AI 賓客禮賓服務是一種面向飯店的助手：它回答與飯店有關的問題，推薦經核准的附近地點，並引導賓客取得路線、完成預訂、提交服務要求或聯絡工作人員。具備地圖感知能力的版本會使用目前飯店、飯店設施、合作夥伴目錄與移動脈絡，從而在互動式地圖上突顯地點與路線。飯店系統仍是預訂、政策與賓客記錄的權威來源；語言模型根據這些來源理解賓客意圖。
以下將介紹賓客需要完成的任務、四層資訊、資格篩選與共享地圖狀態、預訂與隱私邊界、低風險試辦，以及 Kaleidr 目前適合的位置。相關閱讀包括位置智慧客戶體驗地圖、如何建構具備地圖感知能力的 AI 助手與如何建構 AI 旅遊地圖。
AI 賓客禮賓服務要點
- 飯店優先： 始終以一個目前飯店作為空間與內容錨點。
- 經核准的目錄： 只推薦飯店確實希望賓客看到的合作夥伴。
- 先硬性篩選，再排序： 營業、可達且符合政策，比“附近”或“最佳”更重要。
- AI 理解意圖： 地理空間服務計算路線；飯店系統掌握事實。
- 儘早轉接： 服務、安全、付款與預訂變更應交由工作人員或宿主系統處理。
什麼是 AI 賓客禮賓服務？
它是圍繞飯店工作流程設計的對話式介面，而不是通用網路搜尋。賓客會問早餐何時開始、健身房在哪裡、飯店推薦哪家餐廳、如何從機場抵達飯店，或房間出現問題時應聯絡誰。有些產品只檢索常見問題；另一些產品還提供訊息、服務工單、加購或預訂連結。地圖感知版本進一步加入飯店地理位置、經核准的附近目錄、移動關係與即時地圖狀態，使助手不僅能回答“是什麼”，也能回答“在哪裡”。
Kaleidr 目前的 Spatial AI 頁面將飯店情境描述為 AI guest concierge：透過地圖感知 AI 協助旅客探索飯店、設施與附近合作夥伴。頁面還說明，回答可以基於企業目錄、品牌語調與政策，而不是僅依賴通用網路搜尋（AI Map Chat for Customer Discovery）。該頁面是 Kaleidr 自身定位的權威說明。以下架構則是飯店產品應遵循的契約：語言模型負責理解要求；飯店、預訂與空間系統仍是事實來源。
複合問題是一個很好的測試：“晚餐前我有兩個小時。從飯店步行能到哪些適合兒童、現在仍營業的地方？”其中包含起點、步行方式、時間預算、受眾與營業狀態限制。語言模型可以將這些欄位還原為可檢查狀態；地點身分、營業時間、合作夥伴核准狀態與路程時間仍必須來自掌握這些事實的系統。
為什麼飯店服務是一個空間問題？
飯店會在較小範圍與較短停留期間集中產生大量與位置相關的決策。賓客可能需要尋找入口、停車區、飯店內設施、在限定步行時間內可達的合作餐廳、前往另一個目的地途中順路的場所，或退房前方便造訪的地點。僅回答“博物館位於主要街道”仍要求賓客自己判斷距離、交通方式以及能否在下一個飯店安排前抵達。空間上有依據的回答可以提供路徑服務計算出的步行時間，在以飯店為中心的地圖上突顯地點，並提供路線或人工轉接。
面向客戶的位置智慧同樣遵循“發現 → 比較 → 行動”。發現負責檢索符合資格的設施或合作夥伴；比較使移動時間、營業時間與飯店核准狀態可以檢查；行動則是開啟路線、預訂連結、服務要求或人工升級。飯店周邊通常不應使用直線距離：道路、水域、限制區域與步行入口都會改變“附近”的含義。產品應計算問題實際需要的空間關係，並把它作為推薦理由顯示出來。
室內逐向導航是另一項獨立能力。如果飯店提供設施座標或樓層平面圖，飯店地圖可以突顯健身房、水療中心或櫃檯。沒有室內地圖與定位系統卻宣稱支援室內路徑規劃，會誇大空間層能力。地圖操作必須與飯店實際發布的幾何資料相符合。
地圖感知禮賓服務與 FAQ 助手有何不同？
傳統飯店 FAQ 助手的流程很短：賓客提問、搜尋飯店文字、傳回文字答案。地圖感知禮賓服務還會加入飯店與賓客脈絡、經核准的飯店知識、經核准的附近地點、空間計算、資格判斷、排序與有依據的回答，然後觸發地圖操作、飯店操作或人工轉接。這些步驟之所以必要，是因為飯店問題通常包含多個條件，而且真正有用的下一步往往是地點、路線或工作人員，而不是另一個段落。
飯店應掌控自己的推薦層。通用地點資料庫可以列出座標附近的餐廳，但禮賓服務還需回答這家飯店推薦哪些餐廳、適用於哪些賓客情境、有哪些排除條件。經核准的合作夥伴、優先類別、無障礙說明、品牌契合度與季節性清單，都應儲存在飯店控制的目錄中，即使公共地圖仍提供道路與移動時間。排序應說明結果為什麼出現：經飯店核准、在指定時間營業、在要求的步行時間內可達，或符合識別出的偏好。沒有定義的“附近最佳”會隱藏實際政策。
