Busca de Pontos Turísticos e Atrações com IA

A busca de pontos turísticos e atrações com IA ajuda o cliente a escolher um local que vale a pena visitar, combinando a intenção em linguagem natural com registros de locais confiáveis, categorias, horário de funcionamento, geografia, tempo de viagem e regras de negócio. O modelo de linguagem interpreta uma solicitação como "um ponto turístico histórico perto do hotel antes do jantar". A fonte do local permanece confiável em relação à identidade e ao horário de funcionamento. Os serviços de roteamento calculam as relações de viagem e a IA Espacial explica o resultado no mapa.

As seções abaixo separam a recuperação de locais próximos da recomendação de destinos e, em seguida, abordam a identidade do local, a elegibilidade, a classificação espacial, o mapeamento do Kaleidr, os produtos B2B, a mensuração e um projeto piloto restrito. Leituras relacionadas incluem AI Things to Do Recommendations, How to Build an AI Tourism Map e AI Guest Concierge for Hotels. As equipes que já estão vinculando conversas a um mapa de destinos existente podem pular para o mapeamento do Kaleidr; as equipes que ainda estão definindo o limite do catálogo devem começar com registros de locais confiáveis.

Fundamentos da busca de pontos de referência

• Locais aprovados primeiro: Recomende pontos de referência que a empresa realmente lista, com os quais tem parceria ou que endossa.
• Local não é uma experiência: Um museu é um local; uma visita guiada é um registro separado.
• Localização próxima é recuperação: Um raio de marcadores não é uma recomendação.
• IA Espacial em segundo lugar: O modelo de linguagem interpreta a intenção e explica opções fundamentadas.
• Meça a decisão: Seleção de local, rotas e transferência de informações do anfitrião superam a duração do chat isoladamente.

A busca por pontos de referência se torna uma recomendação quando a IA espacial combina dados de locais confiáveis ​​com a intenção do cliente, geografia e contexto da viagem.

Por que a busca de pontos turísticos e atrações com IA é um problema espacial distinto?

Hotéis, plataformas de destinos, marketplaces de turismo, redes de atrações, produtos para convenções e guias de cidades já possuem contexto próprio, como uma propriedade reservada, um catálogo de membros aprovados ou uma lista editorial de pontos turísticos. Mapear atrações turísticas como marcadores não é mais uma capacidade escassa. O desafio do produto é ajudar o cliente a escolher um local que se encaixe em sua intenção, no tempo restante e nas regras do anfitrião, sem precisar pedir a um modelo de linguagem que invente a atração.

A Kaleidr lista atualmente a Busca de Pontos Turísticos e Atrações como uma jornada do cliente orientada por IA que descobre pontos turísticos, atrações e lugares que valem a pena visitar, juntamente com Busca de Restaurantes e Reserva de Mesas, Atividades e Transporte Local e Rotas de Retorno (AI-Powered Map Experiences for Business). A página AI Map Chat for Customer Discovery descreve viagens como a transformação da intenção em itinerários, rotas e recomendações de destinos. Essas páginas são uma referência ao posicionamento da Kaleidr. No entanto, as mesmas páginas não comprovam que a Kaleidr opere um catálogo de atrações turísticas, um sistema de emissão de ingressos ou um feed de horários.

Organizações de turismo já estão integrando a descoberta conversacional a conteúdo local confiável. A Visit Orlando lançou um planejador de viagens com inteligência artificial em junho de 2026, que combina a curadoria de especialistas locais com dados de viagem mais abrangentes (Visit Orlando, 2026). Posteriormente, a Autoridade de Turismo de San Diego integrou o planejamento de viagens conversacional ao seu site oficial de visitantes, com recomendações e roteiros em SanDiego.org (Mindtrip, 2026). Esses lançamentos comprovam que a descoberta de destinos está se tornando uma conversa, em vez de uma oferta pré-selecionada. Esses lançamentos não são estudos de caso da Kaleidr e não provam que todos os servidores precisam substituir seus catálogos de locais ou renderizadores de mapas.

Como a busca por pontos turísticos difere das recomendações de atividades?

