同一個找飯店需求，AI 可以換掉整份名單
我們用位於紐約的瀏覽器，每次新開 ChatGPT「暫時對話」（Temporary Chat），輸入一模一樣的英文指令，分別獨立測試三次，第一次和第三次，推薦的飯店一家都沒重複
日期、預算、地區和語言都沒動，也沒叫它「再換幾家」，比的是兩段新對話各自的第一則回答
同一個問題，ChatGPT 給了這兩份名單
圖中是第 1 和第 3 次測試，飯店名稱和順序照原回答保留，第 2 次與第 1 次仍共有 Park Terrace，與第 3 次共有三家，並非每次重問都完全更換名單
會換整份名單的，還有其他 AI
| 平台 | 紐約飯店名單 | 瀏覽器位置與語言 | 比較哪兩次獨立測試 |
|---|---|---|---|
| ChatGPT | 兩份完全不同的名單，沒有重複飯店 | 紐約 · 英文 | 第 1 次與第 3 次 |
| Claude | 兩份完全不同的名單，沒有重複飯店 | 臺灣 · 英文 | 第 1 次與第 3 次 |
| Meta AI | 兩份完全不同的名單，沒有重複飯店 | 紐約 · 中文 | 第 2 次與第 3 次 |
| Gemini | 能比較的名單都還有重複飯店 | 紐約 · 英文或中文 | 各語言內有取得推薦的測試 |
每次測試都新開對話，輸入完全相同的問題，「第 1 次與第 3 次」比較的是兩段獨立對話的第一則回答，每組的平台、瀏覽器位置與語言固定，只比較有取得推薦的名單，包含有條件推薦，Gemini 在臺灣每種語言只有一次成功推薦，無法比較重問結果，這些例子仍不足以排出哪個平台最穩
這次找的是整個 Midtown，選擇範圍較大，AI 可能更容易換出不同組合，但我們沒有把兩個城市的可選飯店數控制成一樣，也沒查齊指定日期、預算內所有可訂飯店，所以還不能確定是「飯店太多」造成的
目前能確認的是，問一次會漏掉其他可能出現的名單，至於別的城市會不會也變這麼多，還要繼續測
中英文名單差多少，也看旅遊目的地
這次問 ChatGPT 找台北飯店，中英文推薦的名單比較像，換成紐約旅遊，兩份名單就差得多，從紐約或臺灣的瀏覽器測，都看到同樣方向，下表把每種語言的三次回答合併來看
中英文候選名單的重疊比例
| 旅遊目的地 | 瀏覽器位置 | 中文推薦 | 英文推薦 | 合計不同飯店 | 重疊比例 |
|---|---|---|---|---|---|
| 台北 | 紐約 | 71.4% | |||
| 台北 | 臺灣 | 100% | |||
| 紐約 | 紐約 | 38.5% | |||
| 紐約 | 臺灣 | 33.3% |
「合計不同飯店」把中英文名單合起來，重複的飯店仍只算一次
重疊比例 = 中英文都出現的相同飯店家數 ÷ 合計不同飯店家數
例如第一列：中文推薦 7 家、英文推薦 5 家，英文的 5 家中文也都有推薦，因此是 5 ÷ 7 = 71.4%
100% 表示三次合併後，中英文都提過同一批飯店，每次的順序和首選還是可能改變
台北測的是 101 附近出差，紐約測的是 Midtown 觀光，地區大小和旅行目的也不同，所以還不能把差異全算在城市或語言頭上，日文等其他語言這次也還沒測
101 附近出差，需求集中在步行便利與商務住宿
首次到曼哈頓中城觀光，搜尋區域較大，候選飯店也較分散
每次都上榜，首選卻會換人
拿這兩組台北出差測試來看，君悅在中英文名單裡都常駐，但問中文時，首選一直是君悅；問英文時，艾麗和寒舍艾美也會被優先推薦
台北出差，AI 最後選誰
| 平台與測試組別 | 第一次 | 第二次 | 第三次 |
|---|---|---|---|
| ChatGPT瀏覽器位置：紐約 語言：英文 | |||
| ChatGPT瀏覽器位置：紐約 語言：中文 | |||
| Claude瀏覽器位置：臺灣 語言：英文 | |||
| Claude瀏覽器位置：臺灣 語言：中文 |
* ChatGPT（瀏覽器位置：紐約，語言：英文）第 3 次卡片稱 Hanns House「best overall fit」，正文建議先看艾麗，此處依正文保留差異
Meta 會因預算改推其他飯店
