ダイナミックプライシングとは？ホテル導入の仕組みと失敗例

ダイナミックプライシングとは？意味と仕組み

定義：ダイナミックプライシングは需要に応じて価格を動かす手法

ダイナミックプライシング（Dynamic Pricing：以下DP）は、需要・在庫・競合価格・季節要因などのデータをもとに、客室の価格を日々、ときには1日のうちに何度も動かす価格戦略です。航空業界で先に広まり、いまはホテルのレベニューマネジメント（収益管理）の中核にあります。

従来の固定料金や、シーズンごとの3〜4段階料金とは発想が違うため、運用の考え方も変わります。つまり「いつ・誰に・いくらで売るか」を、需要に合わせて決め直します。山では上げ、谷では下げる。値引きの道具ではなく、両方向の価格コントロールと考えてください。

基本構成：4つの材料と1つの答え

DPのシステムは、次の4つの材料を組み合わせて、その時点の推奨BAR（Best Available Rate：その日に販売できる最良の公開料金）を出します。

なぜ今ホテルにDPが必要か

背景①：需要は日ごとに大きく動き、施設タイプでも水準が違う

需要は日ごとに大きく動きます。観光庁の宿泊旅行統計調査（2025年の年間値・確定値、2026年7月公表）によると、2025年の客室稼働率は全体で61.6％でした。ビジネスホテルが75.3％、シティホテルが74.1％、リゾートホテルが56.9％、旅館が38.2％。なお、数字の確認日は2026年10月29日です。

ただし、年間の平均では見えない差が現場にはあります。同じ月の中でも、週末と平日、連休と谷間では埋まり方がまるで違うので、年間を通じた固定料金では、この振れ幅に追いつけません。訪日需要の動きは日本政府観光局（JNTO）の訪日外客統計で月ごとに確認できます。

背景②：OTA手数料で手残りが減るので、単価を上げる必要がある

OTAの手数料は、予約が増えるほど積み上がるため、売上が伸びても手残りは増えにくくなります。OTAによっては、手数料のほかに広告費やポイント費用がかかるため、これらを含めた実質の負担率は表示の料率より上がります。手数料を引いたあとの手取り単価（ネットADR）を保つには、表面のADRを上げるか、直販比率を高める必要があります。DPが主に担うのは、このうちADRの引き上げです。谷の日の価格設計では、稼働（OCC）の下支えも担います。

手数料の中身は、OTA手数料の比較にまとめています。

背景③：価格改定の手作業が限界に来ている

1日に何度も複数のOTAで競合価格を見て、サイトコントローラー（SC：複数OTAの在庫・料金をまとめて更新するシステム）で料金を直す。この作業を毎日続けるのは、もう現実的ではありません。特に繁忙期は、数時間の遅れがそのまま値上げの取りこぼしになります。そこでDPが更新の手間を肩代わりし、担当者が「判断」に時間を使えるようにします。

背景④：固定料金のままだと、取りこぼしが積み上がる

自館の需要は日ごとに違うのに、価格が変わらなければどうなるか。売れる日には安すぎ、売れない日には高すぎる状態が続きます。そのため、繁忙期は取りこぼし、閑散期は集客に見合う価格を出せません。

DPの3つのアプローチ

3つのアプローチの基本構造

DPの進め方は、大きく3つに分かれます。施設の規模、運営体制、データの整備状況によって合うものが変わるため、順に見ていきます。

ルールベース型のダイナミックプライシング：まず始めるならここから

たとえば「土曜は平日の1.2倍」「残室が2割を切ったら15％上げる」。こうした明示的なルールで価格を動かす方式です。仕組みが単純なので、サイトコントローラーの機能だけで組める場合もあります。需要の急変には弱い。とはいえ、DPの考え方を運用に入れる第一歩には向いています。

AI予測型のダイナミックプライシング：データがそろってから入れる

過去の予約データ、競合価格、外部のイベント情報を学習し、需要を予測して価格を出します。精度が高い反面、費用は重めです。過去データが多いほど、季節性などを捉えやすくなります。なお、必要なデータ量は、ツールや予測方式によって異なります。また、推奨価格を言いなりで採用すると、想定外の需要変動に対応できなくなります。

