AIで宿泊需要を予測し採用・仕入れ計画に生かす

結論：需要予測を「人と食材の計画」に直結させると、コスト構造が変わる

旅館・ホテルの収益を圧迫する二大コストは人件費と食材費だ。この両方を削減する最も確実な手は、需要予測の精度を上げ、採用・仕入れの意思決定を前倒しにすることにある。

AIを使った需要予測は「稼働率を上げるツール」として語られることが多いが、実際に経営インパクトが大きいのは採用計画と仕入れ計画への応用だ。繁忙期に人手が足りず直前で高コスト採用をする、閑散期に食材を過剰発注して廃棄が出る——この二つの問題は、需要の読み間違いから生まれる。予測精度を1段階上げるだけで、この構造的な損失を大きく減らせる。

---

需要予測の「入力データ」と「出力できること」

AIが需要予測に使うデータは主に5種類ある。

データ種別	具体的な内容	影響する予測項目
予約実績	過去2〜5年分の日別予約数・客室タイプ別稼働率	季節性・曜日パターン
キャンセルデータ	キャンセル率・タイミング・客層	実稼働の補正
OTA検索トレンド	特定エリアの検索ボリューム推移	予約の先行指標
祝祭日・イベント	連休カレンダー・地域イベント・近隣大型宿の閉鎖情報	需要の急騰タイミング
外部環境データ	天候・航空・新幹線の運行情報	直前キャンセルリスク

これらを組み合わせたAIモデルが出力するのは「3ヶ月後のある週末の稼働率は78%、先月比+12%」という具体的な数値だ。「たぶん混む」という感覚値ではなく、数字として計画に組み込める形になる。

---

なぜ今まで旅館の需要予測は「勘」で動いていたのか

旅館の予約パターンは複雑だ。OTA・電話・自社サイト・旅行代理店と流入経路が分散し、直前予約と早期予約が混在する。年間を通じた傾向は分かっても、3週間後の特定週を精緻に読むのは人間の処理能力の限界に近い。

それでも多くの旅館が長年「勘と経験」で運営できていたのは、変動幅が小さかったからだ。固定客の比率が高く、毎年同じ時期に同じくらい入る。しかしコロナ以降、この前提が崩れた。需要の振れ幅が大きくなり、インバウンドの急増・急減が加わった。勘だけでは対応しきれない局面が増えている。

AIで宿泊単価を上げる価格設計の考え方でも触れているように、価格最適化とセットで需要予測を使うとADRと稼働率の両立に近づく。ただし今回のテーマはコスト側だ。需要予測の使い道を採用と仕入れに絞って考える。

---

採用計画への応用：「直前高コスト採用」から抜け出す

繁忙期直前のアルバイト採用は割高だ。求人広告費、採用担当者の工数、そして教育コストがかさむ。さらに直前採用した人材は業務を覚える前に繁忙期が始まるため、サービス品質にも影響が出る。

AIによる需要予測を採用計画に組み込む手順は次の通りだ。

ステップ1：予測値を人員必要数に換算する

稼働率の予測値を実際のシフト必要人数に変換するルールを作る。例えば「稼働率70%以上の週末は客室係を通常比1.5倍確保する」「稼働率90%超が3日以上続く期間はフロントを2名追加する」という換算式だ。この換算式は施設ごとに違うため、過去の繁忙期データと実際の投入人員を照合して設計する。

ステップ2：採用リードタイムを逆算する

採用から即戦力化まで何日かかるかを工程で把握する。求人掲載〜応募〜面接〜採用〜研修〜独り立ちまでの日数が施設によって異なる。仮に45日かかるなら、45日先の需要予測が採用判断のトリガーになる。

ステップ3：採用カレンダーを年間で設計する

予測値から逆算した採用タイミングを年間カレンダーに落とす。「6月に夏の繁忙期向けアルバイト採用を開始する」という判断が、予測データから自動的に導かれる状態にする。

この運用に切り替えた旅館では、繁忙期の求人広告費が前年比30〜40%減るケースが報告されている。求人を出さなければならない回数が減り、研修時間が確保できるため教育コストも下がる。

---

仕入れ計画への応用：食材廃棄と欠品を同時に減らす

旅館の食材費は売上の25〜35%を占めることが多い。廃棄と欠品の損失はそれぞれ形が違う。廃棄はコスト増として直接現れるが、欠品は代替品の急調達や品質の低下として間接的に経営を傷つける。

需要予測から仕入れ計画を作る流れ

1. 稼働率予測から宿泊者数の予測値を出す
2. 宿泊者数×プランごとの食事提供率からカバー数を推計する
3. カバー数×メニュー別の使用量から食材必要量を算出する
4. 在庫との差分を発注量として仕入れ先に送る

このフローをExcelで手動で回している施設は多いが、需要予測の数値を起点に自動化すると週次の仕入れ判断が半日から1時間程度に短縮できる。

特に精度が出やすいのは使用量が安定している食材だ。米・だし・定番食材は予測値との連動が効きやすい。一方で旬の食材や産地直送品は予測より仕入れ先との関係性が先に来るため、全自動化は難しい。「型のある食材は予測に従い、特殊食材は経験で補う」という分担が現実的だ。

