Online travel and agentic AI travel distribution: AI 예약 에이전트는 OTA 수익성에 장기 위협이며 Airbnb는 상대적으로 방어력이 높음
Bernstein은 현재 AI 여행 에이전트가 여전히 Booking과 Expedia에 크게 의존하므로 즉각적인 혼란은 제한적이라고 본다. 그러나 에이전트 인터페이스 개선, 공급업체 직접 연결 및 폭넓은 가격 비교는 장기적으로 OTA의 트래픽 통제력, 테이크레이트 및 가격결정력을 약화시킬 수 있다.
요약
Bernstein은 현재 AI 여행 에이전트가 여전히 Booking과 Expedia에 크게 의존하므로 즉각적인 혼란은 제한적이라고 본다. 그러나 에이전트 인터페이스 개선, 공급업체 직접 연결 및 폭넓은 가격 비교는 장기적으로 OTA의 트래픽 통제력, 테이크레이트 및 가격결정력을 약화시킬 수 있다.
- 현재 에이전트는 사용자를 대신해 여행 옵션을 검색, 예약, 재예약 및 비교할 수 있으며, OTA 웹사이트로 이동하지 않고도 이를 수행할 수 있다.
- 단기 에이전트 기반 여행 거래량은 작다. Instinct의 약$1 billion 연환산 거래량 중 여행 관련 부분은 Booking 트래픽의 약0.25%에 해당한다.
- Bernstein은 탈중개화, 테이크레이트 압박, 가격 경쟁을 OTA 사업모델의 세 가지 핵심 위험으로 제시한다.
- Bernstein의 비교에서 Booking과 Expedia가 미국 최저가를 제공한 비율은 약15%였으며, 소형 OTA는 77%였다.
- Airbnb는 차별화된 재고, 호스트 도구, 직접 트래픽 및 예약 후 고객 접점으로 인해 더 방어적이라고 평가된다.
보고서 해설
개요
이 보고서는 여행을 검색하고 예약까지 완료할 수 있는 AI 에이전트가 온라인 여행 유통을 어떻게 재편할지를 다룬다. Bernstein은 단기 실적 영향은 작다고 보지만, 성숙한 에이전트 생태계는 특히 Booking과 Expedia 같은 호텔 중심 OTA의 경쟁우위와 경제성을 크게 약화시킬 수 있으며 Airbnb는 더 강한 방어 요인을 보유한다고 결론 내린다.
핵심 견해
AI 여행 에이전트는 여행 영감과 조사 단계를 넘어 예약 및 결제로 진입했다. Bernstein은 Instinct, Meta Muse, Google AI Mode가 사용자를 대신해 호텔을 검색·비교·예약할 수 있다고 제시한다. Instinct는 로열티 계정 접근, 가격 추적, 취소 후 재예약이 가능하며 일반 검색에서는 Booking과 Expedia 결과를 주로 사용했고 제안 순서도 OTA 결과와 유사했다. Google AI Mode는 제휴 호텔 체인과 OTA를 통해 호텔 예약을 완료할 수 있으며 Expedia는 Meta Muse와의 제휴를 발표했다. 이는 소비자가 OTA 웹사이트를 방문하기 전에 결정을 내릴 수 있어 여행 퍼널 상단을 바꿀 가능성이 있다. Bernstein은 현재의 혼란은 제한적이라고 본다. 지도, 가격 슬라이더, 편의시설 필터, 시각적·상호작용형 검색은 기존 OTA 인터페이스가 더 편리해 채팅 기반 에이전트는 복잡한 호텔 검색에 적합하지 않다. 에이전트는 여러 재고 소스를 처리하는 데 계산 및 시간 비용도 부담한다. Bernstein의 테스트에서 Instinct는 Booking과 Expedia를 이용한 일반 호텔 검색에 약2분이 걸렸지만, 플랫폼 전반에서 최저가를 찾는 검색은 10분이 걸리고 접근 문제도 있었다. 따라서 대형 OTA는 여전히 유용한 원스톱 재고 공급원이며, 고테이크레이트 재고로 소비자를 유도하면서 낮거나 없는 고객획득비용으로 에이전트 기반 예약을 확보할 수 있다. 그러나 에이전트 UI 개선, 상세 재고 접근 확대, 공급업체 기술의 AI 플랫폼 직접 연결이 진전되면 장기 위험은 커질 수 있다. 첫째, 에이전트는 OTA 재고를 호텔 직판 및 다른 소스와 비교해 OTA를 여러 대체 가능한 공급원 중 하나로 만들며 탈중개화를 촉진할 수 있다. 둘째, 소비자 선호만을 최적화하는 에이전트는 OTA가 고수수료 재고를 우선 노출하는 능력을 약화시킬 수 있다. Bernstein은 Booking의 Preferred와 Preferred Plus가 표준 수수료율을 약130베이시스포인트 높이고 매출을 약10% 끌어올린다고 추정하며, 에이전트 필터링은 이 재고의 우선 노출을 어렵게 할 수 있다. 