客室30室の温泉旅館がAI需要予測で稼働率を12%上げた話

結論：需要予測AIを入れると、値付けと仕入れが変わる

長野県の山間部にある客室30室の温泉旅館「仮称・松風荘」は、AI需要予測ツールを導入してから1年で稼働率を62%から74%へ、12ポイント引き上げた。売上ベースでは同期間比で約18%増。客室を増やしたわけでも、スタッフを増員したわけでもない。変わったのは「いつ、いくらで売るか」の判断精度だけだ。

この記事では、同旅館の取り組みを具体的な数値と手順とともに紹介する。需要予測AIが何を変えたのか、どのようなプロセスで導入したのかを整理することで、同規模の旅館が同じ取り組みを再現できるよう構成した。

---

なぜ稼働率が上がらなかったのか

松風荘は開業30年の老舗旅館で、大手OTA2社と自社サイトで予約を受けている。繁忙期は週末と年末年始に集中しており、平日の閑散期は稼働率が30%を下回る日も珍しくなかった。

問題の根本は「需要を読めていなかった」ことにある。価格は季節ごとの固定料金表に従って設定しており、旅行需要が高まる連休や大型イベントの前後でも値上げのタイミングが遅れ、早期に満室になって機会損失が発生していた。逆に平日は単純に安くするだけで、どこまで下げれば予約が入るかの根拠がなかった。

オーナーの言葉を借りれば「感と経験で値付けしていたが、その感が正しかったかどうか後から確認する手段がなかった」という状況だ。

---

AI需要予測ツールとは何をするシステムか

需要予測AIは、過去の予約データ・OTAの検索トレンド・祝日や地域イベントのカレンダー・気象データなどを組み合わせて、「特定の日の予約需要がどれくらい見込めるか」を数値で出すシステムだ。

出力されるのは主に2つ。

出力	内容	活用場面
需要スコア	日別の需要強度を100点満点などで数値化	価格・プロモーション判断
推奨価格	需要スコアに基づく最適販売価格	OTAへの料金設定

需要スコアが高い日は価格を上げても予約が入りやすく、低い日は早めに値下げして集客する。この判断をAIがリアルタイムで更新し続けることで、人間が毎日カレンダーを見ながら値付けする作業を省力化しつつ、判断精度を高める。

ダイナミックプライシング（需要に応じた価格の自動変動）と組み合わせると、需要予測の出力を価格変更に直結させることができる。松風荘が導入したツールはOTAの料金管理と連動しており、推奨価格の適用を半自動化した。

---

導入前の状況：どんなデータがあったか

ツール選定の前提として、松風荘が保有していたデータは以下の通りだ。

• 予約管理システム上の過去3年分の予約実績（入泊日・客室タイプ・人数・販売単価）
• 大手OTA2社のエクストラネットから取得できる検索数・競合価格データ
• 自社サイトのアクセスログ（Googleアナリティクス経由）

不足していたのは、地域の観光イベント情報を構造化したデータと、競合他社の稼働率情報だった。前者は導入後に手作業でカレンダーに入力、後者はツール側がOTAから匿名集計したベンチマークデータで補完する形を取った。

小規模旅館では「データが足りないから導入できない」と思われがちだが、実際にはOTA連携データを使うツールが多く、自社の予約管理システムのデータだけで始めることも技術的には可能だ。ただし精度に影響するため、導入前にどのデータを持っているかを棚卸ししておくとよい。

---

どのツールを選んだか、選定の基準

松風荘が最終的に採用したのは宿泊業向けに特化したSaaS型の需要予測ツールで、月額費用は7万円台だった。選定にあたって比較した軸は次の4点だ。

1. OTA・予約管理システムとの連携可否 料金変更をOTAに反映する際、エクストラネットへの手入力が残るとオペレーションが煩雑になる。自社が使っているOTA2社と直接API連携できることを必須条件とした。

2. 予測精度の根拠が説明できるか 「なぜこの価格を推奨するのか」を画面上で確認できるツールを選んだ。根拠が見えないと現場スタッフが信頼できず、推奨価格を無視するケースが増えて運用が崩れる。