A busca de pontos turísticos e atrações geralmente recomenda um local: um monumento, museu, sítio histórico, mirante, parque ou marco cultural. As recomendações de atividades geralmente sugerem uma experiência que pode ocorrer em um local: uma visita guiada, exposição, apresentação, aula ou evento com horário marcado. Um museu pode ser ambos. O registro do local e a experiência paga devem permanecer separados para que horários, identidade e análises não entrem em conflito com o inventário.

A pergunta útil para a busca de pontos de referência é qual lugar o cliente deve visitar, considerando a intenção e o contexto da viagem. A pergunta útil para a lista de atividades é qual experiência o cliente pode concluir antes do próximo compromisso. O artigo complementar sobre listas de atividades aborda a duração, o horário de início e a conclusão da camada de experiência. A busca de pontos de referência ainda precisa do estado de abertura e do tempo de viagem, mas a unidade de recomendação é o local, não o ingresso.

AI Restaurant Search and Table Booking aborda um problema de elegibilidade semelhante para restaurantes. A descoberta de pontos de referência generaliza esse contrato para locais culturais, históricos e ao ar livre que o anfitrião esteja disposto a recomendar. Mantenha as duas jornadas distintas no produto, mesmo quando um mapa mostrar ambas as camadas.

Por que "Perto de mim" não é uma recomendação?

Um mapa de locais próximos mostra quais estabelecimentos estão localizados ao redor de um marcador. Um produto de busca por pontos turísticos mostra qual atração corresponde ao que o cliente solicitou ver no restante da viagem. Essa distinção é importante porque um monumento famoso pode estar geograficamente próximo e ainda assim estar fechado, muito longe para o tempo de caminhada, fora do catálogo aprovado ou inadequado para uma solicitação de visita histórica de noventa minutos. Uma rua comercial pode estar no quarteirão certo e ainda assim não atender à intenção de visita por um ponto turístico.

Proximidade é um recurso de recuperação. A recomendação começa depois que os locais candidatos existem: o produto precisa decidir se o cliente consegue chegar ao local, visitá-lo e ainda preparar o jantar. Location Intelligence Customer Experience abrange o mesmo formato Descobrir → Comparar → Agir. Descobrir recupera locais elegíveis. Comparar torna a categoria, o estado de funcionamento e a viagem verificáveis. Agir significa fornecer rotas, salvar, adicionar ao itinerário ou entregar um ingresso. Classificar um marcador fechado ou inacessível porque o nome obteve uma boa pontuação inverte essa ordem.

Proximidade encontra candidatos; IA Espacial ajuda a determinar qual local válido se encaixa na tarefa real do cliente.

Quais regras de identidade e elegibilidade de local a classificação precisa?

Os sistemas de catálogo, horários, rotas e itinerários devem permanecer como fontes confiáveis ​​para as informações das quais uma recomendação depende. O modelo de linguagem pode transformar uma solicitação, como "um ponto turístico histórico perto do hotel antes do jantar", em campos verificáveis: origem, próximo compromisso, janela de tempo, categoria, limite de viagem e requisito de estado inicial. Esses campos são consultas aos proprietários do local e da rota, não valores inventados. A estrutura em qualquer exemplo é ilustrativa. O importante é que a linguagem vaga se torna um estado que o cliente pode corrigir sem precisar reiniciar a conversa.

Restrições rígidas são binárias e pertencem aos proprietários de local, horário e rota antes da classificação. Fechado no momento, horário desconhecido quando o produto requer horário conhecido, orçamento de caminhada que o serviço de roteamento não consegue atender, acesso privado ou um atributo de acessibilidade ausente devem remover o candidato. Preferências flexíveis, como bairro ou estilo arquitetônico, classificam o conjunto válido restante. Um mirante fechado não deve ser escolhido apenas por ser mais famoso.