廃棄率が高い施設では、仕入れ計画を需要予測と連動させることで食材費を月間で数十万円削減した事例もある。ただし施設規模・メニュー構成・仕入れルートによって効果は変わるため、最初は一部食材で試験導入してデータを取ることを勧める。

---

需要予測ツールの選び方：旅館が確認すべき3点

市場にはPMS連携型のレベニューマネジメントツールからスタンドアローンの予測システムまで様々な製品がある。旅館が選定時に確認すべき点を3つに絞る。

1. 自施設のPMSと連携できるか

予約データを自動取得できないと、予測の精度が上がらない上に手入力の工数が発生する。自施設が使うPMSとの連携可否を最初に確認する。連携方法・頻度・コストも確認が必要だ。

2. 予測の根拠が説明できるか

「AIが出した数字」だけでは経営判断に使いにくい。「なぜその稼働率を予測したか」の根拠が画面上で確認できるツールを選ぶ。根拠が見えると現場スタッフも納得して動ける。

3. 採用・仕入れへの出力形式

予測値を「稼働率の数値」で出力するだけのツールと、「必要人員数」「推奨発注量」まで変換して出力するツールがある。後者は使いやすいが設定のカスタマイズが必要な場合もある。自施設の運用フローに合う出力形式かを確認する。

各ツールの具体的な比較は旅館向けレベニューマネジメントツール比較を参照してほしい。料金・仕様は変わることがあるため、最新情報は各社の公式サイトで確認してほしい。

---

予測精度を上げるためにデータ側でやるべきこと

ツールを導入しても予測精度が出ない場合、原因はほぼデータ品質にある。

予約データのクリーニング OTA・電話・自社サイト・旅行代理店からの予約が別々のシステムに入っていると、集計段階で重複や欠損が生まれる。チャネルマネージャーを使って一元管理できていない施設は、まずこの統合から始める。

キャンセルデータの分類 キャンセルを「発生した/しない」だけでなく、「いつ・誰が・何泊のキャンセルか」を記録していないとキャンセル予測の精度が出ない。PMSのキャンセル記録設定を見直す。

過去データの年数 2〜3年分のデータがあれば季節性のパターンは学習できる。コロナ前後でパターンが大きく変わった施設は、コロナ前のデータを参照するかどうかをツール側で設定できるか確認する。

データ整備の観点からは旅館のDX3年計画フレームワークで整理されている「データ基盤の優先順位」も参考になる。

---

現場への落とし込み：数字を「判断の習慣」にする

需要予測の導入が失敗するパターンのほとんどは「ツールを入れたが現場が使わない」だ。管理職がダッシュボードを見るだけで、採用担当や仕入れ担当に予測値が届いていない。

定着させるために有効なのは、予測値を意思決定のトリガーに変換した「判断ルール」を明文化することだ。「3ヶ月後の稼働率予測が80%を超えたら採用活動を開始する」「2週間後の予測客室数が予算を10%以上上回ったら仕入れ量を1.2倍にする」といったルールを表として共有する。

担当者が毎週月曜に予測値を確認し、ルール表を見て判断する——この15分のルーティンが定着すると、経営全体のスピードと精度が上がる。

採用と仕入れ以外にも、清掃シフトの組み方・パートナー業者への連絡・備品発注など、需要予測から派生して効率化できる業務は多い。ただし一度に全部変えようとすると現場が混乱する。採用か仕入れのどちらか一方から始め、3ヶ月運用してから次の領域に広げる進め方が現実的だ。

---

よくある質問

旅館向けの需要予測AIはどんなデータを使いますか？

過去の予約データ・キャンセル率・OTAの検索トレンド・祝祭日カレンダー・天候データなどを組み合わせます。最低でも2〜3年分の予約実績があると精度が上がります。

需要予測を採用計画に使うとはどういうことですか？

繁忙期・閑散期の客室稼働率を3〜6ヶ月先まで予測し、その予測値をもとにアルバイト・パートの採用時期と人数を決めることです。直前採用や過剰雇用を減らせます。

小規模旅館でもAI需要予測は導入できますか？

PMS連携型のレベニューマネジメントツールであれば月額数万円から使えるものがあります。客室数10室前後の施設でも導入事例はあります。最新の料金は各社の公式サイトで確認してください。

需要予測の精度はどのくらいですか？

一般的に2〜4週間先の稼働率予測で誤差10%以内とされますが、導入するツールや施設の立地・規模により異なります。自施設のデータ蓄積量が精度を大きく左右します。

---

まとめ

AI需要予測の本当の価値は稼働率を上げることだけでなく、採用と仕入れという二大コストを前倒しで最適化することにある。直前採用の割増コスト、食材廃棄の損失、欠品による急調達——これらは需要の読み間違いが生む構造的な問題だ。

予測精度を上げるには、まずデータを整える。次にツールを選び、予測値を判断ルールに変換する。そして採用担当・仕入れ担当が毎週予測値を確認する習慣を作る。この順番で進めることで、ツール導入が「現場に使われる仕組み」として定着する。

自社予約比率を高めてOTA手数料を減らす戦略と組み合わせると、収益増とコスト削減を同時に進める土台が整う。需要予測は価格戦略と仕入れ・採用の三つをつなぐ経営の軸になる。