AI för intäktsstyrning: prissätt rätt i osäkra tider

Osäkerhet är inte längre ett undantag i hotellbranschen – det är driftläget. Bokningsfönster krymper, gäster jämför priser mer noggrant än tidigare och avbokningsviljan har blivit en faktor man måste räkna med, inte hoppas bort.

Det är här många hotell gör fel. De ser en svag bokningskurva tidigt och svarar med stora rabatter “för säkerhets skull”. Resultatet? Lägre ADR, sämre RevPAR och en prissättning som blir svår att ta sig ur. Det som i teorin skulle skapa trygghet blir i praktiken en självskapad nedförsbacke.

I den här delen av vår serie ”AI inom turism och besöksnäring” går vi igenom hur moderna revenue team arbetar när marknaden skickar blandade signaler – och varför AI i revenue management ofta är den saknade pusselbiten för svenska hotell som vill vara snabba utan att bli ryckiga.

Vad som faktiskt driver osäkerheten – och varför gamla jämförelser lurar dig

Den tydligaste förändringen är enkel: gäster bokar senare och är mer priskänsliga. Det betyder att ett “svagt” läge 90 dagar före ankomst inte längre automatiskt betyder svag efterfrågan. Det kan lika gärna betyda att efterfrågan bara kommer senare.

Kortare bokningsfönster förändrar hela tolkningen av data

Många hotell har historiskt kunnat se sommarens pickup redan under senhösten. Nu kan samma volymer dyka upp 30–60 dagar innan ankomst. Om du jämför “pace” rakt av mot 2019 eller 2022 riskerar du att tolka timing som efterfrågefall.

En praktisk tumregel jag själv återkommer till: om marknaden har flyttat sitt bokningsbeteende, måste din analys flytta med. Annars straffar du dig själv med för tidiga prissänkningar.

Priskänslighet handlar inte bara om prisnivå – utan om små skillnader

Det räcker ibland med en liten prisjustering för att flytta volym mellan dig och konkurrenterna. När gäster är mer prisjämförande kan en skillnad som tidigare var “brus” plötsligt bli avgörande. För revenue management innebär det:

• mindre utrymme för slentrian
• större krav på snabbhet
• större krav på att veta varför man justerar, inte bara att man justerar

Det är ett läge där AI-baserad prissättning och automatiserad konkurrensbevakning gör skillnad – eftersom system kan reagera på mönster som människor annars missar i vardagsstressen.

Sluta jaga absoluta tal: vinn genom relativ prestation

När siffror ser röda ut är det lätt att hamna i panikläge. Ett mer lönsamt arbetssätt är att börja med en sak: hur presterar vi relativt marknaden?

Om ditt hotell är ner 10 % år över år, men jämförelsegruppen (compset) är ner 20–40 %, då är du inte “i kris” – du tar marknadsandelar.

Så skär du igenom “bruset” när signalerna krockar

När marknaden skickar blandade signaler behöver du felsöka, inte gissa. Strukturen kan vara så här:

1. Segmentdiagnos: Är det transient som bromsar, eller grupp? Är det helg eller vardag?
2. Kanaldiagnos: Är det direkt, OTA, corporate, eller grossist som sviktar?
3. Rate plan-diagnos: Har konkurrenter ändrat villkor (t.ex. advance purchase-regler) snarare än pris?
4. Orsak → åtgärd: Justera det som faktiskt orsakar tappet, inte allt på en gång.

AI kan hjälpa här genom att automatiskt hitta avvikelser: “det är bara tisdagar i kommande tre veckor som tappar” eller “det är bara standardrum som bromsar, suite säljer som vanligt”. Det gör att du slipper breda prisreduktioner som skadar mer än de hjälper.

En bra intäktsstrategi i osäkerhet är inte att vara aggressiv. Det är att vara exakt.

När ska du hålla pris – och när ska du jaga beläggning?

Det mest lönsamma svaret är ofta: båda, men vid olika tillfällen. Många fastnar i ett av två lägen:

• “Vi måste skydda ADR till varje pris.”
• “Vi måste fylla hotellet, annars går det åt skogen.”

Båda blir fel när de används som religion.

En praktisk “växelmodell” för svenska hotell

Jag brukar beskriva det som att revenue manager behöver kunna växla mellan två lägen utan prestige:

• Rate-läge (ADR först): när efterfrågan och kompressionssignaler finns, särskilt vid event, mässor och citywide-perioder.
• Volym-läge (occupancy först): när marknadsindikatorer tydligt visar svagare efterfrågan och du behöver skydda RevPAR.

Skillnaden i ett osäkert klimat är att beslut måste tas oftare och i mindre steg. Inte en stor prisändring på måndag och sedan hoppas man på fredag.

Här passar AI extremt bra: system kan föreslå små, kontinuerliga justeringar baserat på pickup, konkurrensläge och efterfrågeprognoser – utan att du behöver “överstyra” allt manuellt.

