Raziskava 36 slovenskih destinacij razkriva izrazito koncentracijo priporočil: 18 destinacij AI ni omenil niti enkrat, pet pa si deli približno 86 odstotkov vseh primarnih vključitev na ravni Slovenije. Konkretne potrebe potnika vendarle odpirajo prostor tudi drugim.
Družina načrtuje počitnice, par išče kratek oddih, popotnik sestavlja pot po Srednji Evropi. Ko za predloge vprašajo AI, se nekatera imena ponavljajo, drugih pa med priporočili ni. Prav tu se za destinacijo začne pomemben del zgodbe: ali jo bo potnik sploh spoznal kot možnost za obisk.
Analiza odgovorov za 36 vodilnih slovenskih destinacij pokaže, kako ozek je lahko ta izbor. 18 od 36 destinacij AI v analiziranem vzorcu ni omenil niti enkrat. Njihova izmerjena AI vidnost je bila 0 %. Polovica spremljanih destinacij tako skozi te odgovore ni dobila priložnosti, da bi pritegnila potnikovo pozornost.
Kako smo raziskovali AI vidnost destinacij
Raziskava je zajela 36 slovenskih destinacij in dva velika jezikovna modela (LLM), ChatGPT in Gemini. Vprašanja smo oblikovali v angleščini za ameriški trg, meritve pa izvedli septembra 2026. Vsako vprašanje smo v obeh modelih ponovili štirikrat, da rezultat ne bi temeljil le na enem odgovoru.
Prvi del je spremljal odkrivanje destinacij pri širšem načrtovanju potovanja. Izhajali smo iz vprašanj o Evropi ter geografski okvir postopoma zoževali na Srednjo Evropo in Slovenijo. Tako smo preverili, katere slovenske destinacije AI priporoči že pri razmisleku o potovanju po Evropi in katere se pojavijo šele, ko uporabnik izrecno izbere Slovenijo.
Drugi del se je osredotočil na izbiro krajev in doživetij znotraj Slovenije. Preverjali smo, katere destinacije AI priporoča glede na gosta in njegove potrebe. Vprašanja so zajela osem skupin: splošna priporočila, dolžino potovanja, profil popotnika, stil potovanja, sezono, gnečo in tempo, itinerarije in kombiniranje krajev ter odločitev in ožji izbor. S tem smo raziskali, za koga, kdaj in s kakšnim razlogom AI priporoča posamezno destinacijo.
Primarni kazalnik v obeh delih je BIP (Brand Inclusion Probability), delež veljavnih odgovorov, ki destinacijo vključijo med priporočila. Če je destinacija vključena v polovici odgovorov izbranega sklopa, je njen BIP 50 %; če je ni v nobenem, je 0 %. Rezultate smo primerjali po geografskih ravneh, potrebah potnika in modelih. BIP meri prisotnost v teh odgovorih, ne deleža turistov ali rezervacij.
Polovica destinacij ostaja brez ene same omembe
Rezultati pokažejo tri povezane vzorce: priporočila se osredotočajo na majhno skupino destinacij, večina postane opaznejša šele po izbiri Slovenije, konkretnejše potrebe potnika pa lahko ta razmerja precej spremenijo.
Sedem od 36 destinacij doseže prag BIP ≥ 10 % na vsaj enem geografskem nivoju. Preostalih 29 ostaja pod tem pragom. Vir: Imhotep Lens, September 2026.
Prag vsaj 10 % BIP na katerem od treh geografskih nivojev doseže le sedem destinacij. Preostalih 29 ostaja pod njim, med njimi pa jih ima 18 povsem ničelno vidnost. Pri nekaterih je priporočilo torej redko, pri polovici vseh spremljanih destinacij ga v vzorcu sploh ni.
Če bi se potnik opiral na te odgovore, bi spoznal precej ožji nabor možnosti, kot ga ponuja 36 spremljanih destinacij. Raziskava sicer ne pove, kam bi na koncu odpotoval, pokaže pa, kateri kraji bi sploh lahko pritegnili njegovo pozornost.
Večina destinacij vstopi v izbor šele po izbiri Slovenije
Veliko je odvisno že od tega, kako široko potnik zastavi vprašanje. Ljubljana edina preseže prag 10 % BIP pri vprašanjih o Evropi, Bled pri Srednji Evropi. Piran, Dolina Soče, Bohinj, Kranjska Gora in Maribor ta prag dosežejo šele, ko uporabnik išče predloge za Slovenijo.