硬性資格篩選應早於偏好排序。對於“飯店推薦、現在營業、步行 15 分鐘內可達的餐廳”，硬性集合必須满足：飯店核准、與目前飯店關聯、屬於餐廳類別、指定時間營業、在步行預算內可達。之後，软排序才考量菜系、家庭適配度、飯店優先级或無障礙條件。如果先排序再檢查資格，就可能因描述得分較高而把已關閉或不符合政策的地點排到前面。
空間 AI 如何融入賓客旅程？
賓客旅程比功能清單更適合作為起點。抵達前的問題包括機場到飯店的路線、停車、飯店比較、步行前往活動地點是否方便以及公布的入住規則。抵達時的問題包括入口、停車、櫃檯、接駁車停靠點與棟別分配。入住期間的問題包括設施、營業時間與飯店內部導引。在地探索包括經核准的餐飲與景點。飯店服務包括毛巾、維修、延遲退房與交通。離店階段包括退房、行李寄放與前往機場所需時間。每個階段都以同一家飯店為錨點，但會採用不同組合的公共事實、空間計算與經過身分驗證的賓客資料。
“您的房間已準備好”或“您被分配到 B 樓”等賓客專屬陳述，必須在宿主系統驗證賓客身分後，從預訂系統或物業管理系統中取得。公開飯店事實與經核准的合作夥伴清單可以服務未登入訪客。同一助手不應混合這兩種模式：未驗證工作階段只使用已發布內容；與特定住宿有關的工作流程只檢索經過授權的最少欄位。
飯店服務本質上並不是地圖任務。索取毛巾、回報空調故障、處理付款爭議或賓客無法進入房間，都應建立營運工單或轉交工作人員，而不是再產生一段文字。當要求涉及地點時，空間層仍有協助，例如應走哪個入口、接駁車在哪裡停靠、去機場需要多久。在這些情況下，助手應停止推薦，將工作流程交給櫃檯、客房服務、維修或預訂系統。
哪些系統應掌握飯店事實？
正式環境中的禮賓服務通常讀取四層資訊，每層有不同負責人。飯店知識包括設施、營業時間、政策與聯絡方式；飯店核准的地點目錄包括合作夥伴、景點與首選交通；公共空間脈絡包括座標、路徑時間與街道幾何；賓客專屬脈絡包括預訂、住宿日期、飯店分配與服務資格。第四層需要最嚴格的存取控制。語言模型不應虛構存在於任何這些系統中的值。
| 賓客問題 | 權威來源 |
|---|---|
| 早餐幾點開始？ | 飯店公開內容 |
| 水療中心營業嗎？ | 飯店營運來源 |
| 飯店推薦哪家餐廳？ | 經核准的合作夥伴目錄 |
| 步行需要多久？ | 路徑服務 |
| 我的房間準備好了嗎？ | 物業管理或預訂系統 |
| 我可以預訂這個房間嗎？ | 預訂引擎 |
| 飯店在哪裡？ | 已驗證的飯店記錄 |
| 飯店附近有什麼？ | 經核准的目錄與空間服務 |
| 我可以進入這個區域嗎？ | 飯店政策或賓客權限 |
精確幾何仍屬於空間引擎。OGC Simple Feature Access 也以 ISO 19125 發布，定義了簡單圖徵幾何的通用架構，以及針對點、曲線、面與集合的空間操作（Simple Feature Access — Part 1）。W3C and OGC Spatial Data on the Web Best Practices還強調使用 Web 架構，使地理物件保持可發現與可重複使用。語言模型可以選擇操作；地理空間引擎或資料庫應計算距離、路徑、相交與包含。
可以據此形成一條簡潔規則：語言模型負責理解與解釋；源系統負責飯店事實；空間系統負責地理；應用層在任何操作到達預訂、付款或房間門禁系統之前負責驗證。
應如何建立模型飯店、合作夥伴與資格？
多飯店集團需要穩定的飯店記錄，不能把自由文字名稱作為關聯鍵。每家飯店都應擁有持久識別碼、已驗證座標、時區、設施清單、狀態與預訂連結。合作夥伴地點應透過明確關係（例如“推薦合作夥伴”）關聯到一個或多個飯店 ID，並包含類別、座標與核准標記。下游查詢隨後依 activePropertyId 篩選，而不是依可能被行銷文案變更的顯示名稱篩選。
飯店選擇是一級工作階段狀態。從飯店 A 切換到飯店 B 時，設施、政策、合作夥伴清單、預訂連結與地圖鏡頭必須一起變化。如果 Chat 已為新飯店回答，而地圖仍顯示上一家飯店的合作夥伴清單，這是共享狀態錯誤，不是樣式問題。更廣泛的地圖感知助手也遵循同一原則：對話、清單與地圖共享同一組候選 ID、篩選條件與選定地點。
