La búsqueda de lugares de interés y atracciones con IA ayuda al cliente a elegir un lugar que merezca la pena visitar, combinando la intención del usuario con registros de lugares de confianza, categorías, estado de apertura, ubicación geográfica, tiempo de viaje y reglas de negocio. El modelo de lenguaje interpreta una solicitud como «un lugar histórico cerca del hotel antes de cenar». La fuente del lugar se mantiene como fuente autorizada en cuanto a identidad y horarios. Los servicios de rutas calculan las relaciones de viaje y la IA espacial explica el resultado en el mapa.
Las secciones siguientes separan la recuperación de lugares cercanos de la recomendación de destinos, y luego abordan la identidad del lugar, la elegibilidad, la clasificación espacial, el mapeo de Kaleidr, los productos B2B, la medición y un programa piloto específico. Para obtener información relacionada, consulte AI Things to Do Recommendations, How to Build an AI Tourism Map y AI Guest Concierge for Hotels. Los equipos que ya vinculan conversaciones a un mapa de destino existente pueden pasar directamente al mapeo de Kaleidr; los equipos que aún definen los límites del catálogo deben comenzar con registros de lugares confiables.
Aspectos esenciales de la búsqueda de puntos de referencia
- Primero, los lugares aprobados: Recomiende los puntos de referencia que la empresa realmente incluye en su lista, con los que tiene socios o que avala.
- Un lugar no es una experiencia: Un museo es un lugar; una visita guiada es un registro aparte.
- Recuperación de lugares cercanos: Un radio de marcadores no es una recomendación.
- Segundo, IA espacial: El modelo de lenguaje interpreta la intención y explica las opciones disponibles.
- Mida la decisión: La selección del lugar, las indicaciones y la transferencia al anfitrión son más importantes que la duración del chat por sí sola.
La búsqueda de lugares emblemáticos se convierte en una recomendación cuando la IA espacial combina datos fiables de lugares con la intención del cliente, la geografía y el contexto del viaje.
¿Por qué la búsqueda de lugares de interés y atracciones con IA constituye un problema espacial distinto?
Los hoteles, las plataformas de destinos, los mercados turísticos, las redes de atracciones, los productos para convenciones y las guías de ciudades ya disponen de contexto propio, como una reserva, un catálogo de miembros aprobados o una lista editorial de lugares emblemáticos. La representación de las atracciones turísticas como marcadores ya no es una capacidad escasa. El reto del producto reside en ayudar al cliente a elegir un lugar que se ajuste a su intención, el tiempo disponible y las normas del anfitrión, sin necesidad de que un modelo de lenguaje invente la atracción.
Actualmente, Kaleidr incluye Búsqueda de Lugares de Interés y Atracciones como una experiencia de usuario impulsada por IA que descubre lugares de interés, atracciones y sitios que vale la pena visitar, junto con Búsqueda de Restaurantes y Reservas de Mesa, Actividades y Transporte Local y Rutas de Regreso (AI-Powered Map Experiences for Business). La página AI Map Chat for Customer Discovery describe los viajes como la transformación de la intención en itinerarios, rutas y recomendaciones de destinos. Estas páginas son la base del posicionamiento de Kaleidr. Sin embargo, no demuestran que Kaleidr opere un catálogo de atracciones turísticas, un sistema de venta de entradas o un servicio de información horaria.
Las organizaciones turísticas ya están integrando el descubrimiento conversacional con contenido local confiable. Visit Orlando lanzó en junio de 2026 un planificador de viajes con IA que combina la selección de expertos locales con datos de viaje más amplios (Visit Orlando, 2026). Posteriormente, la Autoridad de Turismo de San Diego integró la planificación de viajes conversacional en su sitio web oficial para visitantes, con recomendaciones e itinerarios en SanDiego.org (Mindtrip, 2026). Estos lanzamientos demuestran que el descubrimiento de destinos se está convirtiendo en una experiencia conversacional, más allá de la oferta de información predefinida. Estos lanzamientos no son estudios de caso de Kaleidr, ni demuestran que todos los anfitriones deban reemplazar su catálogo de lugares o su motor de mapas.