Ljubljana z zoževanjem geografskega območja napreduje z 11,7 % na 60,2 % in nato na 85,9 % BIP. Bled s 5,5 % na 32,8 % in 87,5 %. Obe destinaciji imata torej vlogo tudi v širšem regionalnem izboru. Pri drugih je povezava z že izbrano državo precej močnejša.
BIP po geografskem kontekstu pokaže, kako zgodaj se destinacija pojavi med priporočili. Vir: Imhotep Lens, September 2026.
Piran ta razkorak pokaže posebej jasno. Pri vprašanjih o Sloveniji nastopi v 73,4 % odgovorov, pri Srednji Evropi le v 0,8 %. V nacionalnem izboru je eno vodilnih imen; v širšem regionalnem razmisleku je skoraj odsoten. Podoben, čeprav različno izrazit vzorec imata Dolina Soče in Bohinj.
Tudi primerjava premikov med geografskimi nivoji kaže, kje se posamezni destinaciji odpre prostor. Piran, Dolina Soče, Bled in Bohinj največ pridobijo ob prehodu s Srednje Evrope na Slovenijo. Ljubljana največji premik doseže že pri zožitvi Evrope na Srednjo Evropo.
Premiki BIP med geografskimi konteksti so izraženi v odstotnih točkah. Vir: Imhotep Lens, September 2026.
Za destinacije ima ta razlika povsem praktičen pomen. AI jih lahko pogosto priporoča za potovanje po Sloveniji, a jih le redko predstavi nekomu, ki šele izbira, kam v Evropi bi odpotoval. Dober rezultat znotraj države zato še ne pove, kako uspešno destinacija dosega potnike v zgodnejšem delu njihovega razmisleka.
Omenjena destinacija še ni prednostna izbira
Tudi po izbiri Slovenije vse omembe nimajo enakega položaja. Bohinj se pojavlja manj pogosto kot Piran, a ga AI ob vključitvi praviloma uvrsti višje. Bled in Ljubljana združujeta oboje: pogosto prisotnost in mesto bliže vrhu priporočil.
Piran in Dolina Soče sta pogosto del priporočil, vendar praviloma nižje na seznamu. Čeprav iz vrstnega reda ne moremo neposredno sklepati o potnikovi odločitvi, nam pove nekaj, česar samo število omemb ne zajame: kako izpostavljena je destinacija, ko jo AI vključi v odgovor.
Pogostost vključitve in položaj v odgovoru sta ločeni dimenziji vidnosti. Nižja številčna pozicija pomeni višjo uvrstitev. Vir: Imhotep Lens, september 2026.
Ko mora AI seznam skrajšati, postane ta razlika še bolj očitna. V daljšem potovalnem načrtu je prostora za več krajev; pri izbiri samo treh pa mora dati nekaterim jasno prednost.
Bled in Ljubljana ostaneta v vseh odgovorih tudi takrat, ko je prostor samo za tri destinacije.
Zato smo preverili tudi, katere tri destinacije v Sloveniji AI priporoči potniku, ki jih lahko obišče le toliko. Bled in Ljubljana v tem izboru ostaneta trdno zasidrana, prostor za druge pa je precej manj gotov.
Bled in Ljubljana dosežeta po 100 % BIP. Bohinj in Dolina Soče po 37,5 %, Piran 12,5 %. Nobena druga spremljana destinacija se v tem testu ne pojavi.
BIP pri posebnem vprašanju o izbiri samo treh slovenskih destinacij. Rezultata ne smemo enačiti s prvimi tremi mesti v vseh splošnih odgovorih. Vir: Imhotep Lens, september 2026.
Piranovih 73,4 % pri širšem naboru vprašanj o Sloveniji se tako ob zahtevi po treh destinacijah spremeni v 12,5 %. Gre za različna testa, vendar njuna primerjava osvetli pomembno razliko v vlogi destinacije. Biti del potovanja še ne pomeni biti med postanki, ki jih AI ob omejitvi časa ohrani.
Večina priporočil pripade petim destinacijam
Na ravni Slovenije Bled, Ljubljana, Piran, Dolina Soče in Bohinj skupaj predstavljajo približno 86 % vseh primarnih vključitev. Preostalih 31 spremljanih destinacij si deli razmeroma majhen preostanek.
Kumulativni delež primarnih vključitev destinacij v priporočila na ravni Slovenije. Vir: Imhotep Lens, september 2026.