飯店集團仍可以提供統一品牌體驗。有效流程是：選擇飯店、顯示概覽與設施、載入經核准的附近推薦、接受賓客問題，再更新地圖與操作。每家飯店保留自己的座標、政策與在地目錄。助手在檢索或排序前必須始終知道目前處於哪家飯店的脈絡。
地圖、清單與對話應如何共享狀態？
禮賓介面通常包含聊天、地圖、地點卡片、飯店選擇器與篩選器。這些元件應讀取同一狀態：目前飯店、經核准的附近地點、目前限制、可見結果 ID 與選定地點。當賓客問“這些地方哪個更近？”或“找一個與第二個相似但更靠近飯店的”，助手需要使用狀態中的結構化識別碼，而不是上一條回答的文字摘要。
操作詞彙應保持精簡而明確：顯示飯店、顯示設施、顯示地點、開啟地點、調整地點視圖、顯示路線、開啟預訂連結、開啟導航、要求人工協助。語言模型可以提出操作；宿主產品根據政策驗證後執行。模型不應輸出任意指令碼或寫入預訂記錄。OWASP Top 10 for LLM Applications 2025 將 Excessive Agency 描述為：當系統授予過多功能、權限或自主權時，意外、模糊或遭操縱的模型輸出可能導致有害操作（OWASP Top 10 for LLM Applications 2025）。如果飯店禮賓服務能透過產生的工具呼叫修改預訂、退款或解鎖房門，這就是該風險在飯店業中的表現。
提示詞注入是相關故障模式：賓客提示詞或從合作夥伴頁面檢索的內容，以非預期方式改變模型行為。OWASP LLM01:2025 指出，注入可能導致未經授權存取功能或在連接系統中執行命令，並建議限制模型行為、驗證輸出格式、採用最小權限工具存取，以及由人工核准高風險操作（LLM01:2025 Prompt Injection）。權限必須位於應用與基礎設施中，不能交給模型。
預訂、賓客資料與隱私邊界在哪裡？
禮賓服務可以引導賓客預訂，但預訂狀態仍屬於預訂引擎。助手可以說明某家飯店似乎符合位置偏好，並開啟飯店預訂頁面，讓賓客查看目前價格與可用性。除非經授權的整合傳回相關值並由宿主驗證寫入，否則不應虛構房間可用性、價格、取消規則、確認碼或預訂變更。
物業管理系統保存賓客姓名、房間分配、住宿日期、聯絡方式、付款狀態與服務備註。公開禮賓服務不需要整筆記錄。應在宿主系統中驗證賓客，識別住宿，授權所需欄位，只檢索最少脈絡，再回答特定問題。不要把不受限制的 PMS 匯出上傳給模型。AI 地圖工作流程中的私人位置資料介紹了相同的“授權後檢索”模式。
裝置位置是可選脈絡。W3C Geolocation規範（2026 年 3 月 26 日 Candidate Recommendation Snapshot）僅在明確授權後允許存取裝置位置，並說明 API 不保證裝置真實位置。許多飯店問題可以改用目前飯店、選定地圖點、輸入地址或已知入口。NIST Privacy Framework 將資料最小化視為核心處理原則：只蒐集與保留任務所需元素，並優先採用限制身分識別與不必要推論的處理方式（NIST Privacy Framework: A Tool for Improving Privacy through Enterprise Risk Management, Version 1.0）。這些資料描述平台與風險管理規則，不是針對特定飯店或司法管轄區的法律建議。
面向賓客的頁面绝不能包含高權限服務器憑證。Kaleidr 目前開發人員模型使用可發布的瀏覽器金鑰，以及供可信後端使用、带能力範圍的服務器金鑰（Auth & Scopes）。地圖 API 身分驗證介紹來源限制與金鑰分離。
何時應轉交飯店工作人員？
人工轉接是核心功能，而不是展示失敗後的備援方案。緊急情況、安全疑慮、醫療問題、安全事件、付款爭議、敏感投訴與飯店原本就由工作人員處理的反鎖情況，應立即升級。維修、客房服務、預訂變更、延遲退房、無障礙安排與交通要求，可在初步分流後升級。只有回答有依據時才自動處理，例如早餐時間、設施位置、經核准的附近餐廳、路徑服務提供的步行導航、公布的聯絡方式或政策。
多語言賓客是禮賓服務的自然受眾，但翻譯品質只是問題的一部分。飯店名稱、品牌設施、房型、政策語言與合作夥伴名稱都需要一致處理。對於影響較大的政策或安全文案，應使用經過核准的翻譯，而不是完全依賴模型臨時翻譯。無障礙語言也應謹慎：只描述飯店已公布的事實，不要虛構營運系統尚未確認的安排。
飯店應如何衡量禮賓服務？
