Skip to main content
Questa pagina non è un modulo da compilare: è la procedura che Claude segue per guidarti, stesso pattern di Direct booking → Procedura guidata. Tu apri Claude Code, dici per quale studente stai impostando la strategia PriceLabs, e lui ti fa le domande — una alla volta — leggendo da qui cosa chiedere e come tradurre le risposte in valori.
Decisione fondamentale, non un default da copiare. Ogni mercato è diverso: questa procedura dà la struttura (quali leve impostare, in che ordine) e dei benchmark di partenza — mai valori da applicare alla cieca senza guardare i dati veri del mercato di quello studente.

​
Fonte

La strategia completa (setup, tutte le leve, playbook, governance) è nella SOP interna 03_SOP/SOP_M3_03_PriceLabs_Pricing_v2.docx (materiale M3, proprietà Cosmica SRL) — questa procedura ne è la versione guidata e operativa per il team, non la ripete tutta.

​
Quando si usa

Dopo che lo studente ha collegato PriceLabs (Collegamento) e prima di lasciarlo in autonomia (self-managed) o di prenderlo in carico (delegato) — vedi Revenue Management per i due modelli.

​
Passo 1 — Classifica il mercato dello studente

Chiedi/deduci il tipo di domanda prevalente. Quattro profili, dalla SOP: Se non rientra chiaramente in uno, mixa: la SOP stessa lo permette (es. “misto”).

​
Passo 2 — Raccogli i 4 numeri del Market Dashboard

Nello studente: PriceLabs → Market Dashboard della sua zona (crearlo se non esiste, raggio 2-5 km). Annota:
  1. ADR mercato (tariffa media giornaliera zona)
  2. Occupazione mercato %
  3. Booking Window media (giorni prima della prenotazione)
  4. LOS medio (durata soggiorno)
Questi 4 numeri determinano gli intervalli della matrice OBP e il Minimum Stay — non sono decorativi, guidano tutto il resto.

​
Passo 3 — Proponi i valori di partenza per tipo di mercato

Tabella di riferimento (SOP sezione 6, condensata) — presentala allo studente/a Mattia come punto di partenza, mai come valore finale:
Regola madre OBP, non negoziabile: nessun supplemento positivo con occupazione ≤40% oltre 40 giorni dalla data. Un premio anticipato su calendario vuoto blocca il primo pick-up — è l’errore più comune, verificalo sempre prima di salvare una matrice.

​
Passo 4 — Calibra con un esempio reale (portfolio Cosmica)

Prima di proporre i valori allo studente, confronta con un gruppo Cosmica dello stesso tipo di mercato (accesso via connettore PriceLabs Cosmica su claude.ai, tool get_customizations a level: "group"). Esempio misurato il 28/09/2026, gruppo Milano (Core/Event-driven):
  • Day of Week: Gio/Ven/Sab +5%, Dom -5%, Lun-Mer 0% — molto più prudente del benchmark SOP generico (Ven+20%/Sab+15%). Un account maturo tende a convergere su aggiustamenti più piccoli.
  • Last Minute: -30% graduale entro 20 giorni.
  • Seasonality, Far Out Premium, Demand Factor: tutti su “recommended” (algoritmico, non manuale) — nessun override custom attivo.
Per un mercato nuovo senza storico, non partire dai valori manuali della SOP come fossero definitivi: valuta se il profilo “recommended”/“market driven” di PriceLabs (che i gruppi Cosmica maturi usano) non sia il punto di partenza più sicuro, passando a valori custom solo dopo 30-60 giorni di dati — stessa regola della SOP per l’OBP custom.

​
Passo 5 — Applica

Oggi si applica dalla dashboard PriceLabs dello studente (Customizations → il livello giusto: listing, gruppo, o account). Il tool del team (pricelabs_azione, MCP Mattone) non scrive ancora le customizations di strategia — scrive solo prezzo/tag/override di data su singoli annunci o liste di annunci. Estenderlo (aggiungere get_customizations/update_customizations) è il prossimo passo tecnico, non ancora fatto.

​
Passo 6 — Log

Ogni valore impostato va nel Change Log dello studente (SOP sezione 10): data, leva, valore, motivo, KPI atteso. Rivedi dopo 14-30 giorni — mai più di 1-2 leve toccate insieme.