셋째, 빠른 가격 비교는 더 저렴한 장기 꼬리 공급업체를 드러낼 수 있다. Bernstein은 2026년 Booking과 Expedia 브랜드가 미국 최저가를 제공한 비율이 약15%, 소형 OTA는 77%였다고 확인했으며, OTA는 테이크레이트를 재원으로 더 많은 할인비를 부담할 수 있다. AI 에이전트의 최종 수익모델은 위험의 심각도를 결정하는 핵심이다. Bernstein은 이용자가 편향 없는 결과를 요구하고 에이전트가 공급업체 재고를 제로 테이크레이트로 직접 나열할 수 있어 사용자 부담 모델이 가장 큰 위협이라고 본다. 거래수수료 모델은 중간 수준의 위험을 초래한다. 광고 기반 에이전트는 OTA에 가장 유리한데, OTA가 노출에 비용을 지불하고 전환 위험을 계속 부담함으로써 트래픽 수익화 능력을 유지할 수 있기 때문이다. 보고서는 최종 형태가 구독, 거래수수료, 광고를 혼합할 수 있으며 소비자의 지불 의사와 스폰서 결과에 대한 수용도가 중요하다고 예상한다. 재고 폭, 데이터 깊이, 재고 접근 비용은 에이전트가 매력적인 여행 검색 상품이 될 수 있는지를 결정한다. 브랜드 호텔은 전 세계 객실 공급의 10% 미만이므로 에이전트는 호텔 체인 제휴 외에도 독립 호텔에 접근해야 한다. OTA는 현재 광범위한 공급, 풍부한 호텔 콘텐츠, 리뷰 및 결제 인프라를 제공한다. 다만 직접 연결 제공업체들은 경쟁력 있는 수수료율로 독립 호텔을 AI 제품에 연결하는 방식을 개발하고 있다. 계산·처리 비용이 낮아지고 에이전트가 공급업체 기술과 통합될수록 OTA 규모의 보호 효과는 약해질 것으로 Bernstein은 예상한다. Bernstein은 Booking과 Expedia가 에이전트 접근을 제한하지 않을 것으로 본다. 그렇게 하면 중요한 신규 예약 채널을 배제할 수 있고 경쟁 공급업체는 계속 재고를 제공할 수 있기 때문이다. 대신 에이전트와의 제휴 및 예약 후 기능 제한이 완화책이 될 수 있다. Expedia의 Muse 제휴는 재고의 상세성과 최신성을 높이고 에이전트 기반 예약 확보에 도움이 될 수 있다. OTA는 교통, 체험, 보험과 같은 부가서비스를 위해 판매자 지위와 고객 접점을 유지할 수 있지만, 에이전트가 더 많은 예약 후 상호작용을 관리할 수도 있다. 규제 역시 불확실성이다. 사용자가 공급업체에서 직접 예약 정보를 입력하게 해 OTA 접점을 일부 보존할 수도 있고, 플랫폼이 사용자를 대신하는 에이전트를 제한하지 못하게 해 탈중개화를 가속할 수도 있다. Booking과 Expedia는 광범위한 일반 호텔 검색 트래픽을 전환하고, 호텔 공급업체는 유통비 절감을 원하며, 방어할 예약 후 접점은 제한적이어서 가장 큰 영향을 받을 것으로 평가된다. Bernstein은 DMA에 따른 Google Search 인터페이스 변화와 쉬운 중동 비교기저가 AI 에이전트보다 2027년 단기 펀더멘털에 더 중요해 2027년이 강한 해가 될 것으로 예상한다. 이는 시장이 에이전트 위험을 과대평가했다고 보게 할 수 있다. 하지만 장기적으로 OTA는 시장점유율 또는 경제적 이익을 내줄 수 있으며, 업계 역사상 후자가 더 가능성이 높다는 것이 Bernstein의 신중한 결론이다. Airbnb는 상대적으로 더 방어적이지만 에이전트는 여전히 광범위한 투자 논리에 순부정적이다. 휴가용 임대 재고는 더 차별화되고 가격 비교 가능성이 낮으며, 호스트는 Smart Pricing과 AirCover 같은 Airbnb의 도구와 서비스를 중시한다. 보고서는 900만 개 활성 리스팅 중 약70%가 플랫폼 독점이라고 추정한다. Airbnb의 직접 트래픽은 45%로 유료 일반 검색 변화에 대한 노출을 낮춘다. 독점 리뷰, 사진, 호스트 평점 및 광범위한 예약 후 게스트·호스트 상호작용은 최초 예약 이후에도 플랫폼 가치를 유지한다. Bernstein은 Airbnb 예약 사용자의 90%가 이후 호스트에게 메시지를 보낸다고 언급한다. 회사는 2027년에 AI 에이전트를 출시할 계획이며, 자체적으로 더 풍부한 에이전트 경험을 제공할 수 있다.