¿En qué se diferencia la búsqueda de lugares emblemáticos de las recomendaciones de actividades?
La búsqueda de lugares de interés y atracciones suele recomendar un lugar: un monumento, museo, sitio histórico, mirador, parque o lugar de interés cultural. Las recomendaciones de actividades suelen sugerir una experiencia que puede tener lugar en un sitio: una visita guiada, una exposición, un espectáculo, una clase o un evento programado. Un museo puede ser ambas cosas. El registro del lugar y la experiencia con entrada deben mantenerse separados para que los horarios, la identidad y los análisis no entren en conflicto con el inventario.
La pregunta clave para la búsqueda de lugares de interés es qué lugar debería visitar el cliente según su intención y el contexto de su viaje. La pregunta clave para las recomendaciones de actividades es qué experiencia puede completar el cliente antes de su próximo compromiso. El artículo complementario sobre actividades abarca la duración, la hora de inicio y la finalización de la experiencia. La búsqueda de lugares de interés aún requiere información sobre el estado inicial y el tiempo de viaje, pero la unidad de recomendación es el lugar, no la entrada.
AI Restaurant Search and Table Booking aborda un problema de elegibilidad similar para restaurantes. La función de búsqueda de lugares emblemáticos generaliza ese contrato a lugares culturales, históricos y al aire libre que el anfitrión esté dispuesto a recomendar. Mantenga ambos recorridos diferenciados en el producto, incluso cuando un mismo mapa muestre ambas capas.
¿Por qué la opción "Cerca" no es una recomendación?
Un mapa de lugares cercanos indica qué establecimientos se encuentran alrededor de un marcador. Un producto de búsqueda de lugares emblemáticos indica qué atracción se ajusta a lo que el cliente solicitó ver en el resto del viaje. Esta distinción es importante porque un monumento famoso puede estar geográficamente cerca y aun así estar cerrado, demasiado lejos para el presupuesto de caminata, fuera del catálogo aprobado o no ser adecuado para una solicitud de visita histórica de noventa minutos. Una calle comercial puede estar en la manzana correcta y aun así no cumplir con el objetivo de visitar un lugar emblemático.
La proximidad es una función de recuperación. La recomendación comienza una vez que existen lugares candidatos: el producto debe determinar si el cliente puede llegar al lugar, visitarlo y aún así cenar. Location Intelligence Customer Experience sigue la misma estructura Descubrir → Comparar → Actuar. Descubrir recupera lugares elegibles. Comparar permite inspeccionar la categoría, el estado de apertura y el viaje. Actuar incluye indicaciones, guardar, agregar al itinerario o entregar un boleto. Si se clasifica un marcador cerrado o inaccesible porque el nombre obtuvo una buena puntuación, se invierte ese orden.
La proximidad encuentra candidatos; la IA espacial ayuda a determinar qué lugar válido se ajusta a la tarea real del cliente.
¿Qué reglas de identidad y elegibilidad de lugares necesita la clasificación?
Los sistemas de catálogo, horarios, rutas e itinerarios deben seguir siendo la fuente autorizada de la información en la que se basa una recomendación. El modelo de lenguaje puede transformar una solicitud, como por ejemplo "un lugar histórico cerca del hotel antes de cenar", en campos verificables: origen, próximo compromiso, intervalo de tiempo, categoría, límite de viaje y requisito de estado de apertura. Estos campos son consultas a los responsables del lugar y la ruta, no valores inventados. La estructura de cualquier ejemplo es ilustrativa. Lo importante es que el lenguaje vago se convierte en información que el cliente puede corregir sin reiniciar la conversación.