3. 初期設定のサポート体制 過去データのインポートや初期チューニングに専任担当がつくかどうかを確認した。IT担当者がいない旅館では、ここでつまずいて活用できないまま解約するケースが多い。

4. 月額費用と回収見込みのバランス 月額7万円のツールを入れるなら、稼働率を何ポイント、あるいは客単価を何%改善すれば回収できるかを事前に試算した。30室・平均単価1万5千円の旅館では、年間稼働率を1ポイント改善するだけで約160万円の増収になるため、費用対効果は試算しやすい。

旅館向けの需要予測・収益管理ツールの詳しい比較は旅館向けボイスボット比較2026年版などの記事も参考にしてほしいが、需要予測系ツール自体の比較記事は別途まとめる予定だ。

---

導入ステップ：何を、どの順序でやったか

松風荘の導入プロセスを時系列で整理する。

ステップ1：過去データの棚卸しとクレンジング（1〜2週間）

予約管理システムから過去3年分のデータをCSVで書き出し、ツールのテンプレートに合わせて整形した。作業の大半はデータの「名寄せ」で、客室タイプの表記ゆれや、キャンセル後に再予約された履歴の重複を除去する作業に時間がかかった。

ここを省略すると予測精度が落ちるため、ツールベンダーのサポートを使いながら丁寧に対応した。

ステップ2：イベントカレンダーの作成（3日程度）

地域の祭り・花火大会・スキーシーズンの開始日・近隣の大型施設のイベント日程をスプレッドシートにまとめ、ツールに読み込ませた。これにより、イベント前後の需要スパイクを予測精度に反映できるようになった。

ステップ3：初期チューニングと試算（2〜3週間）

ツールが出す推奨価格と、実際に入力した価格・その後の予約状況を2〜3週間並走させて比較した。このフェーズでは推奨価格をそのまま適用せず、「推奨価格を参照しながら最終判断は人間がする」運用にして、ツールの傾向を把握した。

ステップ4：半自動運用への移行（導入2ヶ月目〜）

初期チューニングを経て推奨価格への信頼度が上がったため、「推奨価格から±10%以内の変動は自動適用、それ以外はオーナーが承認」というルールを設定した。OTA2社への料金反映も自動化し、週に一度の確認作業に置き換えた。

---

稼働率12%改善の内訳

1年後の結果を分解すると、改善の要因は3つに分けられる。

要因	稼働率への寄与	内容
高需要日の早期完売防止	+5ポイント	繁忙期の値上げタイミングが早まり、満室前の機会損失が減少
閑散期の値下げ精度向上	+4ポイント	予約が入る下限価格の把握により、過度な値下げなしに集客
中間期のプロモーション最適化	+3ポイント	需要スコアが中程度の週に早割プランを投入するタイミングが改善

特に効果が大きかったのは1点目だ。以前は週末の予約が増え始めてから値上げを検討していたが、ツールの予測によって「3週間前の時点で高需要が見込める日」を特定できるようになり、早期割引を設定しない判断ができるようになった。結果として、繁忙期の平均単価も導入前比で8%上昇した。

稼働率と客単価が同時に改善したことで、RevPAR（1室あたりの売上）は19%増という結果になった。

---

需要予測AIが波及した3つの業務

需要予測の精度が上がることで、価格設定以外の業務にも変化が生まれた。

食材の仕入れ計画 需要予測で1ヶ月先までの予約見込みが数値化されると、食材の発注量を在庫ロスを出さずに計算しやすくなった。以前は経験則で多めに発注して廃棄が出ていたが、廃棄ロスが月あたり12%削減できた（オーナー概算）。

清掃・調理スタッフのシフト計画 2〜3週間後の入泊予測が見えることで、繁忙期のパートスタッフ確保が早くなった。急な欠員補充が減り、スタッフの不満も下がったという。

OTAへのプロモーション申請 OTAが提供する早割プランやタイムセールへの参加判断を、需要スコアに基づいて決めるようになった。スコアが低い期間だけタイムセールを申請することで、プロモーション費用を抑えながら集客効果を最大化している。

