La mini guida su cos’è e come funziona il confronto revenue anno su anno
Il confronto STLY (Same Time Last Year) è uno dei parametri fondamentali per analizzare l’andamento delle vendite in un hotel.
Permette di valutare se il ritmo di acquisizione delle prenotazioni è superiore o inferiore rispetto allo stesso periodo dell’anno precedente, e quindi di capire se la strategia di pricing sta funzionando o se serve correggere la rotta prima che sia troppo tardi.
Attenzione però a non confonderlo con l’analisi “a consuntivo”, che è qualcosa di diverso.
L’analisi a consuntivo confronta le vendite accumulate quest’anno fino a una certa data con il totale venduto alla stessa data negli anni precedenti, includendo quindi anche prenotazioni arrivate in momenti molto diversi dell’anno.
Come vedremo nel corso dell’articolo, questo approccio fornisce un’informazione utile ma di natura diversa, e per certi aspetti meno efficace durante la fase attiva di vendita e movimentazione tariffaria.
Come funziona il confronto STLY
Il principio alla base del confronto STLY è misurare le prenotazioni acquisite fino a una certa data per un periodo futuro e confrontarle con quelle registrate alla stessa data dell’anno precedente per lo stesso periodo.
In questo modo si ottiene un parametro di riferimento coerente, che tiene conto della booking window e non solo del volume di vendite finale.
Un esempio concreto aiuterà sicuramente a chiarire il meccanismo: il 15 febbraio 2026 un hotel analizza le prenotazioni per il mese di agosto 2026. Il confronto STLY prende in considerazione tutte le prenotazioni ricevute fino al 15 febbraio 2026 per agosto 2026, confrontandole con quelle ricevute fino al 15 febbraio 2025 per agosto 2025. In pratica esclude tutte le prenotazioni che l’anno scorso sono arrivate dopo metà febbraio.
Possiamo immaginare il confronto STLY come una macchina del tempo: ci riporta al giorno esatto di oggi (stesso mese, stesso giorno) ma negli anni passati, permettendoci di osservare a che punto erano le vendite in quel preciso momento.
Perché non si usa semplicemente il dato a consuntivo di agosto 2025?
Perché quel dato include tutte le prenotazioni arrivate tra febbraio e agosto, compresi i last minute di luglio. Confrontarlo con i dati parziali di agosto 2026 produrrebbe un risultato completamente fuorviante: direbbe sicuramente che si è indietro rispetto all’anno scorso, cosa ovvia, visto che mancano ancora diversi mesi.
STLY real-time e valore finale
Un’analisi STLY davvero efficace combina due informazioni distinte che insieme raccontano la storia completa di come sta andando una certa data rispetto all’anno precedente e permettono di prendere decisioni strategiche basate sui dati invece che sulle impressioni.
Il dato real-time mostra quante camere sono state vendute fino a oggi rispetto allo stesso punto dell’anno scorso e quindi misura il ritmo di acquisizione delle prenotazioni, permettendo di capire se si sta vendendo più velocemente o più lentamente rispetto all’anno precedente, ma anche se il pricing è più alto o più basso quindi troppo aggressivo o conservativo.
Il valore finale mostra invece come quella stessa data ha chiuso a consuntivo l’anno precedente considerando tutte le prenotazioni ricevute fino all’ultimo momento, fornendo il benchmark di riferimento per capire qual è il valore che ha raggiunto quella data in termini di occupazione, ADR e RevPAR.
La combinazione dei due dati permette di capire se il booking pattern sta cambiando rispetto all’anno precedente: se una data ha venduto tutto last minute l’anno scorso ma quest’anno sta vendendo in anticipo, significa che il comportamento della domanda è diverso e questo richiede aggiustamenti nella strategia di pricing perché vendere prima potrebbe significare aver lasciato margine sul tavolo oppure potrebbe indicare una domanda più forte.
NOTA: Per approfondire il concetto di booking curve, ovvero il ritmo con cui le prenotazioni si accumulano per una determinata data, ne parliamo in dettaglio nel libro Revenue Management per Hotel. Abbiamo esplorato lo stesso argomento anche nel corso-podcast Ospitalità 4.0 – Revenue Edition che puoi seguire qui.