Las restricciones estrictas son binarias y pertenecen a los responsables del lugar, los horarios y la ruta antes de la clasificación. Si el lugar está cerrado, si se desconocen los horarios cuando el producto requiere horarios conocidos, si el servicio de rutas no puede cubrir un presupuesto para caminar, si el acceso es privado o si falta algún atributo de accesibilidad, se debe descartar al candidato. Las preferencias flexibles, como el barrio o el estilo arquitectónico, clasifican el conjunto de opciones válidas restantes. Un mirador cerrado no debería ser la primera opción solo por ser más famoso.
La lista actual de tipos de lugares (nuevos) de la API de Google Places incluye tipos orientados a atracciones como cultural_landmark, historical_place, historical_landmark, monument, museum, observation_deck, tourist_attraction y visitor_center (Google Maps Platform, 2026). El cuadro de búsqueda de Mapbox documenta actualmente la búsqueda de puntos de interés (POI) filtrados por categoría alrededor de una ubicación o a lo largo de una ruta (Mapbox, 2026). Estas páginas son evidencia de contratos de categorías de lugares en producción. Sin embargo, no demuestran que todas las implementaciones de Kaleidr utilicen Google Places o el cuadro de búsqueda de Mapbox, ni describen el inventario de Kaleidr.
Schema.org distingue actualmente TouristAttraction de TouristDestination y los vincula con includesAttraction. TouristAttraction documenta publicAccess como un indicador explícito a nivel de lugar sin valor predeterminado cuando se omite (Schema.org, 2026). TouristDestination describe un lugar que contiene una o más atracciones. includesAttraction representa la relación entre destino y atracción. Estos tipos ilustran la identidad y el acceso como datos estructurados. El mismo vocabulario no constituye un esquema de catálogo de Kaleidr.
Los identificadores de lugar estables mantienen la búsqueda, el mapa, la localización y el análisis en un solo objeto, incluso cuando los nombres, alias y categorías de proveedores difieren. Normalice las categorías de proveedores en una capa interna que el producto pueda filtrar. Mantenga las visitas guiadas y las exposiciones como registros de experiencia vinculados al lugar, no como lugares duplicados.
La identidad de lugar estable mantiene sincronizadas la búsqueda, el mapa, la localización, el análisis y las experiencias posteriores.
¿Cómo debería el contexto espacial clasificar las atracciones?
Una recomendación solo es útil cuando el cliente puede llegar al lugar y aún así cumplir con su siguiente compromiso. La proximidad en línea recta no es suficiente. Dos sitios históricos pueden estar a distancias similares del hotel, pero uno está a doce minutos a pie y el otro consume el presupuesto para caminar. La clasificación debe evaluar el origen al lugar, el tiempo de apertura y la distancia al siguiente destino como un único factor de viabilidad.
El descubrimiento de lugares de interés a lo largo de la ruta y con múltiples puntos de referencia es la misma tarea, pero con un origen diferente. La pregunta "¿Qué vale la pena ver de camino a la estación?" requiere la ruta, no un radio alrededor del hotel. La pregunta "¿Qué puedo ver entre el hotel y el restaurante?" requiere ambos puntos de referencia. No se debe pedir al modelo de lenguaje que invente esos minutos después de que el cliente ya haya especificado la restricción. Traffic-Aware Journey Planning cubre el tramo de viaje cuando el cliente necesita una ruta. La clasificación de lugares se aplica después de la elegibilidad, como un orden de los lugares que se pueden inspeccionar, en lugar de sustituir las horas y las comprobaciones de viaje.