禮賓服務只有在減少阻力或協助賓客採取行動時才有價值。有用事件包括：開啟助手、提交問題、選擇飯店或設施、選擇附近地點、開啟路線、開啟預訂連結、要求人工轉接、問題解決與無結果。這些名稱是對宿主埋點的編輯建議，不是 Kaleidr Analytics 已記錄的自動事件。Kaleidr Analytics 目前著重地圖與地點互動，包括工作階段、瀏覽、互動、受眾活動與空間趨勢（Map Engagement and Location Analytics）。
賓客解決指標包括有依據回答率、無結果率、轉接率與取得有用回答所需時間。空間指標包括附近推薦選擇、開啟導航、設施地圖互動與飯店比較。商業指標包括預訂連結開啟、合作夥伴引薦、已開始諮詢與服務要求完成。訊息數量只是輔助訊號。核心目標是賓客是否完成了與位置有關的任務。
無結果問題是產品待辦事項，不只是品質缺陷。反覆詢問未繪製的設施、缺少的合作夥伴類別、缺少的交通資訊或過窄的推薦區域，都在告訴飯店應修正哪些內容或目錄。應將這些主題與飯店記錄與合作夥伴清單對照，而不是新增更多產生文字。
低風險試辦應包含什麼？
飯店不需要第一天就連接所有營運系統。實際的初始部署可以使用一家飯店、經過驗證的 FAQ 與設施、經核准的附近目錄、地圖感知聊天、導航或預訂連結、人工轉接，以及對問題與結果的衡量。預訂修改、付款、房門憑證、自動補償與緊急決策應排除在第一階段之外。敏感整合可以等到有依據的公開路徑穩定後再加入。
在飯店已有權限使用的情況下，從櫃檯、禮賓人員、站內搜尋、賓客訊息與評論主題中蒐集真實的重複問題。建立涵蓋飯店事實、設施、抵達、餐飲、景點、導航、交通、服務要求、升級與不支援問題的測試集。加入應拒絕的提示詞：政策不保證的提早入住、產品未定義“最佳”時詢問“附近最佳餐廳”，以及切換飯店後的“這裡呢？”等飯店切換問題。對於不保證的提早入住，應傳回公布的政策或聯絡渠道，而不是把不確定性變成承諾。
Kaleidr 在飯店技術堆疊中適合什麼位置？
Kaleidr 目前在 Spatial AI 頁面介紹三步實作：連接地點；讓 AI 以企業目錄與政策為依據；部署到宿主網站、應用程式或面向賓客的地圖（AI Map Chat for Customer Discovery）。在飯店情境中，連接地點可以包括飯店、設施、經核准的合作夥伴與目的地目錄。有依據的回答，是飯店控制推薦與通用網路清單之間的區別。部署應保留現有算繪器與飯店系統。
已經算繪地圖的飯店或預訂產品可以將 Chat 連接到即時地圖實例。Kaleidr 目前開發人員文件將 Chat 描述為掛載在 Mapbox、MapLibre、Google Maps 或 Leaflet 之上，同時由宿主保留算繪器（Chat attach）。如何向地圖新增 AI 聊天介紹各算繪器模式。Studio 適合不需要即時預訂狀態的精選街區指南、合作夥伴地圖、度假村地圖與活動地圖（AI Map Maker for Branded Interactive Maps）。template.kaleidr.com的飯店範本可作為起點。即時預訂、身分或 PMS 工作流程仍屬於開發人員整合。
Kaleidr Enterprise 目前提供位置智慧基礎設施、推論 API、排序、分析、SDK 整合與部署支援（Location Intelligence APIs and Map SDK）。多飯店、私人目錄、自定義用量或合約級部署支援可能需要這一路徑。無論採用哪種設定，宿主飯店系統仍是預訂、賓客身分與敏感營運工作流程的權威來源。
飯店團隊應避免哪些錯誤？
只建立 FAQ 助手會把地理判斷留給賓客。讓模型虛構政策會造成錯誤承諾。推薦任何附近地點會讓飯店失去推薦控制權。將最近視為最佳，會忽略路徑時間與資格。工作階段中混合不同飯店會顯示錯誤設施與連結。向模型開放不受限制的 PMS 資料會擴大隱私與注入風險。讓模型修改預訂屬於過度自主。缺少人工轉接會讓敏感情況停滯。只衡量聊天量會把活動誤當價值。沒有基礎設施卻宣稱室內導航，會過度承諾地圖能力。
| 錯誤 | 結果 | 更好的方法 |
|---|---|---|
| 僅 FAQ 助手 | 賓客仍需自己判斷地理 | 加入飯店與地圖脈絡 |
| 模型虛構飯店政策 | 錯誤承諾 | 使用經核准的飯店來源 |
| 任意附近地點 | 飯店失去推薦控制 | 維護經核准的目錄 |
| 自動選擇最近地點 | 過度簡化空間符合 | 使用路徑時間、資格與意圖 |
