AI och överbokning på hotell: öka intäkten utan kaos

Jul- och nyårsperioden är den tid på året när små misstag i beläggning blir dyrast. Ett fåtal sena avbokningar kan lämna tomma rum som aldrig går att sälja igen – samtidigt som en felkalibrerad överbokning kan sluta med att gäster måste “walkas” till ett annat hotell och skriva av sig i recensionerna.

De flesta hotell behandlar fortfarande överbokning som en blandning av erfarenhet, magkänsla och Excel. Jag tycker det är onödigt. Överbokning är i grunden ett prognosproblem – och prognoser är precis där AI är som starkast. Rätt använt förflyttar AI överbokning från chansning till kontrollerad riskhantering, med tydliga regler, mätetal och en plan för gästupplevelsen.

I den här artikeln (i vår serie AI inom turism och besöksnäring) går vi igenom hur överbokning fungerar, var riskerna faktiskt uppstår, och hur AI och smarta system kan hjälpa hotell i Sverige att maximera intäkter utan att tumma på service.

Överbokning på hotell: varför det ens finns

Överbokning betyder att man säljer fler rum än man fysiskt har för en viss natt. Poängen är enkel: hotellrum är färskvara. När natten passerat är intäkten borta, och sena avbokningar/no-shows gör att “fullt” i bokningssystemet inte alltid blir fullt i verkligheten.

Här är den avgörande distinktionen:

• Planerad (avsiktlig) överbokning: styrd av data, regler och en reservplan.
• Oplanerad (oavsiktlig) överbokning: kommer av synkproblem mellan kanaler, fel i lager/rumskategorier, manuella misstag eller tekniska glitchar.

Det är den andra typen som oftast blir dyr – både i kompensation och i förlorat förtroende.

“Walking” är inte bara en kostnad – det är en varumärkesrisk

När ett hotell inte kan uppfylla en bekräftad bokning uppstår ett kontrakts- och förtroendeproblem. I praktiken förväntar sig gästen:

• återbetalning av förskottsbetalning
• jämförbart alternativt boende
• ofta transport och smidig hantering

Det som många missar är att den största kostnaden sällan är taxin eller första natten på grannhotellet. Den största kostnaden är att en lojal gäst slutar vara lojal.

Överbokning är en intäktsstrategi först när den är en gäststrategi.

Därför är AI så relevant för överbokning (och inte bara “nice to have”)

AI hjälper främst genom att göra två saker bättre än människor:

1. Förutse beteenden (no-shows, avbokningar, tidiga utcheckningar)
2. Optimera beslut (hur mycket man vågar överboka per datum, segment och rumstyp)

Det viktiga är att AI inte behöver vara mystiskt. Det kan vara allt från en inbyggd prognosmotor i ett PMS/RMS till mer avancerade modeller som väger in externa signaler.

Vilka datapunkter gör AI-prognosen vassare?

Ett modernt arbetssätt bygger på fler signaler än “förra året samma vecka”:

• avbokningsgrad per kanal (direkt, OTA, företagsavtal)
• andel no-shows per segment och prisnivå
• incheckningsmönster (sen ankomst, drop-in)
• längd-på-vistelse och risk för “overstay”
• betalnings- och garantivillkor (förskott, kreditkortsgaranti)
• lojalitet/återkommande gäster och historik
• event- och toppbelastningsmönster (lokala evenemang, skollov)

I december 2025 ser vi dessutom hur efterfrågetoppar ofta uppstår snabbare (kortare bokningsfönster) – vilket gör realtidsbeslut viktigare än säsongsplaner.

AI gör en sak extra bra: differentiera risk

Många hotell sätter en “överbokningsnivå” som gäller allt och alla. AI gör tvärtom: den skiljer på risk.

Exempel:

• En icke-garanterad bokning via kanal med hög avbokningsgrad = högre sannolikhet att inte dyka upp.
• En återkommande affärsresenär med sen ankomst men alltid checkar in = låg risk, ska skyddas.

Det leder till en mer rättvis och mer lönsam policy.

Så bygger du en överbokningsstrategi som håller – steg för steg

En hållbar strategi är lika mycket process som teknik. Här är upplägget jag brukar rekommendera när man vill få kontroll utan att skapa intern stress.

1) Sätt ett tydligt mål: intäkt per natt, inte “fullt”

Full beläggning är inte alltid målet. Målet är lönsam beläggning.

Bestäm därför vad som styr:

• RevPAR/GOPPAR för prioriterade datum
• acceptabel risknivå för att behöva walk:a (t.ex. max 0,2% av ankomster)
• maxkostnad per incident (kompensation + tid + tappad goodwill)

AI kan optimera mot ett mål – men du måste tala om vilket.

2) Gör en “överbookningsmatris” per datum och rumstyp

Bästa praktiken är att inte överboka lika mycket varje dag.

Skapa en matris som anger överbokningsnivå baserat på:

• veckodag
• säsong/toppdatum
• rumstyper (sviter ska nästan aldrig “chansas bort”)
• kanal-/segmentmix

AI kan föreslå nivåer automatiskt, men det är matrisen som gör det begripligt för teamet.