La siguiente comparación es ilustrativa, no representa un resultado medido de Kaleidr ni de destino. Úsela solo para mostrar por qué las opciones necesitan las mismas columnas. Los productos reales deberían completar esas columnas con el catálogo actual, las horas y las respuestas de ruta. La solicitud consiste en un monumento histórico, un presupuesto para caminar de 15 minutos desde el hotel y una visita que se ajuste a la franja horaria de 16:00 a 18:30 antes de la cena.
| Candidato | Categoría | A pie desde el hotel | Abierto hasta | Visita típica | A pie para cenar | Cabe en la franja horaria |
|---|---|---|---|---|---|---|
| Monumento histórico | Lugar de interés histórico | 12 min | 19:00 | 30 min | 16 min | Sí: 12 + 30 + 16 = 58 min, todavía abierto |
| Museo | Museo | 18 min | 16:45 | 45 min | — | No: la caminata supera el presupuesto de 15 min; solo quedan 27 min antes del cierre, menos que la visita |
| Sitio patrimonial | histórico | 22 min | 19:00 | 40 min | 16 min | No: 22 min superan los 15 min de caminata del hotel |
La popularidad es un indicador poco fiable del viaje actual. Un sitio histórico menos conocido cerca del hotel puede ser una mejor opción cuando la atracción principal está a veintiocho minutos a pie y cierra demasiado pronto. La elegibilidad es un filtro. La clasificación es un orden de los supervivientes. La explicación es una justificación de por qué existe la lista de preseleccionados. Combinar estas funciones produce el error habitual: el asistente recomienda una atracción famosa que el cliente no puede visitar.
El estado compartido del mapa mantiene la conversación, las tarjetas y el viaje en un lugar canónico. Seleccionar un lugar emblemático debe resaltar el sitio, mostrar la relación entre el hotel y el restaurante, y respetar el intervalo de tiempo. Preguntar "¿qué hay más cerca?" debe mantener las mismas limitaciones. Preguntar "¿qué hay de los museos?" debe volver a comprobar la elegibilidad en lugar de inventar un nuevo viaje. Una segunda lista invisible, solo accesible para el asistente, rompe ese acuerdo.
¿Cómo se integra Kaleidr con el descubrimiento de lugares emblemáticos?
Una implementación de Kaleidr puede añadir una capa espacial conversacional a un mapa y una pila de lugares que el anfitrión ya gestiona. Actualmente, Kaleidr documenta Chat como un producto que se superpone a un mapa que el anfitrión ya renderiza, traza lugares identificados y ajusta la cámara a medida que la conversación identifica ubicaciones (Chat attach). El contrato de conexión confirma que existe una conversación con reconocimiento de mapas en la interfaz pública para desarrolladores. Sin embargo, la misma documentación no garantiza un catálogo de atracciones nativo, un inventario de entradas ni un feed de horarios para todo el destino.
Estos catálogos y sistemas de horarios deben seguir siendo dependencias explícitas de la implementación. Kaleidr puede proporcionar la capa espacial conversacional y la coordinación con reconocimiento de mapas, mientras que la implementación utiliza las fuentes autorizadas de lugares, horarios y rutas correspondientes. No se debe dar por sentado que Kaleidr es el operador de la atracción o el gestor de entradas, a menos que se documente una integración específica para la implementación.
El hotel, un distrito seleccionado o un punto del mapa deben ser el origen predeterminado para la búsqueda de puntos de referencia, porque esos anclajes ya están en el viaje. Una clave publicable es para uso del SDK del navegador; las credenciales del servidor pertenecen a la capa de la aplicación. Kaleidr actualmente documenta esa división y afirma que una clave publicable presentada como portador es rechazada (Auth & scopes). La ubicación del dispositivo es un permiso separado: la actual instantánea de recomendación candidata de geolocalización del W3C requiere permiso expreso de un usuario final antes de que cualquier dato de ubicación sea compartido con una aplicación web (W3C, 2026). La ubicación del dispositivo es útil cuando el cliente pide comenzar desde la posición actual, y no debería ser necesaria cuando el hotel o restaurante ya nombra un mejor origen. Private Location Data for AI Map Workflows cubre la autorización para datos de movimiento que el host no expone públicamente.