Meta 每次找台北飯店都有提到君悅，但有時附上一個條件：得找到優惠價，講到最後，反而建議先看艾麗等比較容易符合預算的飯店
都有上榜，最後建議還是會換
| 瀏覽器位置 | 第一次 | 第二次 | 第三次 |
|---|---|---|---|
| 紐約語言：中文 | 寒舍艾美明示首選 君悅仍在候選中 | 君悅／寒舍艾美標示與結尾不一致 君悅有首選標示，結尾先列寒舍艾美 | 艾麗／Sparkle優先考慮 君悅需檢查房價 |
| 臺灣語言：中文 | 艾麗／Sparkle優先考慮 君悅接近預算邊緣 | 君悅五星首選 其他候選被說成更穩在預算內 | 艾麗／誠品較可能符合預算 君悅需早鳥或會員價 |
你用中文問，AI 還是用英文搜尋
我們用臺灣的瀏覽器，以同一段中文請 Claude 找台北飯店，它第一次搜英文，第二次中英混用，第三次才全搜中文，繞了不同的路，最後都選君悅
中文問了三次，Claude 走了三條搜尋路線
Grand Hyatt Taipei W Taipei Humble House Le Meridien room rate per night December 2026
KAYAK · Klook · Google Hotels · Trip.com
台北101附近 五星級飯店 推薦 2026
hotels near Taipei 101 price per night
另有一個中文房價搜尋
Agoda · HotelsCombined · trvlogue · yam · UDN
台北信義區 飯店 房價 2026 12月 君悅 W 寒舍艾美 艾麗
Mimi 韓 · KUO life · V 妞 · 小環妞
用英文問，這次看到的搜尋詞全是英文
同樣用臺灣的瀏覽器，以英文請 Claude 找台北或紐約飯店，畫面上看到的搜尋詞全是英文，就算要去台北，它也沒有在這些紀錄裡改搜中文
| 旅遊目的地 | 提問語言 | 可見的網頁搜尋語言 |
|---|---|---|
| 台北 | 中文 | 三次分別使用英文、中英混合、中文 |
| 台北 | 英文 | 三次均只看到英文搜尋詞 |
| 紐約 | 中文 | 三次均只看到英文搜尋詞 |
| 紐約 | 英文 | 三次均只看到英文搜尋詞 |
平台：Claude · 瀏覽器位置：臺灣 · 每組三次
英文提問組共保存 27 個網頁搜尋詞，台北 8 個、紐約 19 個，全部為英文；中文提問組的台北搜尋詞為 2 個英文、3 個中文，紐約為 20 個英文；僅比較介面可見的逐字網頁搜尋詞，未顯示查詢內容的地圖搜尋不納入
英文搜尋也可能找到其他語言的網頁，這次能確認的是 Claude 用了哪些搜尋詞，還不能說它完全沒取得其他語言的內容，更不能當成所有 AI 的固定習慣
同樣找台北飯店，換成中文提問，搜尋語言也會變，所以只看目的地還解釋不完，這次指令和瀏覽器語言一起切換，兩個城市的旅行目的和搜尋範圍也不同，其他平台沒有完整顯示搜尋詞
AI 推薦飯店時最常被引用的頁面
AI 找飯店時，連會議主辦方的住宿頁也會拿來參考，對飯店來說，值得追的是哪些頁面反覆出現，以及上面的地址、房價和預算資訊寫得對不對
以中文找台北飯店時，ChatGPT 最常引用的頁面
共記錄六個頁面、四個網站，這裡列五個頁面，另有一個 Trip.com 英文頁面也被引用一次，和最後兩個頁面並列，這裡選列兩個繁體中文頁面，這些引用出現在參考價格說明附近，無法一一對應某家飯店，也不能據此認定是哪個頁面讓 AI 選了它
ATD 的頁面每次都被引用，首選卻依序是君悅、君悅、艾麗，參考資料有固定班底，第一名還是會換
這份會議住宿頁用英文列出飯店星級、房價、早餐、步行距離和預訂入口，臺灣機構寫的英文內容，也出現在中文回答裡，網站來自哪裡、文章用什麼語言，得分開看
旅遊文章寫的房價，AI 也會拿來算預算
Claude 有一則中文回答，拿兩篇住宿指南的君悅價格來估算兩晚會不會超支，但文章上的參考價，還沒確認是不是旅客指定日期能訂到的總價
AI 拿這兩個價格，判斷君悅住不住得起
回答使用這兩個參考價格，推測君悅兩晚含費用通常在 US$800 內，並將它列為首選