| 混合飯店脈絡 | 錯誤設施與連結 | 明確目前飯店 |
| 向模型開放完整 PMS | 隱私與注入風險 | 授權並最小化賓客欄位 |
| 模型控制預訂寫入 | 嚴重錯誤風險 | 讓預訂系統保持權威 |
| 沒有人工轉接 | 敏感情況停滯 | 定義升級路徑 |
| 只衡量聊天量 | 使用量看似成功 | 衡量已解決的賓客任務 |
| 無基礎設施的室內路徑 | 產品過度承諾 | 讓地圖操作符合已發布幾何 |
建構地圖感知賓客禮賓服務
瞭解對話式地圖、經核准的飯店目錄與企業空間 API，如何融入現有飯店技術堆疊，而不取代地圖算繪器或物業管理系統。探索 Kaleidr Enterprise，查看目前 API、SDK 與部署支援。
常見問題
什麼是 AI 賓客禮賓服務？
它是飯店专用數位助手，回答賓客問題、提供飯店資訊、推薦地點或服務，並引導賓客開啟導航、預訂、提交服務要求或尋求人工協助。
什麼使 AI 飯店禮賓服務具備地圖感知能力？
它會接收結構化的飯店與地理脈絡，例如目前飯店、選定設施、附近地點、路線資訊與目前地圖狀態，並可以同時傳回回答與地圖操作。
AI 賓客禮賓服務等同於飯店聊天機器人嗎？
不一定。基本 FAQ 助手可能只回答常見問題；賓客禮賓服務可以在整個旅程中結合飯店資訊、經核准的推薦、空間脈絡、操作與人工升級。
AI 禮賓服務應取代飯店員工嗎？
不應。它適合處理常規且有依據的問題與地點發現。敏感、後果重大、模糊或需要服務補救的問題，都應有清楚人工轉接路徑。
AI 禮賓服務可以推薦附近餐廳嗎？
可以。良好實作會結合飯店核准的推薦、目前地點資料與移動時間計算。飯店應明確推薦是人工精選、演算法產生，還是兩者結合。
禮賓服務應使用賓客的精確位置嗎？
只在確有需要且取得適當同意時使用。許多問題可以使用飯店、選定地點或輸入起點，而無需精確裝置位置。
禮賓服務可以存取飯店 PMS 嗎？
宿主可以將 PMS 資料整合到經過身分驗證的工作流程中，但飯店系統應驗證賓客、執行授權，並只提供任務需要的欄位。模型不應接收不受限制的 PMS 資料。
AI 禮賓服務可以修改預訂嗎？
只可透過明確授權、並連接預訂或物業管理系統的工作流程執行。助手不應虛構可用性、價格、取消規則或預訂狀態。
飯店上線後應衡量什麼？
衡量有依據回答率、問題解決、無結果率、開啟導航、推薦選擇、預訂或服務操作、人工轉接與回訪使用。聊天量本身不是商業結果。
Kaleidr 能與現有飯店地圖搭配使用嗎？
可以。目前開發人員文件支援把 Chat 連接到現有即時地圖實例，同時由宿主應用保留自己的地圖算繪器與業務工作流程。
Kaleidr Studio 可以為飯店做什麼？
Studio 可用於建立與發布品牌化互動式地圖，例如目的地指南、飯店地圖、合作夥伴地圖與精選飯店周邊體驗。即時預訂或賓客專屬工作流程仍應與適當的宿主系統整合。
参考資料
- Kaleidr. AI Map Chat for Customer Discovery. Accessed 23 August 2026. https://kaleidr.com/ai
- Kaleidr. AI Map Maker for Branded Interactive Maps. Accessed 23 August 2026. https://kaleidr.com/studio
- Kaleidr. Auth & Scopes. Kaleidr Developer Docs. Accessed 23 August 2026. https://docs.kaleidr.com/platform-api/auth-and-scopes
- Kaleidr. Chat attach. Kaleidr Developer Docs. Accessed 23 August 2026. https://docs.kaleidr.com/sdk/chat-attach
- Kaleidr. Location Intelligence APIs and Map SDK. Accessed 23 August 2026. https://kaleidr.com/enterprise
- Kaleidr. Map Engagement and Location Analytics. Accessed 23 August 2026. https://kaleidr.com/analytics