3) Undvik oavsiktlig överbokning med synk och “single source of truth”

Oavsiktlig överbokning är ofta ett systemproblem maskerat som personalproblem.

Praktiska åtgärder:

• säkra att PMS, channel manager och bokningsmotor synkar i realtid
• minimera manuell inventariehantering
• lås regler för stop-sell när trösklar nås
• ha larm vid avvikelse (t.ex. om två kanaler visar olika tillgänglighet)

AI kan här användas för anomaly detection: när bokningstakten eller avbokningar avviker från normalbilden får du en varning innan det blir kris i receptionen.

4) Bestäm i förväg vem som aldrig ska walkas

När det brinner fattas dåliga beslut snabbt.

Sätt en prioriteringsordning i fredstid. Exempel på grupper som normalt ska skyddas:

• gäster med garanterad bokning och förskottsbetalning
• återkommande/lojalitetsgäster
• gäster med särskilda behov
• högintäktsbokningar (inkl. extra köp som spa/F&B)

AI kan hjälpa genom att flagga “hög livstidsvärde”-gäster så att de inte hamnar längst bak i kön när rummen tar slut.

5) Bygg lokala partnerskap – innan du behöver dem

Överbokning utan grannhotellssamarbete är som att köra utan reservhjul.

Sikta på:

• 2–3 hotell i närheten, helst liknande standard
• tydliga villkor för pris, tillgänglighet och hur betalning sker
• rutin för transport (avtalad taxipartner)

När detta finns på plats blir “walking” en kontrollerad ombokning, inte en konflikt.

6) Standardisera kompensation – och gör den smart

Kompensation är inte bara “förlåt”. Det är skadebegränsning.

Ha en tydlig meny som personalen kan använda utan att ringa chefen:

• transport till alternativt hotell
• betalning av första natten (enligt policy/juridik)
• måltidsvoucher/frukost
• sen utcheckning nästa gång
• poäng eller rabatt på framtida vistelse

AI kan optimera kompensation baserat på gästsegment och sannolik churn: en affärsresenär kan värdera snabb lösning högre än rabatt; en barnfamilj kan värdera trygghet och tydlighet.

7) Skriv manus som låter mänskliga (och träna på dem)

Det är i receptionen varumärket vinner eller förlorar.

Tre principer som brukar fungera:

• ta ansvar utan att skylla på “systemet”
• ge en konkret plan inom 60 sekunder
• håll samma budskap i alla kanaler (på plats, sms, mejl)

Rollspel är underskattat här. Personalen måste få öva när det är lugnt.

Vanliga frågor som dyker upp (och raka svar)

Hur mycket kan ett hotell överboka?

Det finns inget universellt tal. Rätt nivå bestäms av historiska no-shows/avbokningar, kanal-mix och din förmåga att hantera avvikelser. Med AI går det att sätta dynamiska nivåer per dag, istället för en fast procentsats.

När blir överbokning farligt?

Det blir farligt när du:

• saknar realtidskontroll på tillgänglighet
• inte har partnerskap för omplacering
• inte har tydlig prioritering för vilka gäster som skyddas
• har personal som inte fått mandat eller träning

Är överbokning “värt det” i Sverige?

Ja, om den är planerad och mätbar. Den svenska marknaden har höga förväntningar på ordning och transparens. Det innebär att slarv straffas snabbt i recensioner – men också att en proffsig hantering kan rädda relationen.

Det som faktiskt gör skillnad: mät tre saker varje vecka

Vill du göra överbokning till en styrbar process behöver du ett litet, hårt paket av nyckeltal. Börja här:

1. No-show rate (%) per kanal och segment
2. Walk rate (%) per 100 ankomster (mål: väldigt låg och stabil)
3. Kompensationskostnad per incident (SEK) inklusive transport och första natt

Lägg till en enkel kvalitetsindikator:

• andel negativa recensioner där överbokning nämns

AI blir mest värdefull när den får feedback från dessa mått och kan justera modellen.

Nästa steg: från “magkänsla” till styrning med AI

Överbokning kommer fortsätta vara en del av intäktsstyrning i hotellbranschen – särskilt när efterfrågan svänger snabbt och kostnadsläget pressar marginalerna. Men det betyder inte att du ska acceptera kaos som en del av jobbet.

Mitt perspektiv är tydligt: om du ändå tar risken ska du också ta kontrollen. AI inom turism och besöksnäring handlar i praktiken om att fatta bättre beslut snabbare – och överbokning är ett av de mest konkreta områdena där det märks direkt i både intäkt och gästnöjdhet.

Vill du göra det här på riktigt? Börja med att kartlägga din no-show data per kanal, säkra synken mellan system, och sätt en enkel matris för överbokning de kommande 30 dagarna. När du ser mönstren blir nästa fråga självklar: vilka beslut vill du att AI ska föreslå – och vilka ska den automatisera?