指定日期的即時總價未確認先核對被引用頁面的房型、日期、稅費和優惠資格，會展飯店也別漏了主辦方的住宿頁，至於更新內容或多一篇報導能不能增加推薦，這次還沒測到
AI 先查官網，也可能把旅客帶去 OTA
在另一組指名飯店的訂房測試中，ChatGPT 先到官網查價，但最後也有轉往線上訂房平台（OTA）的案例，例如找台北晶華時，它比較可取消方案後，選了價格較低的 Expedia，並走到填寫旅客資料的頁面
飯店除了追蹤有沒有被推薦，也要看 AI 最後把旅客帶去哪裡訂房，官網與 OTA 的比較過程，我們會在另一份研究中分享
這是另一組訂房測試的觀察，與本次語言實驗分開計算，測試停在付款前，沒有完成訂房
所以飯店該怎麼做呢？
先挑幾個重要客群真的會問的問題，固定問、持續看，上榜一次值得開心，多問幾次，才知道 AI 會不會持續推薦這家飯店
同一題多問幾次，看 AI 怎麼推薦
把客群、區域、預算和語言固定下來，記錄飯店是主要推薦、附條件才考慮，還是明確首選，AI 為什麼排除某家飯店也要記，畫面上的第一家另列，避免把排列順序當成首選
先處理重要、卻老是掉出名單的問題
例如會展飯店就先看商務住宿需求，AI 比較時老是卡在價格、位置，還是服務，找出它反覆引用的資訊，再決定哪裡值得補強
把 AI 常引用的頁面列一張清單
官網、住宿指南、比價頁、會議住宿頁分開看，核對內容和適用條件，看到錯誤，就提供能查證的更新資料
客人用什麼語言，先從那裡查起
先看目標客群的問題帶出哪些語言和來源，再分配翻譯、內容和在地合作的資源，這次還找不到一個適用所有飯店的「必做語言」或「必上媒體」
這些是根據結果整理的檢查建議，我們還沒做修改網站前後的對照，也沒測到推薦、訂房或營收是否因此增加
飯店還沒找到 Gemini 就先迷路了
這次沒有拿到飯店推薦的嘗試，全都發生在 Gemini，有的報錯、有的等太久，也有回答了卻沒推薦飯店
其他平台完成推薦，仍不代表飯店資料或房價都正確
各平台有多少次交出了飯店名單
我們怎麼測，還有哪些不知道
想核對怎麼測、數字怎麼算，可以展開這裡，哪些有看到、哪些還不能下結論，也一起交代
怎麼測、怎麼算
兩個瀏覽器位置（紐約、臺灣）× 兩個場景（台北出差、紐約觀光）× 四個平台 × 兩種語言 × 各三次，共 96 次正式嘗試，85 次產生推薦
每次都問 2026-12-07 至 12-09，一位成人住兩晚，四或五星級，總預算 US$800 含稅費，推薦幾家由 AI 自己決定
先跑英文，再跑中文，指令和瀏覽器語言偏好一起切換，因此無法單獨拆出提問語言、瀏覽器語言或測試先後順序各有多少影響
每次都開新對話，有暫時／無痕模式就使用，已給出推薦後的選填追問不再回答，報錯、逾時和沒推薦飯店也保留，但不拿來當一般名單比較，避免把「AI 沒交作業」算成「飯店沒上榜」
名單重疊率：固定同一瀏覽器位置、場景和平台，把各語言的三次名單合併，重複飯店只算一次，中英文都有的飯店家數，除以兩份名單合起來的不同飯店家數，主要和有條件推薦都算，明確排除的飯店、只出現在工具卡片的飯店不混進來
引用比例：同組測試中，有幾次回答引用這個頁面，就除以總嘗試次數，同一回答重複引用只算一次，搜尋結果、圖片卡、地圖卡和訂房連結分開記錄
百分比只描述這次測試，不能當成飯店未來被推薦的機率，也沒有做統計顯著性的判定，重問和首選比較挑的是可核對案例，不能套用到所有平台
用了哪些 AI，瀏覽器怎麼設定
| 平台 | 實驗時介面所示模式 | 對話與記憶處理 |
|---|---|---|
| ChatGPT | GPT-6／Instant 瀏覽器位置為紐約的測試另標 Sol | Temporary Chat、Unpersonalized |
| Claude | Opus 5.5／Medium | Incognito，未獨立驗證全部偏好／樣式設定 |
| Gemini | 3.8 Thinking | Temporary Chat，個人脈絡設定未全部獨立核實 |
| Meta AI | Instant，未顯示底層模型版本 | 每次一般新對話，歷史已清理或起始為空，獨立記憶狀態未驗證 |
