AI 검색 폭증과 호텔 유통비용, Look-to-Book 비율을 봐야 하는 이유
AI 에이전트가 여행 검색을 대신하는 시대가 오고 있습니다.
이와 관련해 지난 HSMAI 강연에서도 내용을 소개한 바 있는데요.
문제는 검색이 공짜가 아니라는 점입니다.
Look-to-Book(L2B) 비율 이슈에 대해서 알아보시죠.
1. Look-to-Book 비율이란 무엇인가
Look-to-Book, 줄여서 L2B는
예약 1건이 만들어지기까지 몇 번의 검색이 발생하는지를 보여주는 지표입니다.
쉽게 말하면 고객이 실제로 결제하기 전에 시스템이 얼마나 많이 가격과 재고를 조회했는지를 보는 숫자입니다.
항공권 유통에서는 이 지표가 이미 큰 비용 이슈가 되고 있습니다.
OAG 분석에 따르면,
온라인 여행 초창기에는 항공권 예약 1건당 검색이 100-200회 수준이었다고 합니다.
그런데 현재는 1만-2만회 수준까지 올라왔고,
AI 에이전트가 본격화되면 예약 1건당 20만회 수준까지 갈 수 있다는 전망도 나옵니다.
숫자만 보면 다소 과격해 보이지만 방향성은 분명합니다.
사람이 직접 검색하던 시대보다,
기계가 대신 비교하는 시대에는 검색량이 훨씬 더 빠르게 늘어날 수 있습니다.
개인적으로는 이 지표가 앞으로 호텔 유통에서도 더 자주 언급될 가능성이 크다고 봅니다.
2. 검색량 증가는 곧 비용 증가다
여행 검색은 단순한 웹페이지 조회가 아닙니다.
항공권이든 호텔 객실이든 가격과 재고는 계속 바뀝니다.
사용자가 검색할 때마다 시스템은 실시간 또는 준실시간으로
요금, 가능 여부, 조건, 세금, 수수료 등을 확인해야 합니다.
항공사는 이 과정에서 GDS, NDC API, 자체 예약 시스템을 호출합니다.
호텔도 구조는 다르지만 비슷합니다.
CRS(Central Reservation System), 채널매니저, OTA, 메타서치, 브랜드닷컴, PMS, RMS가
서로 연결되어 객실 재고와 요금을 주고받습니다.
사람이 한 번 검색할 때는 큰 문제가 아닐 수 있습니다.
하지만 AI 에이전트가 한 고객을 위해 수백 개 조건을 조합해 계속 검색한다면 비용 구조가 달라집니다.
호텔 입장에서는 예약으로 이어지지 않는 조회가 시스템 부하와 유통비용으로 쌓일 수 있습니다.
즉 검색량 증가는 단순한 트래픽 증가가 아닙니다.
예약 전환이 동반되지 않으면 서버 비용만 늘어나는 구조가 될 수 있습니다.
이 부분은 호텔 IT와 유통팀이 함께 눈여겨볼 부분입니다.
3. AI 에이전트는 검색을 더 많이, 더 세밀하게 한다
기존 고객은 보통 몇 가지 조건만 바꿔가며 호텔을 검색했습니다.
날짜를 바꾸거나, 지역을 바꾸거나, 가격 필터를 조정하는 정도였죠.
하지만 AI 에이전트는 훨씬 더 많은 조합을 자동으로 비교할 수 있습니다.
예를 들어 “강남에서 조식 포함, 무료 취소, 20만원 이하, 지하철역 근처, 리뷰 좋은 호텔”이라는
요청이 들어왔다고 해보겠습니다.
AI는 단순히 한 번 검색하고 끝내지 않을 수 있습니다.
날짜별 가격, 취소 정책, 회원가, 조식 포함 요금, 세금 포함 총액, OTA 가격, 공식 홈페이지 가격을
여러 번 비교할 수 있습니다.
고객에게는 편리합니다.
하지만 호텔과 유통 시스템 입장에서는 훨씬 많은 조회가 발생합니다.
특히 예약으로 이어지지 않는 탐색성 요청까지 모두 실시간 재고 조회로 처리하면 비용이 커질 수밖에 없습니다.
AI가 여행 검색을 똑똑하게 만들수록, 백엔드 시스템은 더 바빠지는 역설이 생기는 셈입니다.