A lista atual de Tipos de Lugares da API Places do Google (Nova) inclui tipos orientados a atrações, como cultural_landmark, historical_place, historical_landmark, monument, museum, observation_deck, tourist_attraction e visitor_center (Google Maps Platform, 2026). O Mapbox Search Box atualmente documenta a busca de Pontos de Interesse (POI) filtrada por categoria em torno de um local ou ao longo de uma rota (Mapbox, 2026). Essas páginas comprovam a existência de contratos de produção para categorias de lugares. No entanto, essas mesmas páginas não comprovam que todas as implementações do Kaleidr utilizam o Google Places ou o Mapbox Search Box, e não descrevem o inventário do Kaleidr.

O Schema.org atualmente distingue TouristAttraction de TouristDestination e os vincula a includesAttraction. TouristAttraction documenta publicAccess como um indicador explícito de nível de local, sem valor padrão assumido quando omitido (Schema.org, 2026). TouristDestination descreve um local que contém uma ou mais atrações. includesAttraction representa a relação entre destino e atração. Esses tipos ilustram identidade e acesso como dados estruturados. O mesmo vocabulário não é um esquema de catálogo do Kaleidr.

IDs de locais estáveis ​​mantêm a busca, o mapa, a localização e a análise em um único objeto quando nomes, aliases e categorias de provedores diferem. Normalize as categorias de provedores em uma camada interna que o produto possa filtrar. Mantenha visitas guiadas e exposições como registros de experiência vinculados ao local, e não como locais duplicados.

Uma identidade de local estável mantém a busca, o mapa, a localização, as análises e as experiências subsequentes sincronizadas.

Como o contexto espacial deve classificar as atrações?

Uma recomendação só é útil quando o cliente consegue chegar ao local e ainda assim realizar o próximo compromisso. A proximidade em linha reta não é um critério válido. Dois locais históricos podem estar a distâncias semelhantes do hotel, enquanto um fica a doze minutos de caminhada e o outro consome todo o tempo gasto caminhando. A classificação deve avaliar a origem até o local, o tempo restante de funcionamento e o local até o próximo destino como um único objeto de viabilidade.

A descoberta ao longo da rota e a descoberta de múltiplas âncoras são a mesma tarefa com origens diferentes. "O que vale a pena ver no caminho para a estação?" requer a rota, não um raio ao redor do hotel. "O que posso ver entre o hotel e o restaurante?" requer ambas as âncoras. Não peça ao modelo de linguagem para inventar esses minutos depois que o cliente já tiver especificado a restrição. Traffic-Aware Journey Planning cobre o trecho de viagem quando o cliente precisa de uma rota. A classificação de locais deve ser feita após a verificação de elegibilidade, como uma ordem de prioridade dos locais disponíveis para inspeção, e não como um substituto para horas e verificações de viagem.

A comparação a seguir é ilustrativa e não representa um resultado medido pelo Kaleidr ou pelo destino. Use-a apenas para mostrar por que as opções precisam das mesmas colunas. Produtos reais devem preencher essas colunas com base no catálogo atual, horários e respostas de roteamento. A solicitação se refere a um ponto turístico histórico, a uma distância de 15 minutos a pé do hotel e a uma visita que se encaixa no período das 16h às 18h30, antes do jantar.

Popularidade é um indicador fraco para a viagem atual. Um local histórico menos famoso próximo ao hotel pode ser uma opção melhor quando a principal atração fica a 28 minutos de caminhada e fecha muito cedo. Elegibilidade é um filtro. Classificação é uma ordem entre os selecionados. Explicação é uma justificativa fundamentada para a existência da lista. Misturar essas funções produz o erro conhecido: o assistente recomenda uma atração famosa que o cliente não pode visitar.

O estado do mapa compartilhado mantém a conversa, os cartões e a viagem em um local canônico. Selecionar um ponto de referência deve destacar o local, mostrar a relação entre o hotel e o jantar e preservar o período de tempo. Perguntar "o que é mais perto?" deve manter as mesmas restrições. Perguntar "e quanto aos museus?" deve recalcular a elegibilidade em vez de criar uma nova viagem. Uma segunda lista invisível, exclusiva para assistentes, quebra esse contrato.

Como o Kaleidr se integra à descoberta de pontos de referência?