Kaleidr describe actualmente una plantilla para el sector de la hostelería con destinos seleccionados y resúmenes de lugares con la función de consulta mediante un toque; la plantilla de inicio en vivo es Kaleidr Hospitality. Confirme las asignaciones del plan actual en Pricing & Plans antes de depender de un flujo de trabajo de producción específico. Considere la documentación actual para desarrolladores como el contrato de integración; las páginas de marketing describen el caso de uso, no la lista de fuentes de atracciones.
Un producto de búsqueda de atracciones B2B puede mantener sus sistemas existentes de lugares, mapas y transacciones, al tiempo que añade una capa de IA espacial conversacional.
¿Qué productos B2B necesitan la búsqueda de atracciones?
Una organización de marketing de destinos puede conectar monumentos oficiales, atracciones asociadas, parques, distritos y colecciones editoriales con un visitante que ya ha visto el monumento principal. La organización mantiene el control sobre el universo de opciones. El asistente interpreta las preferencias. Los horarios y las rutas siguen determinando las posibilidades. El artículo sobre mapas turísticos mencionado anteriormente describe la arquitectura del mapa de destinos en torno a dicho catálogo.
Un hotel puede combinar la propiedad activa, atracciones cercanas aprobadas, un intervalo de tiempo para el huésped y una reserva para cenar. "¿Qué lugar emblemático puedo visitar antes de cenar sin tener que ir muy lejos?" es entonces una pregunta de viabilidad centrada en la propiedad, en lugar de una búsqueda web abierta. El artículo sobre conserjería para huéspedes mencionado anteriormente cubre la conversación desde el punto de vista de la propiedad; la capa de lugares emblemáticos agrega categoría, estado de apertura y el próximo compromiso. Una plataforma de convenciones puede llenar el vacío después de una conferencia magistral con una caminata de veinte minutos. Una aerolínea o un producto de movilidad puede comprobar si una visita a un lugar emblemático aún deja un margen de seguridad antes de la salida, utilizando datos de itinerario y ruta que el anfitrión posee. Una red de atracciones puede hacer recomendaciones en sus propios sitios. Una aplicación de membresía puede restringir los candidatos a ubicaciones participantes antes de clasificarlos por lugar e intención.
Mantenga el contrato de la IA para la creación de mapas limitado: muestre lugares elegibles, enfoque en un lugar, muestre la relación de viaje, abra indicaciones, guarde, agregue al itinerario o inicie la transferencia de boletos. El anfitrión valida la acción. No permita que el modelo genere código de mapa arbitrario. La selección de lugares debe seguir estando bajo el control del usuario. Un sistema conversacional puede recomendar una opción. El cliente aún debe poder elegir otro lugar, otra ventana o otro origen.
¿Cómo deben medir los equipos de destino la calidad del descubrimiento?
El desplazamiento del mapa y las aperturas de chat son indicadores de diagnóstico. Las métricas de resultados incluyen el inicio de consultas, los resultados elegibles devueltos, la selección de lugares, las indicaciones abiertas, el guardado, la adición al itinerario y la transferencia de boletos. Las métricas de calidad incluyen la tasa de no resultados, la tasa de horas obsoletas, la tasa de horas desconocidas y los fallos en el cálculo de viajes. Las métricas comerciales dependen del anfitrión: referencias de miembros, conversión de boletos, interacción con hoteles o uso del contenido del destino. En lugar de un simple indicador de fallo, conviene conservar un motivo estructurado para la falta de resultados, como por ejemplo "no hay plazas aprobadas", "está cerrado", "está demasiado lejos", "horario desconocido" o "datos de accesibilidad no disponibles".