Nya gästbeteenden: flexibelt slår billigast

En av de mest intressanta paradoxerna just nu är att gäster kan vara priskänsliga och samtidigt undvika de allra billigaste alternativen. Varför? För att flexibilitet har blivit en produkt i sig.

Avbokningsvillkor är nu en del av din prissättning

I många marknader har gäster börjat betala mer för att slippa binda sig till icke återbetalningsbara priser. För hotell betyder det två saker:

• Din mix av flexibla vs. oflexibla priser påverkar prognoser (on-the-books blir mindre “säkert”).
• Du kan ta betalt för trygghet, men måste räkna med högre volatilitet i beläggningen.

AI-baserad efterfrågeprognos blir extra relevant när avbokningsmönster ändras. Inte för att AI är “magiskt”, utan för att den kan träna på dina historiska avbokningar, segmentmix och lokala säsonger och ge en mer realistisk nettoprognos.

Distribution: bredare kanalmix som riskhantering

När efterfrågan är svår att förutse sprider hotell risk genom fler kanaler: fler OTA:er, mer FIT, ibland grossister för att stabilisera korta fönster. Det är inte gratis – du kan betala med lägre ADR eller högre kommission – men det kan vara rationellt om det görs “kirurgiskt”.

Ett konkret sätt att undvika att kanalmixen drar ner prisnivån:

• använd grossist/FIT för specifika veckodagar med svag pickup
• sätt tydliga prisgolv och stoppdatum
• följ upp per kanal varje vecka (inte per kvartal)

Konkreta exempel: så tjänar du på att inte få panik

När stora event ändrar karaktär kan tidig data lura dig. Ett klassiskt scenario: förr stannade konferensgäster 4–5 nätter, nu kanske de stannar 3. Om du förväntar dig den gamla kurvan ser det “svagt” ut tidigt – och du riskerar att sänka pris precis när du borde hålla.

Två mönster återkommer i volatil marknad:

1) “Håll pris tills du vet – inte tills du tror”

Om din verkliga efterfrågan kommer i fönstret 0–7 dagar, då är rabatter i 7–14-dagarsfönstret ofta rena gåvor. Disciplin här kan ge tydliga resultat: samma rumsnätter, högre ADR, stabilare RevPAR.

2) Titta på konkurrenternas beteende – men på rätt nivå

Det räcker inte längre att jämföra BAR. Konkurrenter kan justera:

• advance purchase-ledtider (t.ex. från 7 dagar till 1 dag)
• rabattsatser utan att ändra BAR
• policy (flex vs non-ref)

AI-stöd i revenue management kan flagga sådana förändringar i realtid, vilket ofta är skillnaden mellan att “tappa share utan att förstå varför” och att svara med rätt åtgärd.

Så bygger du en AI-stött process för intäktsstyrning (utan att byta allt)

Du behöver inte riva upp hela din kommersiella struktur för att få effekt. Det som gör störst skillnad är att bygga en loop där data → beslut → uppföljning går snabbare.

En enkel 30-dagars startplan

Vecka 1: Datagrund och beteendekarta

• Kartlägg verkligt bokningsfönster per segment (transient/grupp/corporate)
• Mät avbokningar per rate plan (flex/non-ref)

Vecka 2: Regler för små justeringar

• Sätt tydliga trösklar: när sänker du 2–3 %, när håller du, när höjer du?
• Inför en rutin för compset-check på villkor (inte bara pris)

Vecka 3: Prognos som scenarier, inte facit

• Kör 3 scenarier: bas/konservativ/aggressiv
• Planera åtgärder per scenario (inte bara “vi får se”)

Vecka 4: Automatisera det repetitiva

• Låt AI/verktyg föreslå prisintervall och flagga avvikelser
• Behåll mänskligt beslut för större policybyten och strategiska event

Det här är en realistisk väg för många svenska hotell: börja med att göra besluten mer konsekventa och snabbare, och låt AI ta hand om signalspaning och mönsterigenkänning.

Vad som krävs av revenue leadership 2026

Det viktigaste ledarskapet i revenue management just nu är inte att “ha rätt pris”. Det är att skapa en organisation som kan ändra sig utan att skapa kaos.

• Frekvent synk mellan ägare, sälj, drift och revenue minskar ryckiga beslut.
• Tydliga principer (när håller vi, när flexar vi) minskar känslostyrning.
• Framåtblickande data ger mod att inte sänka pris bara för att det känns tunt i böckerna.

Och för hotell i Sverige – där efterfrågan kan svänga snabbt mellan vardag/helg, stad/region och internationellt/inrikes – är den här disciplinen ofta skillnaden mellan ett “okej år” och ett riktigt starkt år.

Avslutningsvis: Osäkerhet går inte att förhandla bort. Men den går att hantera. AI i intäktsstyrning handlar i grunden om att fatta fler små, korrekta beslut – och färre stora panikbeslut.

Om du skulle skala upp en sak inför 2026, vad väljer du då: fler manuella möten om siffror som redan är gamla – eller ett arbetssätt där data, prognos och prissättning uppdateras i takt med marknaden?