Lead Time Booking Hotel: Berapa Hari Sebelum Check-in Tamu Anda Memesan?
Tanggal 20. Anda buka kalender kamar dan melihat masih 11 malam kosong sampai akhir bulan. Perut langsung mulas. Dua pilihan yang biasanya muncul: turunkan harga sekarang, atau pasrah dan berharap ada tamu yang datang sendiri.
Keduanya berbahaya. Kalau pola lead time hotel Anda memang seperti itu, 11 malam kosong di tanggal 20 bukan tanda bahaya — itu siklus normal. Anda baru boleh khawatir kalau pola sebenarnya sudah tiba lebih lambat dari biasanya.
Masalahnya, hampir tidak ada pemilik hotel 10-50 kamar yang tahu angka ini. Padahal menghitungnya cuma butuh 30 menit dan satu file Google Sheets.
Lead Time Itu Apa, Sederhananya?
Lead time booking adalah jarak waktu antara tanggal pesan dan tanggal check-in.
Analogi gampangnya: lead time itu seperti jarak tempuh tamu dari rumah ke hotel Anda. Ada yang baru berangkat H-2 (tamu dadakan, biasanya cari yang dekat atau yang masih kosong), ada juga yang sudah "berangkat" tiga bulan lalu (tamu yang merencanakan liburan jauh-jauh hari).
Bagi hotel, ini bukan sekadar catatan. Lead time memberi tahu Anda dua hal:
- Kapan uang masuk — lead time panjang berarti kamar sudah terisi janji sebelum bulan berganti.
- Kapan Anda boleh menyentuh harga — selama tamu belum memesan, harga masih bisa dimainkan. Lewat dari jendela itu, harga tinggal mengikuti pasar.
Kalau belum pernah menghitungnya, coba tebak dulu: berapa persen tamu Anda memesan lebih dari 7 hari sebelum check-in? Kalau tebakan Anda 70-80%, siap-siap kecewa.
30 Menit di Google Sheets: Cara Hitung Lead Time dari Buku Tamu
Ambil 3 bulan terakhir — satu bulan terlalu tipis, tiga bulan cukup untuk melihat pola mingguan.
Buat tabel dengan lima kolom:
| No | Nama tamu | Tanggal pesan | Tanggal check-in | Lead time (hari) |
|---|---|---|---|---|
| 1 | Budi | 2 Okt | 9 Okt | 7 |
| 2 | Sari | 25 Sep | 12 Okt | 17 |
Kolom kelima cukup rumus pengurangan tanggal (=check-in - pesan). Format sel itu sebagai angka, bukan tanggal — ini jebakan yang paling sering bikin bingung sendiri. Setelah semua baris terisi, hitung berapa booking jatuh di setiap rentang. Selesai. Tidak butuh software, tidak butuh langganan.
Lima Kelompok Lead Time dan Artinya untuk Harga
Ini contoh nyata dari satu hotel 20 kamar di Denpasar yang kami pakai sebagai studi kasus. Pemiliknya, Pak Budi, membuka buku tamu 3 bulan, menemukan 390 kamar terjual dengan okupansi 65% dan ADR Rp 650.000. Setelah dihitung, sebarannya seperti ini:
| Lead time | Jumlah booking | Porsi | Artinya untuk Anda |
|---|---|---|---|
| 0-3 hari | 78 kamar | 20% | Tamu dadakan. Harga sudah tidak bisa apa-apa, ikut pasar |
| 4-7 hari | 117 kamar | 30% | Masih bisa Anda arahkan dengan rate normal |
| 8-14 hari | 78 kamar | 20% | Jendela promo terakhir yang sehat |
| 15-30 hari | 78 kamar | 20% | Termasuk tamu yang bandingkan banyak hotel |
| Lebih dari 30 hari | 39 kamar | 10% | Biasanya perjalanan dinas atau tamu yang sudah kenal Anda |
Baca ulang barisnya: 78 + 117 = 195 kamar, atau tepat 50% dari seluruh booking masuk dalam 7 hari terakhir sebelum check-in.