Ob podatku o 18 destinacijah brez ene same omembe postane koncentracija še bolj izrazita. Večina priporočil pripade vodilni peterici, manjši del drugim omenjenim krajem, polovica destinacij pa ostane povsem zunaj izbora. Sam seznam krajev, ki jih AI vsaj kdaj omeni, bi te razlike zlahka skril.
Delež 86 % se nanaša na primarne vključitve v priporočila, ne na turistični obisk ali rezervacije. Pokaže pa, kako ozek izbor nastaja pri splošnih vprašanjih o Sloveniji. Bolj zanimiva slika se začne odpirati, ko potnik pove še, kaj želi na potovanju doživeti.
Konkretna potovalna potreba lahko spremeni razmerja
Pri potovanju z avtomobilom oziroma road tripu Dolina Soče doseže 100 % BIP, Maribor 50 % in Ptuj 25 %. Ko uporabnik išče mir in manj gneče, Dolina Soče doseže 50 %, Idrija 18,8 %, Bled in Ljubljana pa vsak le 6,3 %. Tudi destinaciji, ki sicer prevladujeta v priporočilih, torej nista prva izbira za vsako potovalno željo.
BIP po namenih potovanja v kontekstu Slovenije. Posamezna celica predstavlja rezultat znotraj tega namena, ne deleža vseh potovanj. Vir: Imhotep Lens, september 2026.
Prav v tem se odpre prostor za destinacije, ki pri splošnih vprašanjih ostajajo v ozadju. Ko potnik natančneje opiše želeno izkušnjo, lahko postanejo precej bolj prepričljiva izbira. Skupno povprečje to razliko skrije: iz njega težko razberemo, ali je destinacija redko priporočena nasploh ali pa ima močan položaj pri določeni vrsti potovanja.
Bohinj je najmočnejši pri krajšem oddihu, Brda pri potovanju v predsezoni ali posezoni. Maribor in Ptuj izstopata pri road tripu, Idrija pri miru in manj gneče. Te povezave pokažejo, s katerim razlogom za obisk destinacija najlažje vstopi v priporočilo.
Najvišji BIP po namenu potovanja za posamezno destinacijo. Pri izenačenih vrhovih je prikazano več namenov oziroma njihovo število. Vir: Imhotep Lens, september 2026.
Bohinj pri krajšem oddihu doseže 93,8 % BIP, Brda pri potovanju v predsezoni ali posezoni 50 %. Bled ima najvišji rezultat izenačen pri osmih namenih, Ljubljana pri sedmih in Piran pri štirih. Raziskava s tem loči širino priporočanja od moči v posameznem kontekstu. Za specializirano destinacijo je lahko prav drugo pomembnejši signal njenega položaja, če se ujema z gosti, ki jih želi pritegniti.
Izbira modela spremeni tudi podobo Slovenije
Na priporočila poleg vprašanja vpliva model. Bohinj pri GPT doseže 87,5 % BIP, pri Gemini 31,2 %; prikazani razkorak je 56,3 odstotne točke. Pri Kranjski Gori gre celo za razliko med prisotnostjo in odsotnostjo: GPT jo na ravni Slovenije vključi v 35,9 % odgovorov, Gemini v tem delu vzorca niti enkrat.
Primerjava BIP med modeloma GPT in Gemini na ravni Slovenije. Razlike so izražene v odstotnih točkah. Vir: Imhotep Lens, september 2026.
Pri Bledu, Ljubljani in Dolini Soče so razlike manjše, Piran, Maribor in Ptuj pa so pogosteje vključeni pri GPT. Potnika z enako željo lahko tako glede na izbrano orodje dobita precej drugačna priporočila.
Položaj iste destinacije se lahko med modeloma močno razlikuje. Povprečje je koristno za prvi pregled, vendar pri Bohinju ali Kranjski Gori zakrije pomemben del zgodbe. Če želimo razumeti njuno AI vidnost, moramo pogledati tudi, v katerem modelu sta prisotna in kako pogosto.
AI identiteto destinacije oblikujejo gost, izkušnja in čas obiska
Drugi del raziskave primerja osem skupin uporabniških kontekstov in razkrije, kako široko AI povezuje destinacijo z različnimi razlogi za obisk. Bled doseže skupni BIP 78,0 %, Ljubljana 77,8 % in Piran 74,3 %. Pod podobno močnim povprečjem pa se skrivajo različni profili: Piran denimo pri itinerarijih in kombiniranju doseže 95 %, pri gneči in tempu 37,5 %.
BIP v osmih skupinah kontekstov. Prikazanih je deset destinacij po skupnem BIP analize priporočil znotraj Slovenije. Vir: Imhotep Lens, september 2026.