ハイブリッド型のダイナミックプライシング：現場で使いやすい形

AIが推奨価格を示し、最終判断は支配人やレベニューマネージャーが下す方式です。データの客観性と現場の感覚を両方使えるので、現場で運用しやすい形です。

【ツール】DP値上げ・売上損益分岐シミュレーター

ダイナミックプライシングの試算例：値上げしても稼働が落ちれば売上は減る

DPの導入で最初に出る迷いは「上げて予約が減ったら怖い」です。つまり、怖さの正体は、どこまで稼働が落ちたら損になるのかが見えていないこと。そこで仮の数字で確かめます。

たとえば50室の施設で、土曜・祝前日など高需要日が月6日あります。通常は稼働90％・ADR12,000円で売れている日です。このADRを2,000円上げて14,000円にしたとき、稼働がどこまで下がると売上が元を割るのか。以下は売上ベースの試算で、手数料と変動費は含みません。手数料控除後の額と、変動費まで引いた手残り額は別の指標なので、その違いは表のあとで説明します。

分かれ目は稼働77.1％あたりです。つまり90％から約13ポイント下がるまでは、売上は値上げ前を上回ります。ただし上げ幅が大きいほど、許容できる落ち込みは小さくなる。そのため、上げ幅を決める前にこの分かれ目を計算しておけば、判断がぶれません。

ダイナミックプライシングの効果を利益で見るときの注意

ここまでは売上ベースの話です。手数料控除後の額と、変動費まで引いた手残り額は別の指標なので、分けて考えます。たとえばOTA経由の予約は手数料が売上に比例して増えるため、値上げ分のうち手元に残る額は、手数料率の分だけ目減りします。一方、稼働が下がれば清掃やアメニティの費用も減るので、変動費の面では多少有利に動きます。旅館やリゾートでは料飲売上も稼働に連動するため、売上の分かれ目はさらに厳しくなります。そこで、利益まで見るときは、GOP（営業総利益）を販売可能客室数で割ったGOPPAR（Gross Operating Profit Per Available Room）で確認してください。

DP値上げ・売上損益分岐シミュレーター

まず、5項目を入力すると、値上げによる月間の増収額（稼働が変わらない場合）と、売上が元を割らない稼働の下限を計算します。自館の高需要日の数字に置き換えて使ってください。

DP導入の5ステップ

ロードマップ：ダイナミックプライシング導入の全体像

ダイナミックプライシングは、ツールを買えば終わりという話ではありません。実際、データの整備、ルールの設計、運用体制づくりまで含めると、当社の目安ではSTEP1〜4で4〜5か月、AI予測の導入はその後の6か月目以降です。ただし、既存システムやデータの整備状況によって、期間は大きく変わります。

STEP1：過去データの整備（1か月目）

まず、可能な範囲で過去1〜2年分のPMS（Property Management System：宿泊管理システム）データから、日別のADR・OCC・客室売上を取り出します。曜日別・季節別・イベント日別に傾向を並べるところが出発点です。なお、データが整っていない施設では、ここだけで2〜3か月かかることもあります。

STEP2：価格ルールの設計（2か月目）

次に、価格を動かす基本ルールを決めます。曜日・季節・残室・イベントの4系統で、当社の目安では、最初は4〜6本から始めれば足ります。ただし、ここでいきなりAI導入を狙うと、運用が回らなくなる例をよく見ます。

STEP3：パイロット運用（3か月目）

決めたルールで実際に運用を始めます。最初は週1回の見直しで足りるので、慣れたら日次、繁忙期は1日に複数回へ進めます。また、OTAとサイトコントローラーの在庫・価格が同期しているかも、この段階で確認します。

STEP4：効果検証と改善（4〜5か月目）

RevPAR（Revenue Per Available Room：販売可能客室1室あたり売上）・ADR・OCCを、前年同期と月次で比べます。RevPARが上がっていても、GOPPARまで反映されているかを並べて見ます。特に、OCCの落ち幅がツール章で見た損益分岐を超えていたら、上げすぎのサインです。

STEP5：AI予測の段階導入（6か月目以降）

ルールベースの運用が安定してから、AI予測型やハイブリッド型を検討します。この頃には担当者が自館の需要パターンを体で分かっているので、AIの推奨価格を冷静に評価できます。

ダイナミックプライシング導入前に確認したい10項目

まず、ツールを選ぶ前に、次の10項目のうちいくつ「はい」と答えられるかを確認してください。

当社の目安は次のとおりです。9〜10個なら、ツール比較を具体的に進めやすい状態です。7〜8個なら、まずルールベース型から。4〜6個は、まずデータ整備と担当者決めを先に済ませます。3個以下なら、PMSやSCなど基盤の整備が最初の仕事になります。