こうした波及効果は、導入当初は想定していなかったが、データが業務の判断軸になることで自然に広がっていった。宿泊業のDX全体の進め方については旅館DXはじめて入門も参考になる。

---

中小旅館が陥りやすい失敗パターン

松風荘のケースは順調に進んだが、同様の取り組みで失敗する旅館が陥りやすいパターンは明確だ。

ツールの推奨を無視する 現場スタッフが「自分の感覚のほうが正しい」と推奨価格を使わない状態が続くと、ツールの効果が出ない。導入初期に推奨と実績を比較して信頼感を醸成するステップを省略すると、このパターンに陥りやすい。

データクレンジングを後回しにする 質の低いデータを入れると予測精度が上がらない。「とりあえず動かしてみる」で始めると、3ヶ月後に結果が出ず解約するサイクルになる。

価格だけに注目して、プロモーション設計と連動させない 需要予測の価値は価格変更だけでなく、プロモーションのオン・オフの判断にも活きる。価格しか見ていないと、改善効果が限定的になる。

競合の動きを無視する 自社の需要スコアが高くても、競合が大幅値下げしていれば予約は分散される。競合価格データをツールに取り込んでいるかを確認する必要がある。

---

導入を検討する前に確認すること

AI需要予測ツールの導入を検討する前に、以下の3点を確認しておくと意思決定がスムーズになる。

1. 過去2年以上の予約実績データが取り出せるか：予約管理システムからCSVで書き出せるかを事前に確認する。紙台帳や古いシステムの場合はデータ移行に別途コストがかかる。

2. OTAへの料金反映を今どうやっているか：手入力で毎日更新しているなら、ツール連携で省力化できる部分が大きい。逆にすでにサニタリーチャネルマネージャーを使っているなら、そこへの連携可否を確認する。

3. 価格変更の決裁フローがあるか：「オーナーが最終承認」でも構わないが、変更の頻度と承認のタイムラグを把握しておかないと、自動化の恩恵を受けにくくなる。

旅館の予約管理システム全体の見直しも必要な場合は旅館PMS選定チェックリストを先に読んでおくと、ツール選びの全体像が整理できる。

---

まとめ

客室30室の温泉旅館でも、AI需要予測ツールを正しく運用すれば稼働率を10ポイント以上改善できる。松風荘の事例が示すのは、高価なシステムや大規模な組織変更なしに、「値付けの判断精度を上げる」だけで収益構造が変わるという事実だ。

重要なのは、導入前のデータ整備と、初期チューニング期間を省略しないことだ。ツールを入れるだけで自動的に結果が出るわけではなく、過去データの質と運用の設計が精度を決める。

OTA手数料や直販比率の戦略と組み合わせてさらに収益を最適化したい場合は、旅館OTA手数料と直販戦略も参照してほしい。需要予測で「いつ売るか・いくらで売るか」を最適化した上で、「どこから売るか」の構造を整えることが、中小旅館が収益を最大化するための現実的な道筋だ。

---

よくある質問

Q. AI需要予測ツールは客室30室程度の小規模旅館でも使えますか？

使えます。近年のSaaS型ツールは月額数万円から導入でき、過去データが少なくてもOTA連携データや地域の観光統計を補完情報として使うものが増えています。ただし精度は蓄積データ量に比例するため、導入後半年〜1年で本領を発揮します。

Q. AI需要予測で稼働率を上げるのに必要なデータは何ですか？

最低限必要なのは過去2〜3年分の予約実績（入泊日・客室タイプ・宿泊人数・販売単価）です。加えてOTA経由の検索数データ、地域の祭事・イベントカレンダーを連携できると予測精度が大きく上がります。

Q. ダイナミックプライシングと需要予測は別物ですか？

需要予測は「この日の需要はこれくらい」と数値で示すフェーズ、ダイナミックプライシングはその予測を受けて価格を自動調整するフェーズです。セットで運用することで稼働率と客単価の両方を最適化できます。

Q. AI需要予測ツールの導入費用はどれくらいかかりますか？

SaaS型であれば初期費用10〜30万円、月額3〜10万円程度が相場です。ただし規模や連携するOTA・予約管理システムの数によって変動するため、最新は各ツールの公式サイトで確認してほしい。