Revenue management e psicologia cognitiva: i bias che sabotano la strategia tariffaria

Il nemico più pericoloso della tariffa ottimale

Gli algoritmi di pricing non sbagliano. Lo fanno le persone che li usano — o che li ignorano.

Il revenue management si è evoluto in un sistema di grande sofisticazione matematica: modelli di ottimizzazione, curve di pickup, price elasticity, segmentazione della domanda. Eppure, in migliaia di strutture alberghiere, le decisioni tariffarie finali vengono ancora prese da esseri umani che operano sotto pressione, con informazioni incomplete e in preda a stati emotivi che distorcono il giudizio in modo sistematico e prevedibile.

Il paradosso è ben documentato dalla ricerca sul behavioral operations management: nei periodi di bassa domanda, la paura dell'invenduto spinge i manager a contrarre prematuramente i prezzi. Nei periodi di alta stagione, l'euforia della scarsità porta a sopravvalutare la disponibilità a pagare del cliente. In entrambi i casi, il risultato è lo stesso: un ricavo inferiore a quello che il mercato avrebbe consentito.

Comprendere questi meccanismi non è un esercizio accademico. È la differenza tra un revenue manager che lavora per il sistema e uno che lavora contro sé stesso.

La bassa pressione: cinque bias che abbassano i prezzi troppo presto

Quando il ritmo di prenotazione rallenta e l'occupazione si attesta al di sotto delle proiezioni, la camera invenduta viene percepita come una perdita finanziaria immediata e irreversibile. Il servizio ricettivo è per definizione deperibile: la camera di stanotte che non si vende stasera non può essere recuperata domani. Questa condizione di pressione temporale attiva una serie di euristiche cognitive che deformano la valutazione in modo sistematico.

1. Avversione alla perdita

Secondo la prospect theory, gli individui valutano i risultati in relazione a un punto di riferimento soggettivo — il budget, lo storico dell'anno precedente, l'occupazione "attesa". Il dolore psicologico associato a una camera vuota è circa il doppio rispetto al piacere di una camera venduta a tariffa piena. Questa asimmetria spinge il manager verso comportamenti difensivi irrazionali: meglio incassare 120€ adesso che rischiare di non incassare nulla.

Il problema è che questa logica trascura la domanda che deve ancora entrare nel mercato e il lead time diverso dei segmenti ad alta contribuzione — che spesso prenotano più tardi dei segmenti price-sensitive.

2. Action bias

Di fronte a performance negative, i decisori mostrano una preferenza sistematica per l'intervento attivo — abbassare il prezzo — rispetto al mantenimento di una posizione d'attesa strategica, anche quando la lentezza delle prenotazioni dipende da variazioni fisiologiche del lead time o della composizione della domanda. Fare qualcosa sembra sempre meglio di non fare nulla. Ma in revenue management, molte delle mosse migliori sono mosse di non-intervento.

3. Ancoraggio al budget

Lo scostamento negativo rispetto alle metriche di budget viene letto come un problema di competitività tariffaria — e la risposta automatica è lo sconto. Questo ignora che il gap può essere causato da fattori macroeconomici della destinazione, da un cambiamento nella composizione della domanda o da un semplice anticipo stagionale delle prenotazioni. Il budget è un riferimento, non una diagnosi.

4. Herding competitivo

Quando i competitor abbassano i prezzi, molti manager assumono che questi dispongano di informazioni di mercato migliori o più aggiornate — e seguono l'esempio. Il risultato è una dinamica imitativa di svalutazione che abbassa l'ADR dell'intero mercato senza che nessuna struttura ne benefici in modo netto. Il compset non è una guida: è un sistema di amplificazione degli errori collettivi.

5. Recency bias

L'andamento del pickup degli ultimi giorni viene proiettato sull'intero orizzonte futuro. Tre giorni di prenotazioni deboli diventano la previsione per le prossime tre settimane. Questo distorce la percezione della domanda latente e porta a decisioni tariffarie basate su un campione troppo piccolo e troppo recente per essere rappresentativo.

Sotto l'influenza combinata di questi bias, il ribasso tariffario si trasforma in una profezia che si autoavvera: la struttura comunica debolezza, attrae clientela iper-price-sensitive, e conclude erroneamente che il mercato non era disposto a pagare di più — confermando la propria decisione iniziale.

L'alta pressione: quattro bias che alzano i prezzi troppo in fretta

All'opposto, quando il pickup accelera e l'occupazione cresce a ritmi superiori alle aspettative, si produce una condizione di euforia speculativa che altera la percezione della scarsità.

Overconfidence

Si manifesta come una sovrastima sistematica della capacità della struttura di mantenere il ritmo di vendita anche dopo incrementi tariffari aggressivi. Questo bias è amplificato dalla mancanza di trasparenza degli algoritmi dei sistemi RMS — trattati spesso come "black box" — che spinge il manager a fidarsi del proprio istinto piuttosto che dei dati ottimizzati dal sistema. La ricerca dimostra che gli override discrezionali sui sistemi RMS hanno un impatto negativo misurabile sulla performance complessiva.

Estrapolazione lineare

L'assunto implicito che la velocità di prenotazione osservata nelle fasi iniziali continuerà costante fino alla data del soggiorno. In realtà la curva di pickup è quasi sempre non lineare, con accelerazioni e decelerazioni che dipendono dal segmento, dal canale e dalla composizione della domanda residua.

Confirmation bias

Il decisore ricerca e valorizza selettivamente i dati che supportano la sua decisione di alzare ulteriormente i prezzi, ignorando i segnali contrari: calo delle ricerche online sulla destinazione, contrazione del tasso di conversione, riduzione delle richieste di preventivo. I dati che contraddicono la narrativa vengono inconsciamente filtrati.

