为什么 AI 定价仍然让酒店失败——以及需要改变什么

（迈点专栏 殷彤）大多数收益管理系统建立在三个已经失效的架构假设之上。在 AI 主导的搜索与发现环境下，这是一份关于“结构性失灵”的批评，以及一套三层架构的重设方案。

大多数酒店高管相信，他们已经在收益管理中“用上了 AI”。但事实上，他们采用的更接近一套建立在已经失效的假设之上、自动化的“建议系统”。

一、哪三个架构假设已经失效

传统收益管理系统的设计，建立在三个架构性假设之上：稳定的历史需求数据、清晰的竞争对手集合、OTA 主导的定价信号。

到 2026 年，这三者都越来越不成立。

● 在新兴市场和“白地”市场——从沙特的超级项目到东南亚的全新度假目的地——根本没有历史基线可用。

● 在碎片化市场，竞品集合在不停变化。

● 在 AI 主导的搜索与发现环境下，越来越多的旅行调研发生在 ChatGPT、Gemini、Perplexity 以及区域性 AI 助手内部——OTA 已经不再是唯一的需求信号源。

但今天市面上大多数定价系统，仍然在按照“这三件事还成立”的假设进行优化。

结果是可预测的：肩膀季节给出错误的“底价”、压缩日的定价偏差、对人工覆盖的过度依赖。行业研究显示，在没有成熟需求曲线的市场上，仍在沿用这套过时假设的酒店，每年可能漏掉 8–14% 的收入。

二、那个“没人在采集”的覆盖信号是什么?

这种架构性错配最清楚的证据，是人工覆盖行为。在多个市场，收益经理常常覆盖系统的建议——经常超过一半的时间——而系统从不从这些决定里学习。

这一点很重要：覆盖不是噪声，它是信号。 当一个经验丰富的收益经理调整了系统建议的价格，他/她其实是在表达一种隐性的市场知识——关于一场系统没识别出来的本地活动、一种数据还没捕捉到的客源情绪变化、或者一种偏离历史模式的竞争动态。

如果这些知识被采集并回灌进系统，它会复利。系统会改进。下一次推荐会更准。十二到十八个月后，这家酒店就有了一个真正按它自己市场校准过的定价引擎。

如果不被采集，它就会随着收益经理跳槽而消失。系统永远停留在通用状态。酒店付钱买的智能，从来没有真正被自己吸收过。

三、什么是一套三层架构？

更有效的收益方法需要的是结构性重设，而不是给系统再加几个功能。

第一，从第一性原理重建需求。 与其只用历史预订曲线做预测，系统应当吸纳：航班运力数据、活动日历、签证政策变化、AI 平台上的搜索行为、客源地货币波动。这是“在没有过去的市场上”也能定价的前提。

第二，渠道意识下的净收益优化。 在扣除佣金、取消行为成本和支付成本后，一张 1000 美元的 OTA 预订，和一张 1000 美元的直订，经济意义完全不同。收益 KPI 应当反映可售房单房净贡献——而不是“名义 ADR”。

第三，“人在回路”的学习系统。 每一次覆盖都应当被视为一个训练信号。系统应当问：这位人类同事看到了什么、我没看到？ 这就是“静态自动化”和“自适应智能”的分界线。

四、分销层面会产生哪些连带后果？

这种架构鸿沟有一个直接的分销后果，旅游科技圈目前还远没有想清楚。

用通用定价系统的酒店，会默认陷入 OTA 依赖战略——因为他们自己的智能，差异化程度不足以撑起直订投入。当系统的推荐并不比 OTA 自己的算法更好时，从战略上根本没有理由再去自建一条独立的分销通道。这家酒店把外包出去的不只是分销——还有定价智能本身。

而采用自适应系统的酒店——系统从自己的运营者那里学习，吸收本地市场知识，发展出针对它自己物业和客群校准过的推荐——就会发展出支撑真正直订基础设施的“定价信心”。渠道结构发生迁移，不是因为多花了营销预算，而是因为智能优势本身。酒店比平台更懂自己的市场。

当 AI 主导的旅行发现重塑预订漏斗——越来越多的旅行调研从 Google 迁移到 ChatGPT、Gemini、Perplexity 和区域助手——这种智能优势就变成了关键差异化变量。AI 旅行助手只会推荐它信任的来源。 拥有更好的数据、更好的内容、更精准定价的酒店，将被排在中介之前。

酒店定价的未来，不是“全自动系统替代人类”。它是 “人放大的系统”——学得比对手更快的那种。这是完全不同的一类东西——最先看懂它的酒店，将拥有下一个十年的分销经济学。

本文系迈点专栏作者授权转载文章，为原创作品，如有争议，请及时反馈至邮箱：news@meadin.com。