분석 프레임워크
Bernstein은 기존 에이전트 기능과 여행 검색 행태를 평가한 뒤, 재고 접근, 소비자 인터페이스 품질, 공급업체 유인, 가격 투명성, 에이전트 수익화를 통해 에이전트가 여행 유통을 어떻게 바꿀지 추적한다. OTA 수수료 경제성, 가격 비교 증거, 트래픽 특성, 재고 차별화, 예약 후 고객 관계를 사용해 Booking, Expedia, Airbnb의 노출을 비교한다.
방법론 메모
여행 유통 가치사슬 분석
보고서는 에이전트가 소비자, OTA, 호텔, 독립 공급업체, 예약 플랫폼 간 관계를 어떻게 바꾸고 그 변화가 OTA에서 경제적 이익을 이전시킬 수 있는지 평가한다.
테이크레이트 및 가격 분석
Bernstein은 OTA의 매출 노출을 수수료율, 우선 재고 믹스, 할인 재원, 에이전트의 예약 채널 간 저가 탐색 능력과 연결한다.
동종업계 비교 기반 NTM+1 EV/EBITDA 밸류에이션
보고서는 Airbnb, Booking, Expedia, TripAdvisor를 매출 성장, EBITDA 마진, 현금전환과 연계된 차기 12개월 플러스 1년 EV/EBITDA 배수로 부분적으로 평가한다.
NTM+1 P/E 밸류에이션
보고서에 공개된 밸류에이션 접근법에는 차기 12개월 플러스 1년 P/E 배수도 포함된다.
AI 교란 위험 시나리오 DCF
Expedia의 밸류에이션에는 AI 교란 위험을 반영하도록 설계된 할인현금흐름 시나리오가 포함된다.
자산 매핑 및 비교
투자 논리에서 명시된 자산으로의 구조화 매핑(강점, 약점, 비교 대상, 위험).
- Airbnb (ABNB)호텔 중심 OTA보다 에이전트형 여행 교란에 대한 노출이 상대적으로 낮다.
- 강점
- 차별화된 휴가용 임대 공급, 추정70%의 독점 재고, 호스트 도구, 45%의 직접 트래픽 및 광범위한 예약 후 게스트·호스트 상호작용.
- 약점
- AI 에이전트는 광범위한 투자 논리에 여전히 순부정적이다.
- 비교
- Bernstein은 휴가용 임대가 덜 상품화되고 일반 호텔 검색 트래픽 의존도도 낮아 Airbnb가 Booking과 Expedia보다 더 방어적이라고 본다.
- 위험
- 전반적인 여행 수요 감소, 경쟁의 급격한 심화, 공급을 제한하는 규제.
- Booking Holdings (BKNG)Bernstein이 장기 AI 에이전트 교란에 가장 많이 노출된 기업 중 하나로 보는 호텔 중심 OTA.
- 강점
- 폭넓은 재고, 리뷰, 결제 인프라, 원스톱 편의성은 현재 Booking을 에이전트에 유용한 소스로 만든다.
- 약점
- 일반 호텔 검색 트래픽 노출, 고테이크레이트 머천다이징 상실 가능성, 소형 OTA의 가격 경쟁.
- 비교
- Bernstein의 비교에서 Booking과 Expedia는 미국 최저가를 약15%의 시간에만 제공했고 소형 OTA는 77%였다.
- 위험
- 신규 OTA에 대한 점유율 상실, 호텔 공급 통합에 따른 테이크레이트 하락, APAC 성장의 예상보다 큰 ADR 및 테이크레이트 희석.
- Expedia Group (EXPE)에이전트 주도의 탈중개화에 노출된 호텔 중심 OTA이나 Muse 제휴의 지원을 받을 수 있다.
- 강점
- Muse와의 공식 제휴는 재고의 상세성과 최신성을 개선하고 에이전트 기반 예약 확보에 기여할 수 있다.