La ubicación geográfica de la búsqueda debe mantenerse independiente de la ubicación geográfica del dispositivo. Un cliente que se encuentre físicamente en una ciudad puede buscar atracciones en otra. Por defecto, la demanda debe atribuirse al destino buscado, no a la ubicación del dispositivo. Actualmente, Map Engagement and Location Analytics documenta la interacción con mapas y lugares, la comparación de lugares, los patrones espaciales y la actividad sobre la que pueden actuar los equipos de producto, inventario y crecimiento. Los sistemas de alojamiento siguen gestionando la emisión de billetes y las reservas. Una plataforma de viajes o destinos puede utilizar este modelo para determinar qué distritos reciben búsquedas de lugares históricos pero pocas selecciones, qué categorías se solicitan pero tienen una oferta insuficiente y qué periodos de viaje no generan resultados. Estas preguntas son geográficas, no se refieren a las visualizaciones de página. La misma metodología de medición se aplica a otros productos de mapas: la finalización de tareas prevalece sobre el volumen de interacción.
Los nombres de eventos de alojamiento sugeridos en este artículo son recomendaciones editoriales, no nombres de eventos automáticos documentados de Kaleidr Analytics. Registre la intención, el resultado de la elegibilidad, el lugar seleccionado y la acción de alojamiento posterior. No considere la duración del chat como una métrica de éxito para la búsqueda de lugares históricos.
¿Cómo debería comenzar un programa piloto B2B?
Comience con una tarea de alto valor, como recomendar un lugar histórico cerca del hotel antes de la hora fija de la cena. Mantenga el catálogo de lugares y los horarios en los sistemas que ya los gestionan. Añada la interacción conversacional al mapa existente. Limite los candidatos a lugares aprobados, requiera la categoría y el estado de apertura, calcule el tiempo de viaje desde el hotel hasta la cena y mida la selección y la acción posterior del anfitrión. Amplíe las categorías y ciudades solo cuando la primera ventana funcione.
El descubrimiento conversacional no reemplaza la calidad del catálogo, la actualización de los horarios ni la disciplina de cumplimiento. Los tiempos de viaje siguen siendo estimaciones. La fiabilidad de las afirmaciones sobre el estado de apertura depende de la fuente de los horarios que las respalda. Añadir un asistente a un mapa existente suele ser más económico que reemplazar el motor de renderizado, pero el anfitrión aún debe gestionar la autorización, los contratos con los proveedores y la siguiente acción comercial.
Explore Kaleidr Spatial AI para añadir la búsqueda conversacional de lugares emblemáticos a un mapa existente. Explore Kaleidr Analytics para medir la interacción con los lugares y la demanda geográfica en torno a ese recorrido. Confirme las páginas públicas actuales antes de considerar cualquier ejemplo de este artículo como un compromiso funcional de producción.
Preguntas frecuentes
¿Qué es la búsqueda de lugares emblemáticos y atracciones con IA?
La búsqueda de lugares emblemáticos y atracciones con IA combina la intención del viajero, un catálogo de lugares aprobados, categorías, estado de apertura, ubicación, tiempo de viaje y reglas de negocio para que un producto pueda sugerir lugares que vale la pena visitar y que se ajusten al viaje actual. La IA espacial interpreta y explica la solicitud; los sistemas de lugares y horarios siguen siendo la fuente principal de la información.
¿En qué se diferencia la búsqueda de atracciones de las recomendaciones de actividades?
La búsqueda de lugares emblemáticos recomienda un lugar. Las recomendaciones de actividades sugieren una experiencia que puede tener lugar en un lugar, con la duración y la hora de inicio como restricciones principales.
¿Debería el modelo de lenguaje crear la lista de atracciones?
No. El catálogo del anfitrión, la lista de miembros o el inventario de socios deben seguir siendo el universo de candidatos. El asistente puede interpretar las restricciones y explicar las opciones disponibles.
¿Por qué la búsqueda cercana no es suficiente?
La búsqueda cercana muestra lugares alrededor de un marcador. La búsqueda de lugares emblemáticos pregunta si un lugar específico está abierto, es accesible, pertenece a la categoría y es compatible con el próximo compromiso.