겉으로는 고객 경험 개선이지만, 안쪽에서는 유통 비용 관리가 더 중요해지는 구조입니다.
4. 호텔업계에도 L2B 관리가 필요해진다
호텔업계는 지금까지 L2B를 항공사만큼 전면에 내세우지는 않았습니다.
하지만 메타서치, OTA, 브랜드닷컴, 가격 비교 사이트가 복잡하게 얽히면서
호텔도 사실상 비슷한 문제를 겪고 있습니다.
메타서치 광고에서는 클릭 비용이 중요했습니다.
OTA에서는 수수료가 중요했습니다.
브랜드닷컴에서는 전환율이 중요했습니다.
그런데 AI 검색 시대에는 “예약 1건을 만들기 위해 시스템이 몇 번 조회됐는가”도
중요한 비용 지표가 될 수 있습니다.
특히 호텔은 항공보다 상품 조건이 더 복잡합니다.
객실 타입, 인원, 조식, 취소 가능 여부, 선결제 여부, 멤버십 혜택, 세금과 봉사료, 리조트피, 프로모션 코드가 모두 달라질 수 있습니다.
AI가 이 모든 조합을 비교하기 시작하면 검색량은 더 빠르게 늘어날 수 있습니다.
결국 호텔도 단순히 예약 건수와 매출만 볼 것이 아니라,
조회량 대비 전환율, 채널별 API 호출량, 캐시 적중률, 불필요한 검색 트래픽을 함께 봐야 할 가능성이 큽니다.
수익관리와 유통관리의 경계가 더 흐려지는 느낌입니다.
5. 실시간 가격만 고집하면 비용이 커질 수 있다
이러한 문제의 핵심 대응 방향 중 하나는
모든 검색을 실시간 확정 가격으로 처리하지 않는 것입니다.
AI가 던지는 수많은 탐색성 요청에 매번 실제 예약 가능한 최종 요금을 계산하면
비용이 급격히 커질 수 있기 때문입니다.
모든 AI 검색 요청에 대해 CRS와 PMS까지 깊게 들어가
실시간 재고와 최종 요금을 확인할 필요가 있는지 따져봐야 합니다.
초기 탐색 단계에서는 캐시된 요금, 대표 요금, 가격 범위, 조건부 요금으로 응답하고,
예약 의도가 명확할 때만 실시간 확정 조회로 넘어가는 구조가 필요할 수 있습니다.
물론 조심해야 할 부분도 있습니다.
호텔 가격은 고객 신뢰와 직결됩니다.
초기 탐색에서 본 가격과 최종 결제 가격이 크게 달라지면 고객은 바로 이탈할 수 있습니다.
따라서 핵심은 무작정 캐시를 쓰는 것이 아닙니다.
탐색 단계와 예약 단계의 데이터를 구분하면서도,
고객에게 표시되는 가격의 신뢰도를 유지하는 것입니다.
이 균형을 잘 잡는 호텔과 플랫폼이 AI 검색 시대에 유리해질 것 같습니다.
6. 직접 예약 채널도 AI가 읽을 수 있어야 한다
AI 검색이 늘어나면 OTA와 메타서치만 유리해질 가능성도 있습니다.
이들은 이미 대규모 검색 트래픽을 처리하고,
가격과 재고 데이터를 구조화해 제공하는 데 익숙합니다.
반면 개별 호텔이나 중소 호텔 체인은 API 품질, 데이터 구조, 응답 속도에서 뒤처질 수 있습니다.
이렇게 되면 고객은 호텔 공식 홈페이지를 직접 방문하지 않아도 됩니다.
AI가 먼저 읽기 쉬운 채널에서 가격을 가져오고,
그 안에서 후보를 정리할 수 있기 때문입니다.
호텔 공식 채널의 데이터가 AI에게 잘 읽히지 않으면,
직접 예약 경쟁력은 고객이 보기 전에 약해질 수 있습니다.
호텔은 이제 SEO만 생각해서는 부족합니다.
AI가 요금 조건을 이해할 수 있는 구조,
멤버십 혜택을 비교할 수 있는 데이터,
취소 정책과 총액을
명확하게 읽을 수 있는 피드가 필요합니다.
결국 다이렉트 부킹의 경쟁력은 화면 디자인만의 문제가 아닙니다.