Uma implementação do Kaleidr pode anexar uma camada espacial conversacional a um mapa e a uma pilha de locais que o host já opera. O Kaleidr atualmente documenta o Chat como um produto que se sobrepõe a um mapa que o host já renderiza, plota locais resolvidos e enquadra a câmera à medida que a conversa resolve as localizações (Chat attach). O contrato de anexação confirma que a conversa com reconhecimento de mapa existe na interface pública atual para desenvolvedores. A mesma documentação não promete um catálogo de atrações nativo, inventário de ingressos ou feed de horários de funcionamento de todo o destino.

Esses catálogos e sistemas de horários devem permanecer como dependências explícitas de implantação. O Kaleidr pode fornecer a camada espacial conversacional e a coordenação com reconhecimento de mapas, enquanto a implantação utiliza as fontes de dados apropriadas de localização, horário e rotas. Não dê a entender que o próprio Kaleidr é o operador da atração ou o sistema de registro de ingressos, a menos que uma integração específica seja documentada para a implantação.

O hotel, um bairro selecionado ou um ponto no mapa devem ser a origem padrão para a busca de pontos de referência, pois esses pontos já estão incluídos na viagem. Uma chave publicável é para uso no SDK do navegador; as credenciais do servidor pertencem à camada de aplicação. O Kaleidr atualmente documenta essa divisão e afirma que uma chave publicável apresentada como portadora é rejeitada (Auth & scopes). A localização do dispositivo é uma permissão separada: a atual Recomendação Candidata de Geolocalização do W3C exige permissão expressa do usuário final antes que quaisquer dados de localização sejam compartilhados com um aplicativo web (W3C, 2026). A localização do dispositivo é útil quando o cliente solicita iniciar a busca a partir da posição atual e não deve ser necessária quando o hotel ou restaurante já indica uma origem melhor. Private Location Data for AI Map Workflows aborda a autorização para dados de movimento que o host não expõe publicamente.

O Kaleidr descreve atualmente um modelo para o setor de hospitalidade com destinos selecionados e resumos de locais com recurso de "toque para perguntar"; o modelo inicial em produção é Kaleidr Hospitality. Confirme as permissões do plano atual em Pricing & Plans antes de depender de um fluxo de trabalho de produção específico. Considere a documentação atual do desenvolvedor como o contrato de integração; as páginas de marketing descrevem o caso de uso, não a lista de atrações.

Um produto B2B de busca de atrações pode manter seus sistemas existentes de locais, mapas e transações, adicionando uma camada de IA Espacial conversacional.

Quais produtos B2B precisam de busca de atrações?

Uma organização de marketing de destino pode conectar pontos turísticos oficiais, atrações associadas, parques, distritos e coleções editoriais a um visitante que já tenha visto o principal monumento. A organização mantém o controle sobre o universo de candidatos. O assistente interpreta as preferências. Horários e rotas ainda determinam o que é possível. O artigo sobre mapas turísticos acima aborda a arquitetura do mapa de destino em torno desse catálogo.

Um hotel pode combinar a propriedade ativa, atrações próximas aprovadas, um período de tempo disponível para o hóspede e uma reserva para jantar. “Qual é um ponto turístico que posso visitar antes do jantar sem ir muito longe?” torna-se, então, uma questão de viabilidade ancorada na propriedade, em vez de uma simples busca na internet. O artigo sobre concierge para hóspedes mencionado acima aborda a conversa do lado da propriedade; a camada de pontos turísticos adiciona categoria, disponibilidade e o próximo compromisso. Uma plataforma de convenções pode preencher a lacuna após uma palestra principal com uma caminhada de vinte minutos. Uma companhia aérea ou um produto de mobilidade pode testar se a visita a um ponto turístico ainda deixa uma margem de segurança antes da partida, usando dados de itinerário e roteamento que o anfitrião realmente possui. Uma rede de atrações pode recomendar atrações em seus próprios sites. Um aplicativo de membros pode restringir os candidatos a locais participantes antes de classificá-los por local e intenção.