Bled, Ljubljana in Piran imajo široko relevantnost. Bohinj in Dolina Soče sta prisotna v več kontekstih, a z izrazitejšimi močnimi področji. Brda, Maribor, Ptuj in Vipavska dolina so bolj odvisni od konkretne situacije potnika.
Brda pri sezonskosti dosežejo 35,4 % in pri stilu potovanja 31,2 %, pri splošnih priporočilih 9,4 %. Vipavska dolina je najmočnejša pri gneči in tempu s 14,6 %. Šibko splošno povprečje torej še ne pomeni, da AI za destinacijo ne prepozna razloga za obisk. Lahko pomeni, da jo povezuje z ožjim naborom situacij.
Profil gosta razkrije povezave, ki jih splošna lestvica skrije.
Bohinj doseže 100 % BIP pri družinah z otroki in večgeneracijskih družinah, pri parih pa 50 %. Dolina Soče doseže 100 % pri družinah z najstniki. Destinacija z istimi znamenitostmi in ponudbo tako glede na opis potnika zavzame precej drugačen položaj v priporočilu.
BIP po osmih profilih popotnikov. Graf prikazuje zaznano ustreznost v testnih odgovorih, ne dejanske strukture gostov. Vir: Imhotep Lens, september 2026, analiza priporočil znotraj Slovenije.
Bled doseže 100 % pri vseh osmih profilih, Ljubljana pri sedmih in 87,5 % pri družinah z najstniki. Piran je posebej močan pri parih, romantičnih pobegih, solo potnikih, prijateljih in starejših popotnikih. Bled in Ljubljana nastopata kot široko uporabni izbiri; Bohinj in Dolina Soče imata izrazitejši povezavi z določenimi gosti. To je slika priporočil AI, ne dejanska struktura obiskovalcev.
Tudi čas obiska lahko destinacijo pripelje v ospredje ali izloči iz izbora.
Brda pri vprašanju o septembru dosežejo 87,5 % BIP, pri poletju 0 %, spomladi in oktobra po 62,5 %. Dolina Soče ima drugačen sezonski profil: poleti doseže 100 %, septembra 87,5 %. Pri Brdih je razlika med sezonama tako velika, da skupno povprečje težko opiše njihovo dejansko vlogo v odgovorih.
BIP po šestih sezonskih kontekstih. Vsi rezultati sodijo v isti raziskovalni posnetek; graf ne prikazuje meritev, zbranih v različnih letnih časih. Vir: Imhotep Lens, september 2026.
Kranjska Gora pri vprašanju o obisku izven glavne poletne sezone doseže 62,5 %. Bled in Ljubljana ostajata močna v večini sezonskih kontekstov. Za destinacije, ki želijo razvijati obisk zunaj glavne sezone, ti rezultati pokažejo, ali AI že prepozna ustrezen časovni razlog za priporočilo.
Vsa sezonska vprašanja so del istega raziskovalnega posnetka. Primerjava zato govori o tem, za kateri čas obiska AI priporoča destinacijo. Ne kaže rasti ali padca njene vidnosti skozi leto.
Pomembno je, kdaj AI destinacijo odkrije in zakaj jo priporoči
Ko združimo oba dela raziskave, postaneta vidni dve ločeni prednosti: ali AI destinacijo odkrije v širšem geografskem izboru in ali jo poveže z več konkretnimi razlogi za obisk. Graf prvo meri z BIP v Srednji Evropi, drugo s številom skupin kontekstov, v katerih destinacija doseže vsaj 10 % BIP.
Discovery Reach × Contextual Relevance združi regionalno odkrivanje in širino kontekstualne relevantnosti. Vir: Imhotep Lens, september 2026.
Ljubljana in Bled se dobro uvrščata tako pri širšem regionalnem iskanju kot pri različnih potrebah potnika. Bohinj, Dolina Soče in Kranjska Gora imajo prav tako veliko razlogov za priporočilo, a se pri širšem iskanju pojavijo redkeje. Interpretacija obeh delov raziskave v to skupino uvršča tudi Piran. Brda in Vipavska dolina sta v regionalnem izboru manj prisotna, njuna priporočila pa so vezana na ožji nabor potreb.
Pri Bohinju, Dolini Soče in Kranjski Gori je zato pomembno predvsem, kako zgodaj pridejo v potnikov izbor. AI jih zna povezati z različnimi izkušnjami, vendar jih pogosteje predlaga šele po izbiri Slovenije. Pri Brdih in Vipavski dolini je moč priporočila bolj odvisna od tega, ali potnik išče prav takšno izkušnjo, s kakršno AI povezuje destinacijo.