- 약점
- 일반 호텔 검색 노출, 가격 경쟁, 예약 후 고객 상호작용을 방어할 수 있는 능력의 한계.
- 비교
- Booking과 마찬가지로 Expedia는 OTA 주도 검색에서 에이전트 주도 선택으로의 전환에 Airbnb보다 더 취약한 것으로 평가된다.
- 위험
- 비용 절감 미실현, 미국 시장점유율 상실, 호텔 브랜드 점유율 상승에 따른 테이크레이트 하락.
- TripAdvisor (TRIP)Bernstein의 티커 표에 포함된 명시적 커버리지 온라인 여행 기업.
- 위험
- Viator 단위경제성의 수익성이 예상보다 낮을 위험, 메타서치 매출의 더 빠른 감소, Google이 TripAdvisor의 더 많은 매출원을 겨냥할 위험.
핵심 데이터
- Instinct 여행 거래량Approximately $1 billion annualized약 절반이 여행 관련이며, Bernstein에 따르면 Booking 트래픽의 약0.25%에 해당한다.
- Booking Preferred 프로그램 매출 증대Approximately 10%Preferred와 Preferred Plus는 Booking의 표준 수수료율을 약130베이시스포인트 높인다.
- 미국 최저가 제공 빈도Booking and Expedia approximately 15%; smaller OTAs 77%최고 순위 최저가가 나온 빈도에 대한 Bernstein의 2026년 비교다.
- 전 세계 객실 중 브랜드 호텔 비중Less than 10%에이전트는 폭넓은 재고를 제공하기 위해 독립 호텔에 접근해야 한다.
- Airbnb 독점 재고Approximately 70% of 9 million active listingsAirbnb의 차별화된 공급 우위를 뒷받침하는 Bernstein의 추정치다.
- Airbnb 직접 트래픽45%보고서는 이것이 유료 일반 검색 변화에 대한 노출을 낮춘다고 말한다.
- Airbnb 예약 후 메시지90% of booking users예약 사용자는 이후 호스트에게 메시지를 보내 예약 후 플랫폼 상호작용이 형성된다.
영향과 시사점
Bernstein은 에이전트 거래량이 작고 대형 OTA가 여전히 효율적인 재고 집계자이므로 단기 재무 교란은 제한적일 것으로 예상한다. 장기적 함의는 더 크다. 에이전트가 더 풍부한 UI, 폭넓은 직접 재고 접근, 편향 없는 가격 비교를 제공하면 Booking과 Expedia는 고객 획득과 고테이크레이트 머천다이징에 대한 통제력을 잃어 마진 또는 점유율 하락으로 이어질 수 있다. Airbnb의 차별화된 공급, 호스트 생태계, 예약 후 상호작용은 상대적 보호를 제공하지만 AI 관련 위험을 제거하지는 않는다.
위험
- 신뢰성과 보안 우려 때문에 복잡한 예약, 재예약, 다중 여행 카테고리 업무를 에이전트에 맡기려는 소비자 신뢰가 예상보다 느리게 형성될 수 있다.
- 에이전트 수익화가 사용자 부담 모델보다 광고나 거래수수료를 선호해 OTA 탈중개화 및 테이크레이트 압박의 심각도를 낮출 수 있다.
- 현재 에이전트의 인터페이스, 재고 접근 비용, 처리 시간은 복잡한 여행 요청에서 OTA 검색 경험보다 열위에 머물 수 있다.
- 규제 결과는 공급업체 접점을 보존하거나 플랫폼의 에이전트 접근 제한을 막을 수 있어 탈중개화의 속도를 크게 바꿀 수 있다.
- 커버 기업에는 여행 수요 추세, 경쟁, 시장점유율 변화, 테이크레이트, 기업별 실행이 목표주가 위험이다.
주시할 점
- 소비자가 예약 완료, 예약 변경 및 더 복잡한 여행 업무를 에이전트에 맡기는 것을 점점 더 신뢰하는지 여부.
- 특히 사용자 부담, 거래수수료, 광고 간 균형을 포함해 어떤 에이전트 수익모델이 우세해지는지.
- 에이전트 UI 개선, 공급업체 직접 통합, 계산 또는 재고 처리 비용 하락의 속도.
- OTA와 에이전트의 제휴가 재고 접근, 판매자 지위 및 예약 후 고객 관계를 유지할 수 있는지.
- 자율 에이전트가 사용자를 대신해 행동하는 것과 플랫폼의 접근 제한 능력에 관한 규제.
- DMA 주도의 Google Search 변화와 AI 에이전트 중 무엇이 2027년 OTA 펀더멘털에 단기적으로 더 큰 영향을 주는지.