Mantenha o contrato entre IA e mapa conciso: mostre locais elegíveis, destaque um local, mostre a relação de viagem, abra rotas, salve, adicione ao itinerário ou inicie a transferência de bilhetes. O host valida a ação. Não permita que o modelo emita código de mapa arbitrário. A seleção de locais deve permanecer controlada pelo usuário. Um sistema conversacional pode recomendar uma opção. O cliente ainda deve poder escolher outro local, outra janela ou outra origem.

Como as equipes de destino devem medir a qualidade da descoberta?

O deslocamento do mapa e a abertura do chat são diagnósticos. As métricas de resultado incluem inícios de consulta, resultados elegíveis retornados, seleção de local, rotas abertas, salvamento, adição ao itinerário e transferência de bilhetes. As métricas de qualidade incluem taxa de ausência de resultados, taxa de horários desatualizados, taxa de horários desconhecidos e falha no cálculo de viagens. As métricas de negócios dependem do host: indicação de membros, conversão de bilhetes, engajamento do hotel ou uso do conteúdo do destino. Mantenha uma justificativa estruturada para a ausência de resultados, como nenhum local aprovado, fechado no momento, muito longe, horário desconhecido ou dados de acessibilidade indisponíveis, em vez de uma simples indicação de falha.

A geografia da busca deve permanecer separada da geografia do dispositivo. Um cliente fisicamente em uma cidade pode pesquisar atrações em outra. Atribua a demanda ao destino pesquisado, e não à localização do dispositivo, por padrão. Map Engagement and Location Analytics atualmente documenta o engajamento com mapas e locais, a comparação de locais, os padrões espaciais e a atividade que as equipes de produto, estoque e crescimento podem utilizar. Os sistemas principais ainda são responsáveis ​​pela emissão de bilhetes e reservas. Uma plataforma de viagens ou de destinos pode usar esse modelo para perguntar quais distritos recebem buscas por pontos turísticos históricos, mas poucos resultados, quais categorias são solicitadas, mas com oferta insuficiente, e quais janelas de viagem não geram resultados. Essas perguntas são geográficas, e não relacionadas a visualizações de página. A mesma disciplina de mensuração se aplica a outros produtos de mapas: conclusão da tarefa em vez de volume bruto de interação.

Os nomes de eventos sugeridos neste artigo são recomendações editoriais e não nomes de eventos automáticos documentados pelo Kaleidr Analytics. Registre a intenção, o resultado da elegibilidade, o local selecionado e a ação subsequente do anfitrião. Não considere a duração do chat como uma métrica de sucesso para a busca de pontos turísticos.

Como um projeto piloto B2B deve começar?

Comece com uma tarefa de alto valor, como recomendar um ponto turístico histórico próximo ao hotel antes de um horário fixo para o jantar. Mantenha o catálogo de locais e os horários nos sistemas que já os possuem. Anexe a interação do mapa conversacional ao mapa existente. Limite os candidatos a locais aprovados, exija categoria e estado de abertura, calcule o deslocamento do hotel até o local do jantar e mensure a seleção, além da ação subsequente do anfitrião. Expanda as categorias e cidades somente quando essa primeira janela de tempo funcionar.

A descoberta conversacional não substitui a qualidade do catálogo, a atualização das informações ou a disciplina de atendimento. Os tempos de viagem permanecem estimativas. As afirmações sobre o estado de abertura são tão boas quanto a fonte de informações que as sustenta. Anexar um assistente a um mapa existente geralmente é mais barato do que substituir o renderizador, mas o host ainda precisa ter autorização, contratos com fornecedores e a próxima ação comercial.

Explore Kaleidr Spatial AI para adicionar busca conversacional de pontos de referência em um mapa existente. Explore Kaleidr Analytics para medir o engajamento com o local e a demanda geográfica em torno dessa jornada. Confirme as páginas públicas atuais antes de considerar qualquer exemplo neste artigo como um compromisso funcional de produção.

Perguntas frequentes

O que é busca de pontos de referência e atrações com IA?

A busca por pontos turísticos e atrações com IA combina a intenção do viajante, um catálogo de locais aprovados, categorias, estado de funcionamento, localização, tempo de viagem e regras de negócio para que um produto possa sugerir lugares que valem a pena visitar e que se encaixem na viagem atual. A IA espacial interpreta e explica a solicitação; os sistemas de local e horário permanecem como referência para os fatos.

