需要予測の基本フレーム
出典: 観光庁「宿泊旅行統計調査（2024年）」、STRグローバル公表資料、ビジネスブレーンPMS導入施設ベンチマーク（参考値）
需要予測（Demand Forecasting）とは、将来の予約数・OCC（客室稼働率）・ADR（平均客室単価）を、過去データ・市場環境・自館の販売状況から事前に見積もる作業です。需要予測は単なる「当てっこ」ではなく、価格・在庫・販促・人員配置の意思決定の土台になります。精度が低いと、オーバーブッキングや逸失売上、過剰な値下げなど具体的な損失に直結します。
需要予測の基本フレームは「ベース需要＋イベント補正＋競合補正＋自館補正」の4層です。ベース需要は過去3年の同曜日・同月の平均、そこに地域イベント・天候・祝日配置などの外部要因を加え、競合レートと自館プロモーションの効果を重ねて最終予測値を置きます。
予測の時間軸を分ける
予測は時間軸で性質が変わります。長期（90日超）はトレンドとイベントが主軸、中期（30〜90日）は予約進捗とブッキングカーブが主軸、短期（30日以内）は直前ピックアップと競合動向が主軸になります。同じ「需要予測」でも見る数字とロジックが違うため、時間軸ごとにテンプレートを分けると精度が上がります。
セグメント別に分解する
全体OCCだけを予測すると、セグメント変化を見逃します。「個人OTA」「直予約」「法人契約」「団体」「インバウンド」の最低5区分で予測を立て、合算を最終値とするのが基本です。セグメントごとのリードタイムとキャンセル率が異なるため、分解することで予測の根拠が説明可能になります。
予測誤差の測り方：MAPE・MAE
需要予測の精度を定量的に測る指標として、MAPE（Mean Absolute Percentage Error、平均絶対パーセント誤差）とMAE（Mean Absolute Error、平均絶対誤差）が広く使われます。これらは予測と実績の差を「どれくらい外したか」の観点で数値化するものです。
図1: 予測と実績の乖離推移（直近7週） / 出典: ビジネスブレーン作成
MAPEとMAEの使い分け
MAPEは「実績に対して何%外したか」を示すため、規模が異なる日同士を比較できます。一方、MAEは絶対値（客室数や売上円）で誤差を示すため、営業インパクトを直感的に把握できます。OCC予測ではMAPE、売上予測ではMAEを主指標に置く施設が多い印象です。
目標値の置き方
一般に、熟練レベニューマネージャーの週次OCC予測のMAPEは10〜15%、経験の浅い担当では20〜30%のレンジに収まることが多いと言われます。まず自館の現状値を測り、四半期で2〜3ポイント改善を目標にするのが現実的です。最初から「5%以内」などの過剰な目標を置くと、予測を保守的に丸めるだけで学びが止まります。
データ×経験値のハイブリッド予測
機械学習やAI需要予測ツールの精度は年々上がっていますが、データだけでは拾えない情報があります。地域の新規イベント、競合の突発的なキャンペーン、団体予約の動き、天候急変、地元の行政判断など、いずれも過去データからは推定しにくい事象です。ここに現場の経験値が効きます。
ベースはデータ、補正は人間
実務で機能するのは「ベース予測はデータに任せ、補正は人間が加える」という役割分担です。過去3年分のPMSデータから同曜日・同シーズンのベースラインを算出し、そこにセールス担当が知る団体情報、現場が感じる直前の変化、総支配人が把握する競合動向を上乗せします。数字の骨格は機械、肉付けは人間という分業です。
補正ログを残す
経験値で補正した際には、「誰が・どの日に・何%・なぜ補正したか」を必ずログに残します。予測が当たった／外れた後に振り返り、補正ロジックを更新できるようにするためです。このログがないと、補正は個人の勘に閉じてしまい、組織として精度を高められません。
「AIの予測が実績に近かった」のか「人間の補正が効いたのか」を切り分けられる状態を作ることが、組織として予測精度を上げる最初の一歩です。補正ログは面倒ですが、3カ月で効果が見えます。
精度改善サイクル（週次・月次）
需要予測の精度は、予測モデルを高度化するより改善サイクルを回すほうが効果的です。週次と月次で見る指標を分け、それぞれ30分・60分程度の短時間で回せる運用が続けやすいサイクルです。
週次レビュー：直近の外れを3件まで
週次では、直近1週間で予測と実績の乖離が大きかった日を3件までピックアップし、外した理由を1件ずつ言語化します。「団体の動きを見逃した」「競合の値下げに気づかなかった」「イベントカレンダーが古かった」など、原因を分類するとパターンが見えます。改善アクションは翌週の予測に反映します。
月次レビュー：MAPEの推移を追う
月次では、MAPE・MAEの推移をセグメント別・時間軸別に追い、改善しているかを確認します。特定のセグメントだけ悪化している場合、そのセグメントの予測ロジックを見直します。月次で悪化が続く場合は、モデルの前提（たとえば参照する過去年数）を変える検討に入ります。
四半期レビュー：モデル更新の判断
四半期に一度、MAPEの絶対値と改善幅を評価し、モデル自体の入れ替えや外部ツールの導入を判断します。継続的に改善が止まっている場合は、過去データだけでは説明できない構造変化が起きている可能性が高く、競合分析・市場調査と組み合わせた判断が必要です。
ツール例と選定基準
需要予測に使えるツールは、PMS内蔵の予測機能、専用RMS（Revenue Management System）、表計算＋自館独自モデルの3タイプに大別できます。施設規模・データ量・運用体制でどれが適するかが変わります。
選定の3基準
- データ連携範囲：PMS・サイトコントローラー・予約エンジン・会計システムをどこまで自動連携できるか。手入力が増えるツールは続きません。
- 可視化と説明可能性：予測の根拠が「なぜその数字になったか」を追える設計か。ブラックボックスは現場への浸透が遅れます。
- 運用コスト：月額費用だけでなく、学習コスト・補正ログの記録コスト・トラブル対応までを含めて評価します。
ビジネスブレーンのホテルダッシュボードは、PMS・サイトコントローラー・予約エンジンのデータを自動連携し、予測と実績の乖離・MAPE推移・セグメント別予測をダッシュボードで常時可視化します。詳細はホテルダッシュボードのサービス紹介をご覧ください。