Intelligenza AI · Analisi Causale

Non "le vendite
sono calate".
Scopri perché.

Confronta la stessa settimana tra due anni — meteo, finestra di prenotazione e domanda dei clienti — per capire cosa ha davvero fatto la differenza.

Scopri Yorango Guarda la demo

Giro delle Grotte Blu

Analisi Causale

Sett. 28 · 2025

☀️Sereno

€ 4.820

23 prenotazioni

+108% vs 2024

Sett. 28 · 2024

🌧️Pioggia

€ 2.310

11 prenotazioni

anno base

Causa principale: meteo di decisione. Nel 2024, 18 giorni prima del tour prevedeva pioggia intensa. I clienti non hanno prenotato. Il tour in sé si è svolto regolarmente.

▲ +108% revenue

Il problema che risolve

Due settimane simili,
risultati completamente diversi.

Hai guardato i dati e hai visto che la settimana 28 del 2024 ha fatturato meno della metà rispetto al 2025. Il motivo? Forse il meteo. Ma quale meteo — quello del giorno del tour, o quello di quando il cliente stava decidendo se prenotare? Forse nessuno dei due. La Causal Analysis lo dice.

""Il meteo era brutto""

Ma era brutto il giorno del tour o nel momento in cui i clienti stavano decidendo se prenotare? Sono due meteo diversi, con effetti diversi.

""Quel periodo vende sempre meno""

Ma l'anno scorso la stessa settimana aveva andato bene. Cosa è cambiato? Il meteo di decisione, un evento locale, o qualcosa che hai fatto di diverso?

""Non so da dove iniziare""

L'AI analizza meteo, domanda e booking window e ti restituisce una spiegazione in linguaggio naturale — senza che tu debba fare un foglio Excel.

Come funziona

4 passi, una risposta chiara.

Dall'analisi alla spiegazione in pochi secondi, senza fogli Excel, senza dati da raccogliere manualmente.

01

Scegli il tour e le settimane

Seleziona il tour e due settimane da confrontare — stessa settimana, anni diversi.

02

Recupero meteo storico

Il sistema recupera i dati meteo reali dall'archivio Open-Meteo per le coordinate GPS della tua location operativa.

03

Calcola la Booking Window reale

Quanti giorni prima prenotavano i tuoi clienti in quel periodo? Il sistema lo calcola sui tuoi dati storici reali.

04

Genera l'insight

Meteo diretto, meteo di domanda, o altro? L'analisi produce una spiegazione narrativa con i dati a supporto.

Due tipi di meteo

Il cuore
dell'analisi.

Non basta sapere che tempo faceva. Conta quando faceva quel tempo — perché il meteo del tour e il meteo del momento di decisione hanno effetti completamente diversi.

Meteo del tour

Il cielo quando il cliente era a bordo. Conta se era veramente brutto: cancellazioni, rimborsi, pessima esperienza. Ma spesso non è questa la causa.

Meteo di decisione

Il cielo nel giorno in cui il cliente valutava se prenotare — tipicamente 2–3 settimane prima. Conta ancora di più: se prevedeva pioggia, forse non ha prenotato affatto.

Due momenti, due meteo

🌧️

Giorno D

Decisione

−18 giorni

Pioggia prevista

Il cliente non prenota

Booking
Window

☀️

Giorno T

Tour

data del tour

Cielo sereno

Tour svolto bene

Il meteo del tour era bello — ma i clienti guardavano le previsioni 18 giorni prima, quando prevedeva pioggia. Quella è la causa vera del calo.

Booking Window · Giro Grotte Blu

giorni medi anticipo

8g

Mar

12g

Apr

16g

Mag

22g

Giu

28g

Lug

18g

Ago

14g

Set

9g

Ott

Luglio: i clienti prenotano in media 28 giorni prima. Lancia le promozioni a inizio luglio — non ad agosto.

Booking Window

Scopri quando
i tuoi clienti
decidono davvero.

Il sistema calcola automaticamente il numero medio di giorni di anticipo con cui i clienti prenotano ogni tour, mese per mese. È il cuore dell'analisi: permette di risalire al giorno di decisione e capire che tempo faceva quando il cliente stava scegliendo.

  • Calcolata sui tuoi dati reali di prenotazione, non su medie di settore
  • Varia per tour e per mese — il sistema le segue tutte
  • Usala per pianificare promozioni, pricing e comunicazioni
  • Luglio prenota in luglio: non aspettare agosto per fare marketing

Weather Confidence Index

Instabilità = esitazione clienti.

Un indice 0–100 che misura la stabilità e prevedibilità del meteo nella finestra di prenotazione. Se il meteo era instabile e imprevedibile, i clienti esitano — anche se poi il giorno del tour fa bello.

Score basso (0–40): alta instabilità

Previsioni variabili → cliente esitante → meno prenotazioni anticipate

Score alto (70–100): alta stabilità

Previsioni chiare → cliente decide con fiducia → prenotazioni early bird

Weather Confidence Index

38/100

Instabilità Alta

I clienti esitano a prenotare

Score basso = meteo imprevedibile nella finestra di decisione. Alta esitazione → meno prenotazioni anche se il tour andrà bene.

Instabile

0–40

Variabile

40–70

Stabile

70–100

Insight AI · Sett. 31 · 2025 vs 2024

2025

72/100

Stabile

2024

68/100

Stabile

La differenza non è spiegabile dal meteo

Entrambe le settimane avevano condizioni meteo simili e stabili. La differenza di −34% nelle prenotazioni è attribuibile ad altri fattori:

  • Eventi locali nel periodo
  • Variazioni di prezzo o offerte attive
  • Attività di competitor nelle stesse date

Analisi onesta

L'AI ti dice anche
quando non è
colpa del meteo.

A volte è il meteo. A volte no. Quando le due settimane avevano condizioni simili ma risultati diversi, l'analisi lo dice esplicitamente — e ti suggerisce altri fattori da investigare.

  • Isola l'effetto meteo da quello delle tue azioni commerciali
  • Misura l'impatto reale di una promozione o cambio prezzo
  • Contestualizza i risultati senza sovrattribuire al meteo
  • Difenditi da stagioni difficili con dati oggettivi

Analisi Causale

Non solo cosa. Ma perché.

Smetti di rispondere "è stato il meteo" senza sapere se è vero davvero. Usa i tuoi dati storici per capire cosa ha fatto davvero la differenza — e prendi decisioni calibrate.

Vai oltre "le vendite sono calate": scopri il perché reale
Distingui meteo diretto da meteo percettivo (domanda)
Usa la booking window per pianificare promozioni al momento giusto
Evita di sovrattribuire al meteo e ignora le vere cause
Scopri Yorango Guarda la demo

Domande frequenti

Risposte chiare alle domande più comuni su questa funzionalità.

Che cosa analizza l’analisi causale?

Confronta dati di prenotazione e fattori come meteo, prezzi, canali, orari e periodo di decisione del cliente.

Perché il meteo della prenotazione può contare più di quello del tour?

La pagina mostra che il cliente può decidere in base alle previsioni viste prima dell’esperienza, anche se il giorno del tour cambia.

Che cos’è la booking window?

È il periodo tra la decisione del cliente e la data del tour; l’analisi lo usa per leggere quando i fattori possono influenzare la prenotazione.

L’analisi considera solo il meteo?

No. Se le condizioni meteo sono simili, l’analisi invita a considerare anche variazioni di prezzo, offerte, eventi locali e attività dei competitor.