Qual a diferença entre a busca por atrações e as recomendações de atividades?

A busca por pontos turísticos recomenda um local. As recomendações de atividades recomendam uma experiência que pode acontecer em um local, com duração e horário de início como restrições principais.

O modelo de linguagem deve criar a lista de atrações?

Não. O catálogo de anfitriões, a lista de membros ou o inventário de parceiros devem permanecer como o universo de candidatos. O assistente pode interpretar as restrições e explicar opções fundamentadas.

Por que a busca por proximidade não é suficiente?

A busca por proximidade lista lugares ao redor de um marcador. A busca por pontos de referência verifica se um local específico está aberto, acessível, pertence à categoria e é compatível com o próximo compromisso.

A busca por atrações funciona ao longo de uma rota?

Sim, quando o roteamento e a busca por categoria podem avaliar lugares em relação ao caminho, não apenas ao redor de um marcador de hotel. O Mapbox atualmente documenta a busca por categoria ao longo de uma rota como um padrão de provedor de busca, que não é o mesmo que o Kaleidr, que opera essa API.

A busca por pontos de referência exige a localização em tempo real do dispositivo do cliente?

Não. Um hotel, estação, ponto selecionado no mapa ou distrito planejado geralmente é uma origem melhor. A localização do dispositivo precisa de permissão expressa quando o produto a utiliza.

O Kaleidr funciona com um mapa de viagens ou de hospedagem existente?

Sim. A documentação pública atual sobre anexos de bate-papo descreve o andamento da conversa em um mapa que o anfitrião já renderiza. O anfitrião ainda detém o catálogo de atrações e a próxima ação comercial.

O Kaleidr substitui a emissão de ingressos?

Não. As páginas públicas atuais do Kaleidr descrevem a descoberta e a análise de mapas conversacionais. O inventário de ingressos, o preço e a compra permanecem nos sistemas do anfitrião ou do fornecedor, a menos que uma integração específica seja documentada.

Como a acessibilidade das atrações deve ser tratada?

Trate a ausência de dados de acessibilidade como desconhecida, não como uma permissão. Não invente informações sobre acesso. Mantenha os atributos de acesso público e acessibilidade no sistema do local.

O que uma equipe de destino deve medir?

Seleção de local, direções, adição ao itinerário e transferência do anfitrião, além de motivos para ausência de resultados e lacunas na demanda geográfica. O volume de bate-papo por si só é uma métrica de sucesso fraca.

Referências

1. Kaleidr. AI-Powered Map Experiences for Business. Accessed 10 September 2026. https://kaleidr.com/
2. Kaleidr. AI Map Chat for Customer Discovery. Accessed 10 September 2026. https://kaleidr.com/ai
3. 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/
4. 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
5. Google Maps Platform. Place Types (New). Accessed 10 September 2026. https://developers.google.com/maps/documentation/places/web-service/place-types
6. Mapbox. Search Box API. Accessed 10 September 2026. https://docs.mapbox.com/api/search/search-box/
7. Schema.org. TouristAttraction. Version 30.0. Accessed 10 September 2026. https://schema.org/TouristAttraction
8. Schema.org. TouristDestination. Version 30.0. Accessed 10 September 2026. https://schema.org/TouristDestination
9. Schema.org. includesAttraction. Version 30.0. Accessed 10 September 2026. https://schema.org/includesAttraction
10. Kaleidr. Chat attach. Developer documentation. Accessed 10 September 2026. https://docs.kaleidr.com/sdk/chat-attach
11. Kaleidr. Auth & scopes. Developer documentation. Accessed 10 September 2026. https://docs.kaleidr.com/platform-api/auth-and-scopes
12. W3C. Geolocation. W3C Candidate Recommendation Snapshot, 26 March 2026. https://www.w3.org/TR/2026/CR-geolocation-20260326/
13. Kaleidr. Kaleidr Hospitality. Template. Accessed 10 September 2026. https://template.kaleidr.com/customize/?template=hospitality
14. 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}
}