¿Puede la búsqueda de atracciones funcionar a lo largo de una ruta?
Sí, cuando la búsqueda de rutas y categorías puede evaluar lugares en relación con la ruta, no solo alrededor de un marcador de hotel. Mapbox actualmente documenta la búsqueda de categorías a lo largo de una ruta como un patrón de proveedor de búsqueda, lo cual no es lo mismo que Kaleidr operando esa API.
¿La búsqueda de puntos de referencia requiere la ubicación en tiempo real del dispositivo del cliente?
No. Un hotel, una estación, un punto de mapa seleccionado o un distrito planificado suele ser un mejor punto de partida. La ubicación del dispositivo requiere permiso explícito cuando el producto la utiliza.
¿Puede Kaleidr funcionar con un mapa de viajes u hostelería existente?
Sí. La documentación pública actual de Chat Attach describe cómo montar una conversación sobre un mapa que el anfitrión ya muestra. El anfitrión sigue siendo propietario del catálogo de atracciones y de la siguiente acción comercial.
¿Kaleidr reemplaza la venta de entradas?
No. Las páginas públicas actuales de Kaleidr describen el descubrimiento y el análisis de mapas conversacionales. El inventario, el precio y la compra de entradas permanecen en los sistemas del anfitrión o del proveedor, a menos que se documente una integración específica.
¿Cómo se debe gestionar la accesibilidad de las atracciones?
Trate la falta de datos de accesibilidad como información desconocida, no como una autorización. No invente datos de accesibilidad. Mantenga los atributos de acceso público y accesibilidad en el sistema de lugares.
¿Qué debe medir un equipo de destino?
Selección de lugares, indicaciones, adición de itinerarios y transferencia de información al anfitrión, además de los motivos de la falta de resultados y las brechas de demanda geográfica. El volumen de chat por sí solo es una métrica de éxito poco fiable.
Referencias
- Kaleidr. AI-Powered Map Experiences for Business. Accessed 10 September 2026. https://kaleidr.com/
- Kaleidr. AI Map Chat for Customer Discovery. Accessed 10 September 2026. https://kaleidr.com/ai
- Visit Orlando. Visit Orlando Expands Free Vacation Planning Services with New AI Trip Planner. 25 June 2026. https://www.visitorlando.org/media/press-releases/post/visit-orlando-expands-free-vacation-planning-services-with-new-ai-trip-planner/
- Mindtrip. Mindtrip Partners With The San Diego Tourism Authority To Reimagine How Travelers Discover San Diego. 28 August 2026. https://www.prnewswire.com/news-releases/mindtrip-partners-with-the-san-diego-tourism-authority-to-reimagine-how-travelers-discover-san-diego-302862145.html
- Google Maps Platform. Place Types (New). Accessed 10 September 2026. https://developers.google.com/maps/documentation/places/web-service/place-types
- Mapbox. Search Box API. Accessed 10 September 2026. https://docs.mapbox.com/api/search/search-box/
- Schema.org. TouristAttraction. Version 30.0. Accessed 10 September 2026. https://schema.org/TouristAttraction
- Schema.org. TouristDestination. Version 30.0. Accessed 10 September 2026. https://schema.org/TouristDestination
- Schema.org. includesAttraction. Version 30.0. Accessed 10 September 2026. https://schema.org/includesAttraction
- Kaleidr. Chat attach. Developer documentation. Accessed 10 September 2026. https://docs.kaleidr.com/sdk/chat-attach
- Kaleidr. Auth & scopes. Developer documentation. Accessed 10 September 2026. https://docs.kaleidr.com/platform-api/auth-and-scopes