模型名稱照測試紀錄寫，不代表現在介面上還是同一個名稱，我們用的是一般使用者的瀏覽器聊天介面，沒有呼叫模型 API
兩地的帳號、方案和測試時間不同，臺灣有用連線檢查確認所在地，紐約依使用者提供的位置，沒有做同樣的獨立 IP 檢查
中文組產品介面也未完全相同：使用位於紐約的瀏覽器時，Gemini 保留英文介面，使用位於臺灣的瀏覽器時，ChatGPT 與 Claude 保留英文介面，其餘可用介面切到中文，因此不可直接把兩地差異視為純 IP 效果
正式測試開始時間涵蓋 2026-10-29 至 10-30 UTC，本文另有 2026-11-03 來源頁面補充核對
哪些資料沒收齊，哪些結論還不能下
- 每組問三次，還沒跨日長期追蹤
- 台北和紐約的區域大小、出差／觀光目的也不同，不能只算成城市造成的差異
- 畫面只顯示部分搜尋和來源，沒有完整的後端搜尋或爬取紀錄，被引用也不代表就是它改變了推薦
- Meta 在瀏覽器位置為臺灣的六次原對話有 81 筆網站標題未保存，因此不做完整的來源語言占比或媒體影響力排名
- ChatGPT 在瀏覽器位置為紐約的測試中，部分引用只保留標籤，完整網址未展開；Gemini 部分來源未完整收齊
- 臺灣瀏覽器的結果依交付逐字稿和整理表彙整，原始截圖還沒全部另外核對
- Meta（瀏覽器位置：臺灣，語言：英文，旅遊目的地：台北）第 1 次出現 A/B 兩個回答版本，兩版保留，同一次嘗試只計一次
- 有些飯店別名和分館還待核對，所以主要名單只比較可對照的 ChatGPT 組別，沒有把各平台的不明名稱硬併成總排行
- 房價、星級、距離和營業狀態照 AI 所說記錄，還沒全部查證，也沒確認每家指定日期的可訂總價或完成訂房
原始測試指令
紐約觀光 · 英文指令
Help me find a hotel for my first trip to New York. I’m traveling alone, checking in on December 7, 2026 and checking out on December 9. I’d like a four- or five-star hotel in Midtown Manhattan that’s convenient for sightseeing, with a total budget of US$800 for both nights, including taxes and fees.
紐約觀光 · 繁體中文指令
幫我找適合的飯店，我第一次去紐約玩，2026 年 12 月 7 日入住、12 月 9 日退房，一個人住 想住曼哈頓中城的四或五星級飯店，方便觀光，兩晚含稅和其他費用的總預算是 800 美元
台北出差 · 英文指令
Help me find a hotel for a business trip to Taipei. I’m traveling alone, checking in on December 7, 2026 and checking out on December 9. I’d like a four- or five-star hotel near Taipei 101, with a total budget of US$800 for both nights, including taxes and fees.
台北出差 · 繁體中文指令
幫我找適合的飯店，我要去台北出差，2026 年 12 月 7 日入住、12 月 9 日退房，一個人住 想住台北 101 附近的四或五星級飯店，兩晚含稅和其他費用的總預算是 800 美元
附錄：沒限定幾家，AI 會推薦多少家
瀏覽器位置：紐約，平台：ChatGPT
語言：英文，兩個旅遊場景各三次均推薦四家
語言：中文，兩個旅遊場景各為四、五、五家
瀏覽器位置：臺灣，平台：ChatGPT
旅遊目的地：台北，語言為英文時推薦五、四、四家，中文為四、五、四家
旅遊目的地：紐約，語言為英文時推薦五、四、四家，中文為五、五、五家，與使用紐約瀏覽器時的結果不完全相同
這只是這次名單的長度，還不能說中文一定會推薦更多家，名單長也不代表比較好