Winner's Curse

La rapida accettazione da parte del mercato di tariffe elevate viene interpretata come prova che il prezzo impostato sia ancora troppo basso, inducendo continui aumenti speculativi. "Se abbiamo venduto velocemente a 250€, possiamo stare a 320€." Quello che questa logica non considera è che il mercato non scompare in modo assoluto: si rialloca verso competitor, date alternative, tipologie di alloggio diverse o destinazioni diverse. L'overpricing è particolarmente rischioso quando non trova riscontro nei volumi di ricerca della destinazione — non solo nei livelli di occupazione interni alla struttura.

Il pattern "troppo basso – troppo alto" e il problema dell'allocazione

La ricerca accademica evidenzia una distinzione importante tra le decisioni sui prezzi e le decisioni sull'allocazione della capacità distributiva. Rifacendosi al modello a due classi di Littlewood (1972), gli esperimenti mostrano che mentre le decisioni di prezzo tendono ad avvicinarsi ai valori ottimali, le scelte di allocazione e protezione della capacità deviano sistematicamente secondo un pattern "troppo basso — troppo alto": nelle fasi iniziali si alloca troppa capacità ai segmenti basici (sottostima della domanda premium tardiva), nelle fasi finali si protegge troppo (eccesso di camere riservate che rimangono invendute).

Questo pattern è aggravato dal mental accounting bias: il manager tende a tenere una contabilità mentale separata per i diversi segmenti e fasi temporali, invece di ottimizzare il ricavo complessivo dell'inventario. Il risultato è una serie di micro-decisioni localmente razionali ma globalmente sub-ottimali.

Il caso agosto: un mercato che non è più quello che credi

Agosto è il laboratorio perfetto per osservare l'interazione tra i bias cognitivi e i cambiamenti strutturali della domanda. Per decenni è stato trattato come un monolite: alta stagione omogenea, domanda anelastica, prezzi massimi garantiti indipendentemente dalla strategia. Questa lettura è diventata obsoleta.

I dati ISTAT sugli arrivi e le presenze turistiche mostrano una tendenza chiara: mentre il totale annuo continua a crescere, agosto registra una contrazione relativa rispetto agli altri mesi estivi. La struttura della domanda si è frammentata: luglio e settembre assorbono quote crescenti di flusso turistico, sia domestico che internazionale. Il turista straniero — storicamente il segmento con la WTP più alta e il lead time più lungo — tende a evitare i picchi di agosto per ragioni di sovraffollamento, caldo estremo e prezzi percepiti come inflazionati. Il turista domestico accorcia le vacanze e le distribuisce in più periodi.

Questo significa che applicare a tutto agosto la stessa politica tariffaria "alta stagione massima" produce risultati sempre più disomogenei: la prima e l'ultima settimana di agosto hanno curve di domanda strutturalmente diverse dal Ferragosto. I fine settimana si comportano diversamente dai giorni infrasettimanali. I segmenti leisure famiglie hanno lead time molto diversi dai giovani coppie o dai viaggiatori solo.

Il bias cognitivo più pericoloso in questo contesto è il recency bias storico: agire come se il comportamento della domanda di agosto 2019 fosse ancora valido nel 2026. Agosto è cambiato. La strategia tariffaria deve cambiare con lui.

Come costruire un sistema anti-bias

La soluzione non è eliminare il giudizio umano dal revenue management — è strutturarlo in modo da ridurre l'influenza dei bias più dannosi.

Regole di decision-making esplicite: definire in anticipo i criteri che giustificano un'azione tariffaria (es. "abbasso il prezzo solo se il pickup a 21 giorni è inferiore del 30% rispetto allo storico E le ricerche sulla destinazione sono in calo"). Avere una regola scritta prima della pressione emotiva riduce drasticamente le decisioni reattive impulsive.

Dati di domanda esterna, non solo interna: l'occupazione on-the-books è un indicatore tardivo. Integrare nel processo decisionale i dati di ricerca online sulla destinazione (Google Trends, search demand degli OTA) permette di distinguere un calo del pickup strutturale da un semplice spostamento temporale della domanda.

Revisione dei prezzi per segmento e finestra temporale: invece di gestire "la tariffa di agosto", gestire la tariffa per finestre specifiche (prime 10 giorni, Ferragosto, fine mese) e per segmento (famiglia, coppia, business). La granularità riduce l'effetto del recency bias perché ogni sotto-segmento ha il suo storico.

Post-mortem sistematici: dopo ogni periodo di alta stagione, confrontare le decisioni prese con i dati effettivi. Dove si è abbassato il prezzo mentre la domanda stava arrivando? Dove si è alzato troppo in fretta perdendo conversione? Questo feedback loop è l'unico modo per correggere i pattern sistematici nel tempo.

Separare il processo di pricing dall'override: gli override sui sistemi RMS non dovrebbero essere decisioni individuali del singolo revenue manager ma essere documentati, motivati e oggetto di review periodica. La consapevolezza che la propria decisione verrà analizzata riduce l'influenza dell'overconfidence.

---

Il mercato non è irrazionale. I revenue manager, a volte, sì. La differenza tra una struttura che estrae il valore massimo dal proprio inventario e una che lo lascia sul tavolo spesso non è la mancanza di dati o di strumenti — è la qualità del processo decisionale umano che li interpreta. Conoscere i propri bias non li elimina, ma crea lo spazio per interrogarli prima di agire.

CUE Compass traccia il pickup per segmento e finestra temporale per supportare decisioni tariffarie basate su dati, non su percezioni →