Takšna specializacija je lahko tudi prednost. Brda ne potrebujejo enakega profila kot Ljubljana, da bi bila prepričljiva izbira za svoje goste. Pomembneje je, ali jih AI priporoči v okoliščinah, ki se ujemajo z njihovo ponudbo in cilji.
Namesto ene same lestvice tako dobimo boljši vpogled v to, kje se pot do priporočila ustavi: pri širšem odkrivanju, pri izbiri nekaj najpomembnejših postankov ali pri povezovanju destinacije s konkretno potovalno željo.
Tri posledice za destinacijski marketing
Za destinacijske ekipe se iz teh ugotovitev izluščijo tri uporabna izhodišča. Pomagajo razumeti, kje je destinacija danes in katera vprašanja je smiselno podrobneje raziskati.
- Poglejte, kdaj destinacija vstopi v izbor. Dober rezultat pri vprašanjih o Sloveniji lahko spremlja skoraj popolna odsotnost pri širšem iskanju po Evropi. Če spremljate obe ravni, lažje razumete, ali vas AI pomaga odkrivati novim gostom ali vas predvsem vključuje v že načrtovano potovanje po Sloveniji.
- Preverite, za koga in zakaj vas AI priporoča. Primerjava po gostih, namenih in sezonah pokaže, kako se želena podoba destinacije ujema z njenimi priporočili v AI. Največ pozornosti si zaslužijo razlike pri gostih in izkušnjah, ki so za vas pomembni.
- Poglejte tudi, kaj se skriva za povprečjem. Pogostost omembe, mesto na seznamu, vključitev v ožji izbor in razlike med modeli osvetlijo vsak svoj del položaja destinacije. Pri Bohinju ali Piranu bi s skupnim BIP pomembne razlike spregledali.
Osrednja ugotovitev ostaja zgovorna: 18 od 36 destinacij je v analiziranem vzorcu ostalo brez ene same omembe. Obenem primeri Brd, Bohinja in Doline Soče pokažejo, kako močno lahko priporočila spremeni konkretna potovalna želja. Za destinacijo je zato pomembno razumeti celotno pot do priporočila: kdaj jo AI prvič vključi, s katerimi razlogi jo predstavi in ali zanjo ostane prostor tudi v ožjem izboru.
Kako brati rezultate
Rezultati predstavljajo posnetek priporočil pri izbranih vprašanjih in modelih. Pokažejo, kako AI predstavlja destinacije v teh okoliščinah, ne ocenjujejo pa njihove kakovosti ali napovedujejo prihodnjega obiska.
BIP je delež veljavnih odgovorov v posameznem segmentu, ki vključijo destinacijo. BIP 0 % pomeni nič vključitev v analiziranem vzorcu, ne trditve, da AI destinacije nikoli ne more omeniti. Prag 10 % uporabljamo za primerjavo širine vidnosti; rezultat pod pragom ni nujno ničeln.
Povprečna pozicija opisuje položaj ob vključitvi. Izbor treh destinacij je ločen test. Približno 86 % pomeni delež primarnih vključitev vodilne peterice na ravni Slovenije, ne deleža vseh odgovorov, obiskov ali rezervacij. Rezultati so posnetek izbranih vprašanj in modelov, ne ocena kakovosti destinacij. Pri ozkih segmentih imajo posamezni odgovori večjo težo.
Več o ponovitvah in zanesljivosti merjenja AI vidnosti
Od ugotovitev do spremljanja in izboljšav
Za posamezno destinacijo se raziskava nadaljuje z njenimi vprašanji: kako pogosto se pojavlja med priporočili, pri katerih gostih je najmočnejša in kako se njena prisotnost spreminja skozi čas. Imhotep Lens omogoča spremljanje AI vidnosti, da lahko svoj položaj ocenjujete na podlagi ponovljenih meritev.
Želim spremljati svojo AI vidnost
Ko veste, kje so največje vrzeli, lahko določite tudi prednostne naloge za izboljšave. Red Orbit vam s pristopom GEO pomaga rezultate povezati z vsebinami, spletno prisotnostjo in jasnejšo predstavitvijo razlogov, zaradi katerih je vaša destinacija prava izbira za določene goste.
Želim izboljšati svojo AI vidnost
Vir raziskovalnih ugotovitev in grafov: Imhotep Lens, september 2026; AI Visibility Audit slovenskih destinacij. Interpretacija: Red Orbit.