Dalam rupiah, 195 kamar × Rp 650.000 = Rp 126,75 juta per bulan yang baru "muncul" di pekan terakhir. Total revenue kamar hotel itu Rp 253,5 juta per bulan. Jadi separuh pemasukan datang di detik-detik akhir.
Sekarang sadar kan kenapa rasa panik di tanggal 20 itu menipu? Separuh tamu Anda memang belum turun ke lapangan.
Tiga Angka yang Layak Ditempel di Dinding Kantor
Dari perhitungan 30 menit tadi, ambil tiga angka saja:
- Porsi booking yang masuk di bawah 7 hari. Di studi kasus ini 50%. Kalau angka Anda di atas 60%, jendela promosi Anda pendek — jangan mengharapkan kamar terisi cepat.
- Lead time median. Urutkan kolom lead time dari kecil ke besar, ambil angka tengah (sekitar 7 hari di kasus ini). Itu angka "normal" untuk hotel Anda.
- Revenue yang datang di pekan terakhir. Rp 126,75 juta per bulan di kasus ini. Ini uang yang paling rentan diganggu keputusan panik.
Kesalahan yang Paling Sering Terjadi Setelah Tahu Angka Ini
Pertama, diskon panik terlalu awal. Kalau Anda memberi diskon 20% ke semua 195 kamar yang memang datang di 7 hari terakhir, uang yang menguap Rp 25,35 juta per bulan. Padahal sebagian besar dari mereka tetap akan memesan meski harga normal — mereka belum memesan karena belum sempat, bukan karena mahal.
Kedua, salah membaca lead time panjang sebagai aman. Booking dari agen atau tamu dinas yang masuk lebih dari sebulan sebelumnya terkunci dengan harga lama. Kalau harga itu salah sejak awal, Anda tidak bisa memperbaikinya bulan ini.
Ketiga, menutup tanggal terlalu cepat. Ada hotel yang menutup tanggal jauh-jauh hari karena yakin akan penuh, lalu batal. Tanggal itu akhirnya kosong dan sudah tidak bisa dijual lagi.
Sebelum vs Sesudah
| Kebiasaan | Sebelum tahu lead time | Sesudah tahu lead time |
|---|---|---|
| Melihat kalender tanggal 20 | Panik, langsung turunkan harga | Cek: masih sesuai pola atau tidak |
| Keputusan diskon | Reaktif, berdasarkan rasa takut | Terjadwal di rentang 8-14 hari |
| Prediksi akhir bulan | Menebak-nebak | Pakai porsi lead time historis |
| Rapat mingguan | Bahas "kok sepi ya" | Bahas booking pace vs minggu yang sama bulan lalu |
Besok Pagi, Lakukan Tiga Hal Ini
- Ekspor 3 bulan terakhir dari buku tamu atau channel manager ke Google Sheets. Cukup tanggal pesan, tanggal check-in, dan tipe kamar.
- Hitung sebarannya dalam lima kelompok di atas. Tandai satu angka: persentase booking yang masuk di bawah 7 hari.
- Tetapkan aturan sendiri: selama angka itu masih di kisaran normal Anda, tidak ada diskon sebelum H-7. Diskon baru dibuka kalau booking pace minggu ini lebih lambat dari minggu yang sama bulan lalu.
Langkah ketiga paling sering diabaikan, padahal paling banyak menyelamatkan uang. Dengan disiplin itu, hotel 20 kamar di studi kasus tadi berhenti memberi diskon selama 8 hari pertama setiap bulan — dan tamunya tetap datang, karena mereka memang belum memesan.
Kalau ingin memahami kapan diskon sebenarnya aman diberikan, baca harga last minute yang tidak merusak harga normal. Dan karena lead time hanyalah satu potong dari tebakan okupansi, lanjutkan dengan cara mengukur akurasi forecast hotel Anda.