第三份材料来自酒店技术公司Mews的官方博客。文章介绍了九款收益管理软件，也推介自家的Mews RMS，即帮助酒店判断需求和调整价格的系统。博客称，其RMS客户自述，每平方米总收入相对于未使用任何RMS的酒店，提升幅度为13.7%；并说明相关酒店已留出大约九个月，让定价算法逐步成熟。这是厂商引用客户报告的数据，不能改说成同一家酒店接入前后的变化。博客另外引用IDC的一项Mews商业价值研究，称客户平均RevPAR增加7.90欧元或9.27美元。RevPAR就是每间可售客房的收入，这个指标和前面的每平方米总收入不同，两个数字不能混着用。这里能确认的是，博客给出了客户数据，并引用了另一项研究；它没有详细展示相关样本量、分组与比较方法。本文没有直接读到IDC报告，不能补说它由谁委托，也不能断言它没有做验证。我认为，要把这些数字用到自己的酒店，还需要继续核实比较条件。[3]

下面是把三份材料放在一起后的分析。我们先区分它们回答的问题。情景实验在设定的条件下比较补偿有没有作用，能帮助理解客人的反应，但不等于真实门店已经验证了经营效果。房东问卷告诉我们受访者怎么使用AI、有什么打算，不能替代实际收入记录。Mews博客介绍产品及效果，是查找案例的起点，但没有全面展示各个数字的样本和方法。要判断结论是否适用于自己，还得继续查对应研究或询问提供方，不能只凭发布者身份下结论。发布方有商业利益，不等于数据就是假的；文章没有写清楚，也不等于原研究没有做。我们需要的是找出还缺哪一层证据。[1][2][3]

这就能把“看数字”变成几个具体问题。读机器人实验时，要问真实客人遇到同样的问题，会不会有不同反应，门店能不能及时解决投诉。读房东问卷时，要问两次调查的对象范围、抽样和问题是否可比；不一定非得调查同一批人，但不能把口径不同的比例当成严格的增长。读13.7%的收入差异时，要先看使用和没使用RMS收益管理系统的酒店，在规模、位置、客源和观察时段上是否可比。这些是我们据材料提出的核对建议，当前几篇介绍还没有给出全部答案。使用率、使用意愿和实际收益，本来就是不同的事情。[1][2][3]

对目的地管理机构、酒店集团、单体住宿经营者和旅游相关岗位来说，这些材料能落到几个具体的业务动作上。第一，采购或评估AI工具时，要求对方给出样本量、对照方法和统计对象，而不是只看百分比。Mews博客在收益管理系统的选购建议部分提醒要问PMS同步是双向实时还是延迟推送，要按物业规模匹配工具，要问自动化程度和可解释性——这类问题同样适用于任何宣称提升RevPAR的工具。第二，建立自己的前后对照记录：同一门店在接入前后的RevPAR、入住率、调价频次、问题发现到行动的时间差。但要记住，同店前后对比也会受季节、节假日、市场大盘和同期其他经营动作影响，核对时还得拉出同期可比门店和当地市场变化一起看，不能把全部变化都归给AI。第三，把AI建议和人工决策的分工写进流程，明确谁拍板、谁执行、谁复盘，这是我们从资料比较中提出的做法。据香港理工大学的研究新闻介绍，研究者还建议，运营管理者应与机器人工程师合作，按照具体服务场景设计机器人功能，不能只看技术指标。[3][1]

以后再看到旅游AI的成效报道，我更愿意先看它能不能回答这些问题：统计的是哪些人或哪些门店，比较对象是谁，观察了多长时间，改善有没有可能来自其他因素。如果这些条件能够交代清楚，数字才更有可能成为业务判断的参考。如果只有一个醒目的百分比，它仍可以提供了解产品或寻找案例的线索，但还不足以让我们相信，换到自己的酒店也会得到同样的效果。下一步可以验证的，不是宣传数字好不好看，而是按可比口径做过一段时间的记录以后，真实改善还在不在。[1][2][3]