Aggiustamento per giorno della settimana (Day Of Week)
Un ulteriore livello di analisi che può fare la differenza soprattutto per certi tipi di hotel, è il confronto per giorno della settimana invece che per data calendario, un approccio chiamato DOW adjustment (day of week adjustment) che confronta lo stesso giorno della settimana di anni diversi invece di guardare solo il numero sul calendario.
In pratica il primo sabato di luglio 2026 che cade il 4 luglio viene confrontato con il primo sabato di luglio 2025 che cadeva il 5 luglio, e non con il 4 luglio 2025 che potrebbe essere caduto di venerdì o di martedì rendendo il confronto poco significativo per hotel che hanno pattern di domanda molto diversi tra i giorni della settimana.
Il DOW adjustment è particolarmente utile per hotel con forte differenziazione tra giorni della settimana, come le strutture business che hanno un’occupazione infrasettimanale completamente diversa dal weekend, oppure gli hotel leisure con pattern ricorrenti nel fine settimana dove confrontare un sabato con un martedì non ha alcun senso perché sono due tipologie di domanda completamente diverse.
Limiti del confronto STLY e l’alternativa SPIT
Il confronto STLY funziona bene per date ricorrenti e per periodi in cui la stagionalità si ripete in modo simile di anno in anno. Diventa però inaffidabile quando gli eventi si spostano nel calendario o quando ci sono festività mobili che cadono in date diverse.
Pasqua rappresenta l’esempio più chiaro di questo problema:
Pasqua 2025 cadeva il 20 aprile mentre Pasqua 2026 cade il 5 aprile.
Confrontare il weekend del 5 aprile 2026 con il weekend del 5 aprile 2025 significa confrontare un weekend di Pasqua pieno di domanda con un weekend normale qualunque, producendo dati completamente non comparabili che non permettono di trarre conclusioni utili.
Per superare questo limite si usa un confronto diverso, chiamato SPIT (Same Period in Time), che invece di confrontare la stessa data calendario confronta lo stesso numero di giorni prima dell’evento indipendentemente da quando l’evento cade nel calendario.
Se oggi mancano 90 giorni a Capodanno 2027, il confronto viene fatto con le prenotazioni che erano state registrate 90 giorni prima di Capodanno 2026, in modo da misurare davvero il comportamento della domanda rispetto all’evento.
Automazione dell’analisi STLY con l’RMS Peak
Analizzare manualmente i confronti STLY per ogni data futura del calendario richiede un tempo considerevole e aumenta il rischio di errori o dimenticanze, soprattutto quando bisogna considerare anche il valore finale, gli aggiustamenti per giorno della settimana, gli eventi mobili e tutti gli altri fattori che influenzano il pricing.
I sistemi di revenue management automatico come Peak RMS integrano l’analisi STLY direttamente nel processo decisionale, confrontando continuamente il pickup attuale con quello dell’anno precedente e applicando automaticamente le strategie di pricing che sono state definite dal revenue manager senza bisogno di intervento manuale quotidiano.
L’automazione permette di applicare in modo coerente le regole strategiche su tutte le date del calendario considerando simultaneamente STLY, valore finale, DOW adjustment e tutti gli altri fattori rilevanti, garantendo che nessuna data venga trascurata e che le decisioni di pricing siano sempre basate sui dati più aggiornati invece che su impressioni o analisi parziali fatte settimane prima.
Abbiamo visto come il confronto STLY sia uno strumento prezioso per il revenue management alberghiero perché permette di valutare l’andamento delle vendite nel momento in cui si può ancora intervenire, non a cose fatte.
Combinando il dato real-time con il valore finale, applicando il DOW adjustment quando necessario e passando allo SPIT per gli eventi mobili, si ottiene una visione completa su cui basare le decisioni di pricing.
Che l’analisi sia per i più esperti e temerari manuale oppure automatizzata tramite un RMS come Peak, il principio resta lo stesso ossia confrontare dati comparabili per prendere decisioni migliori.
