Quando le previsioni sbagliano sistematicamente, e come sistemarlo. Il problema dei bias nascosti nel tuo forecasting.
Ogni hotel ha, infatti, bias ricorrenti nel forecasting: tendenze sistematiche a sovrastimare o sottostimare. Identificarli e correggerli migliora l’accuracy del 15-25%.
I tre bias più comuni
- Optimism bias — Sovrastima pickup in alta stagione, sottostima in bassa. Conseguenza: overpricing e occupazione persa.
- Recency bias — Dà troppo peso all’ultima settimana di dati. Conseguenza: reazioni eccessive a picchi anomali.
- Segment blindness — Forecast aggregato senza distinguere comportamenti diversi per segmento. Conseguenza: mix sbagliato, ADR reale inferiore al potenziale.
Come misurare l’accuracy
- MAPE (Mean Absolute Percentage Error): la metrica standard. MAPE <10% eccellente, 10-20% accettabile, >20% problematico.
- Bias sistematico: se l’errore medio è consistentemente positivo o negativo, hai un bias da correggere, non solo rumore.
Correzione operativa
- Rolling forecast revision: Aggiorna forecast ogni settimana confrontando pick-up reale vs atteso. Crea “fattori di correzione” storici per periodi ricorrenti.
- Segment-specific forecasting: Forecast separati per business (lead time corto, alta cancellazione) vs leisure (lead time lungo, bassa cancellazione). Somma solo alla fine.
- Machine learning semplice: Regressione lineare su 3-4 variabili (pick-up ritardato, booking pace, eventi locali) spesso batte l’intuito umano.
Checklist immediata
Inizia con questi quattro passaggi:
- Calcola MAPE ultimi 6 mesi per periodo tipo — sai quanto stai sbagliando sistematicamente
- Identifica se l’errore è sistematico (+/-) o casuale — se sempre positivo, stai ottimista; se sempre negativo, prudente
- Implementa revisione settimanale con fattori di correzione storici — quando il pick-up reale diventa X% diverso dal previsto, aggiusta
- Separa forecast per almeno 2 segmenti comportamentali diversi — business e leisure non prenotano allo stesso modo, non prevederli insieme
Conclusione
Le previsioni perfette non esistono, ma i bias sistematici sì. La differenza tra un buon Revenue Manager e uno eccellente sta nel riconoscere rapidamente quando le proprie stime deragliano costantemente nella stessa direzione e agire con correzioni concrete. Misurare l’errore, segmentare il forecast e adattarsi settimana dopo settimana trasforma l’incertezza in opportunità gestibile.