기계가 읽을 수 있는 예약 데이터 품질의 문제가 되고 있습니다.
이 변화는 호텔 브랜드닷컴 전략에서 꽤 큰 전환점이 될 수 있겠네요.
7. 호텔이 준비해야 할 것
첫째, 채널별 검색량과 전환율을 더 세밀하게 봐야 합니다.
단순 방문자 수나 예약 건수만으로는 부족합니다.
어떤 채널에서 얼마나 많은 조회가 발생했고,
그 중 실제 예약으로 이어진 비율이 얼마인지 확인해야 합니다.
둘째, 캐싱 전략을 점검해야 합니다.
객실 요금과 재고를 어디까지 캐시로 처리할지,
어떤 요청부터 실시간 조회로 넘길지 기준이 필요합니다.
특히 비수기·성수기, 도시 호텔·리조트, 표준 객실·스위트 객실에 따라 전략이 달라질 수 있습니다.
셋째, AI 에이전트가 읽을 수 있는 데이터 구조를 만들어야 합니다.
요금 조건, 세금 포함 여부, 취소 정책, 멤버십 혜택, 객실 타입 설명이 명확해야 합니다.
사람에게 보기 좋은 문장도 중요하지만,
기계가 오해하지 않는 구조화된 데이터가 더 중요해질 수 있습니다.
넷째, 직접 예약 혜택을 명확하게 구분해야 합니다.
AI가 OTA 가격과 공식 홈페이지 가격을 비교할 때,
공식 채널의 장점이 단순히 '브랜드 사이트'라는 이유만으로 선택되지는 않을 것입니다.
포인트 적립, 무료 조식, 레이트 체크아웃, 객실 업그레이드 가능성처럼
비교 가능한 혜택으로 정리해야 합니다.
AI가 여행 검색을 대신하면 고객 경험은 좋아질 수 있지만,
그 뒤에서는 검색량과 시스템 호출 비용이 크게 늘어날 수 있습니다.
호텔은 이제 '얼마에 팔 것인가'뿐만 아니라
'그 가격을 몇 번 조회하게 할 것인가'도 고민해야 합니다.
AI 에이전트 시대의 호텔 유통 경쟁은 가격, 전환율, 수수료를 넘어
검색 비용과 데이터 품질의 싸움으로 확장될 가능성이 큽니다.
개인적으로는 앞으로 호텔 수익관리 보고서에
L2B, API 호출량, 캐시 적중률 같은 지표가 더 자주 등장하지 않을까 싶습니다.
AI가 더 많이 검색하는 시대일수록, 호텔은 더 똑똑하게 응답해야 합니다.
이상입니다.
연관 포스트
부킹홀딩스, B2B 도매 유통망 강화 전략 분석
부킹홀딩스는 자사 브랜드의 재고를 통합한 B2B 엔진을 구축하여 여행 도매 시장 점유율 확대를 꾀하고 있습니다. 이러한 전략은 호텔 입장에서 가격 통제권 상실과 고객 데이터 확보 어려움이라는 중대한 위험을 초래하므로, 호텔은 계약 범위 설정과 유통 경로에 대한 가시성 확보를 통해 수익 관리와 가격 일관성 유지에 더욱 집중해야 합니다.
AI로 인한 항공권 검색 대비 예약 비율(L2B) 폭증 문제와 대응 방안
생성형 AI 도입으로 항공권 검색 건수 대비 예약 전환율이 급락하며 인프라 운영 비용이 가중되는 현상이 발생하고 있습니다. 이를 해결하기 위해 업계는 데이터 캐싱 고도화와 지능형 필터링을 도입하고 있으며 향후 단순 API 방식에서 벗어나 예약 의도 기반의 유통 구조로 전환해야 합니다.
호텔 AI 검색 최적화(GEO, AEO), llms.txt 파일에 비용을 써야 할까
호텔 AI 검색 최적화를 위한 'llms.txt' 파일은 확정된 웹 표준이 아니며, Google과 OpenAI 모두 검색 노출에 필수 요소로 사용하지 않는다고 밝힙니다. 따라서 높은 비용을 지불하기보다 Google 비즈니스 프로필 관리, 웹사이트 접근성 확보, 채널별 정보 일관성 유지 등 기본적인 데이터 관리에 집중하는 것이 효과적입니다.