- National Institute of Standards and Technology. NIST Privacy Framework: A Tool for Improving Privacy through Enterprise Risk Management, Version 1.0. NIST.CSWP.01162020. 16 January 2020. https://nvlpubs.nist.gov/nistpubs/CSWP/NIST.CSWP.01162020.pdf
- Open Geospatial Consortium. Simple Feature Access — Part 1: Common Architecture. OGC 06-103r4 / ISO 19125. Accessed 23 August 2026. https://www.ogc.org/standards/sfa/
- OWASP Gen AI Security Project. LLM01:2025 Prompt Injection. Accessed 23 August 2026. https://genai.owasp.org/llmrisk/llm01-prompt-injection/
- OWASP Gen AI Security Project. OWASP Top 10 for LLM Applications 2025. Accessed 23 August 2026. https://owasp.org/www-project-top-10-for-large-language-model-applications/assets/PDF/OWASP-Top-10-for-LLMs-v2025.pdf
- W3C. Geolocation. W3C Candidate Recommendation Snapshot, 26 March 2026. Accessed 23 August 2026. https://www.w3.org/TR/geolocation/
- W3C and OGC. Spatial Data on the Web Best Practices. W3C Group Draft Note, 19 September 2023. Accessed 23 August 2026. https://www.w3.org/TR/sdw-bp/
@misc{kaleidr_ai_hospitality_2026_08_23, title={AI Map Chat for Customer Discovery}, author={{Kaleidr}}, note={Accessed 23 August 2026}, url={https://kaleidr.com/ai}}
@misc{kaleidr_studio_hospitality_2026_08_23, title={AI Map Maker for Branded Interactive Maps}, author={{Kaleidr}}, note={Accessed 23 August 2026}, url={https://kaleidr.com/studio}}
@misc{kaleidr_auth_scopes_2026_08_23, title={Auth \& Scopes}, author={{Kaleidr}}, note={Kaleidr Developer Docs; accessed 23 August 2026}, url={https://docs.kaleidr.com/platform-api/auth-and-scopes}}
@misc{kaleidr_chat_attach_2026_08_23, title={Chat attach}, author={{Kaleidr}}, note={Kaleidr Developer Docs; accessed 23 August 2026}, url={https://docs.kaleidr.com/sdk/chat-attach}}
