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.
Giro delle Grotte Blu
Sett. 28 · 2025
€ 4.820
23 prenotazioni
Sett. 28 · 2024
€ 2.310
11 prenotazioni
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.
Causa identificata dall'AI
Meteo di decisione · Sett. 28 · 2024
Giro delle Grotte Blu
Sett. 28 · 2025
€ 4.820
23 prenotazioni
Sett. 28 · 2024
€ 2.310
11 prenotazioni
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.
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.
Scegli il tour e le settimane
Seleziona il tour e due settimane da confrontare — stessa settimana, anni diversi.
Recupero meteo storico
Il sistema recupera i dati meteo reali dall'archivio Open-Meteo per le coordinate GPS della tua location operativa.
Calcola la Booking Window reale
Quanti giorni prima prenotavano i tuoi clienti in quel periodo? Il sistema lo calcola sui tuoi dati storici reali.
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
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
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
Stabile2024
68/100
StabileLa 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.