- W3C. Geolocation. W3C Candidate Recommendation Snapshot, 26 March 2026. https://www.w3.org/TR/2026/CR-geolocation-20260326/
- Kaleidr. Kaleidr Hospitality. Template. Accessed 10 September 2026. https://template.kaleidr.com/customize/?template=hospitality
- Kaleidr. Map Engagement and Location Analytics. Accessed 10 September 2026. https://kaleidr.com/analytics
@misc{kaleidr_home_landmark_2026_09_10,
title = {AI-Powered Map Experiences for Business},
author = {{Kaleidr}},
note = {Accessed 10 September 2026},
url = {https://kaleidr.com/}
}
@misc{kaleidr_ai_landmark_2026_09_10,
title = {AI Map Chat for Customer Discovery},
author = {{Kaleidr}},
note = {Accessed 10 September 2026},
url = {https://kaleidr.com/ai}
}
@misc{visit_orlando_ai_planner_landmark_2026_09_10,
title = {Visit Orlando Expands Free Vacation Planning Services with New AI Trip Planner},
author = {{Visit Orlando}},
year = {2026},
month = jun,
url = {https://www.visitorlando.org/media/press-releases/post/visit-orlando-expands-free-vacation-planning-services-with-new-ai-trip-planner/}
}
@misc{mindtrip_sdta_landmark_2026_09_10,
title = {Mindtrip Partners With The San Diego Tourism Authority To Reimagine How Travelers Discover San Diego},
author = {{Mindtrip}},
year = {2026},
month = aug,
url = {https://www.prnewswire.com/news-releases/mindtrip-partners-with-the-san-diego-tourism-authority-to-reimagine-how-travelers-discover-san-diego-302862145.html}
}
@misc{google_place_types_landmark_2026_09_10,
title = {Place Types (New)},
author = {{Google Maps Platform}},
note = {Accessed 10 September 2026},
url = {https://developers.google.com/maps/documentation/places/web-service/place-types}
}
@misc{mapbox_search_box_landmark_2026_09_10,
title = {Search Box API},
author = {{Mapbox}},
note = {Accessed 10 September 2026},
url = {https://docs.mapbox.com/api/search/search-box/}
}
@misc{schema_tourist_attraction_2026_09_10,
title = {TouristAttraction},
author = {{Schema.org}},
note = {Version 30.0; accessed 10 September 2026},
url = {https://schema.org/TouristAttraction}
}
@misc{schema_tourist_destination_2026_09_10,
title = {TouristDestination},
author = {{Schema.org}},
note = {Version 30.0; accessed 10 September 2026},
url = {https://schema.org/TouristDestination}
}
@misc{schema_includes_attraction_2026_09_10,
title = {includesAttraction},
author = {{Schema.org}},
note = {Version 30.0; accessed 10 September 2026},
url = {https://schema.org/includesAttraction}
}
@misc{kaleidr_chat_attach_landmark_2026_09_10,
title = {Chat attach},
author = {{Kaleidr}},
note = {Developer documentation; accessed 10 September 2026},
url = {https://docs.kaleidr.com/sdk/chat-attach}
}
@misc{kaleidr_auth_scopes_landmark_2026_09_10,
title = {Auth \& scopes},
author = {{Kaleidr}},
note = {Developer documentation; accessed 10 September 2026},
url = {https://docs.kaleidr.com/platform-api/auth-and-scopes}
}
@misc{w3c_geolocation_cr_landmark_2026_09_10,
title = {Geolocation},
author = {{W3C}},
year = {2026},
month = mar,
note = {W3C Candidate Recommendation Snapshot, 26 March 2026},
url = {https://www.w3.org/TR/2026/CR-geolocation-20260326/}
}
@misc{kaleidr_hospitality_template_landmark_2026_09_10,
title = {Kaleidr Hospitality},
author = {{Kaleidr}},
note = {Template; accessed 10 September 2026},
url = {https://template.kaleidr.com/customize/?template=hospitality}
}
@misc{kaleidr_analytics_landmark_2026_09_10,
title = {Map Engagement and Location Analytics},
author = {{Kaleidr}},
note = {Accessed 10 September 2026},
url = {https://kaleidr.com/analytics}
}