@misc{kaleidr_enterprise_hospitality_2026_08_23, title={Location Intelligence APIs and Map SDK}, author={{Kaleidr}}, note={Accessed 23 August 2026}, url={https://kaleidr.com/enterprise}}
@misc{kaleidr_analytics_hospitality_2026_08_23, title={Map Engagement and Location Analytics}, author={{Kaleidr}}, note={Accessed 23 August 2026}, url={https://kaleidr.com/analytics}}
@techreport{nist_privacy_framework_2020, title={NIST Privacy Framework: A Tool for Improving Privacy through Enterprise Risk Management, Version 1.0}, author={{National Institute of Standards and Technology}}, number={NIST.CSWP.01162020}, institution={National Institute of Standards and Technology}, year={2020}, month=jan, url={https://nvlpubs.nist.gov/nistpubs/CSWP/NIST.CSWP.01162020.pdf}}
@misc{ogc_sfa_hospitality_2026_08_23, title={Simple Feature Access -- Part 1: Common Architecture}, author={{Open Geospatial Consortium}}, note={OGC 06-103r4 / ISO 19125; accessed 23 August 2026}, url={https://www.ogc.org/standards/sfa/}}
@misc{owasp_llm01_prompt_injection_2025, title={LLM01:2025 Prompt Injection}, author={{OWASP Gen AI Security Project}}, note={Accessed 23 August 2026}, url={https://genai.owasp.org/llmrisk/llm01-prompt-injection/}}
@misc{owasp_llm_top10_2025, title={OWASP Top 10 for LLM Applications 2025}, author={{OWASP Gen AI Security Project}}, note={Accessed 23 August 2026}, url={https://owasp.org/www-project-top-10-for-large-language-model-applications/assets/PDF/OWASP-Top-10-for-LLMs-v2025.pdf}}
@misc{w3c_geolocation_2026_03_26, title={Geolocation}, author={{W3C}}, note={W3C Candidate Recommendation Snapshot, 26 March 2026; accessed 23 August 2026}, url={https://www.w3.org/TR/geolocation/}}
@misc{w3c_ogc_sdw_bp_2023, title={Spatial Data on the Web Best Practices}, author={{W3C and OGC}}, note={W3C Group Draft Note, 19 September 2023; accessed 23 August 2026}, url={https://www.w3.org/TR/sdw-bp/}}