価格を動かしたあとに毎月見る3つの数字

数字を増やしすぎると続きません。そこで、次の3つを、毎月同じ形式で記録するところから始めてください。

内製運用の限界と、専門家の見方

DPツールの選び方

ダイナミックプライシングツールを選ぶ2つの軸

ツールは、「どのシステムと連携するか」と「価格をどう決めるか」の2つの軸で整理すると比べやすくなります。なお、後者は、3つのアプローチの章で見たルールベース型・AI予測型・ハイブリッド型を指します。

軸①：ダイナミックプライシングツールの連携方式（どこと連携するか）

実際の構成はサービスごとに異なります。また、連携先も、PMS、SC、OTAなどさまざまです。費用は提供会社、客室数、連携するOTAの数で大きく変わるため、複数社から見積もりを取って比べるのが確実です。ですから、機能の数より、自館の既存システムときちんと連携できるかを優先してください。連携のたびに手作業が出るツールは、使うほど効果が薄れていきます。

軸②：ダイナミックプライシングの価格算出方式（どう決めるか）

ルールベース型は費用も運用の負担も軽くなりやすく、AI予測型は需要変動への追従に強みがあります。そしてハイブリッド型は両方の長所を取る形です。したがって、どれを選ぶかは、自館のデータ量と運用体制で決まります。連携方式と算出方式は別々に選べるので、「PMS連携のルールベース型」「専用サービスのハイブリッド型」のように組み合わせて考えます。

ダイナミックプライシングのツール選定で見る5つのチェックポイント

DP導入のモデルケース3選

モデルケースの読み方

次の3つは、実在の施設の実績ではなく、規模の違う仮想のモデルケースです。ダイナミックプライシングの使いどころをつかむための仮置きで、成果を示す数字は載せていません。

都市型ホテル（80室程度）：ルールベース型から始める

温泉旅館（45室程度）：平日と閑散期を設計し直す

リゾートホテル（120室程度）：ハイブリッド運用へ移る

3つのモデルに共通する前提

共通するのは、データの整備、価格を決める最終責任者の存在、RevPARだけでなくGOPPARまで確かめる姿勢です。そのため、この3点が欠けたまま導入すると、効果は出にくくなります。

DPで失敗する5つのパターン

価格の決め方で起きる失敗（①〜③）

支援の現場で見てきた失敗には、はっきりしたパターンがあります。特に次の5つは、導入時に起こりやすい型です。

手数料とAIの扱いで起きる失敗（④〜⑤）

DP導入の費用対効果

ダイナミックプライシングの費用対効果：回収に必要な値上げ幅から逆算する

月額費用は、提供会社や規模で大きく変わります。そこで「どれだけ効果が出るか」を予測するより、「月額費用を回収するのに必要な値上げ幅」を逆算します。次の表の月額費用は仮置きです。なお、高需要日が月6日、稼働90％で、その日のADRだけを上げた場合の試算で、OTA手数料や変動費は含めていません。

たとえば、稼働率90％を維持できる前提なら、40室の場合、高需要日のADRを月6日だけ約139円上げることで、月額3万円を売上ベースで回収できる計算です。ですから、費用の大小を気にする前に、高需要日でいくら取りこぼしているかを数字にしてみてください。

ダイナミックプライシングの費用対効果を見るときの3つの注意

よくある質問（FAQ）

ダイナミックプライシングの導入と運用に関する質問

ダイナミックプライシングの効果と使い分けに関する質問

まとめ：DPは攻めの収益エンジン

ダイナミックプライシングは値下げの自動化ではなく、両方向のコントロール

ダイナミックプライシングは値下げの自動化ではなく、需要に合わせて価格を動かす経営の仕組みです。山では取りこぼしを防ぎ、谷では集客層を計画的に切り替える。両方向のコントロールが、DPの中身です。

実際、導入には、データ整備から運用の定着まで数か月の準備が要ります。期間は既存システムの状況で変わりますが、やることは同じです。データ整備、価格ルールの設計、運用体制づくり。ルールベース型から始めて、半年から1年かけてAI予測型やハイブリッド型へ移る。そのため、段階を踏めば、運用上の課題を確認しながら進められます。

上げ幅に迷ったら、DP値上げ・売上損益分岐シミュレーターで、稼働がどこまで落ちても売上が元を割らないかを確認してください。なお、レベニューマネジメント全体の考え方はレベニューマネジメントとは？ホテル・旅館の価格戦略、指標としてのRevPARはRevPARとは？計算式・業界平均・改善策もご覧ください。