A teltház illúziója: mennyi kapacitás vész el a csoportos foglalásoknál?

A valóságban a teltház gyakran csak állapot a naptárban, nem pedig valós, tényleges kihasználtság. A csoportos eseményeknél, óráknál és képzéseknél a no-show és a késői lemondás rendszeresen hagy üres helyeket – akkor is, amikor a foglalási rendszer már „tele”-t mutat.

Ez a riport azt teszi érthetővé, hogy miért történik ez, mekkora lehet a kiesés, és milyen működési logika kell ahhoz, hogy a teltház valóban teltház legyen.

Key findings

• A „teltház” sok esetben nem azonos a maximális részvétellel: a tényleges kihasználtság jellemzően alacsonyabb.
• A csoportos foglalásoknál a kapacitás akár 10–25%-a is elveszhet no-show és visszamondás miatt.
• A veszteség nem csak „rossz szerencse”: tipikusan rendszerszintű okok (statikus teltház logika, várólista hiánya, lassú utántöltés) állnak mögötte.
• A különbséget a reakcióidő és az utántöltési logika adja: mennyi idő alatt kerül a felszabaduló hely a megfelelő érdeklődőhöz.

Nemzetközi bizonyítékok a no-show, lemondás és kapacitásveszteség kapcsolatára

Vezetői összefoglaló

A csoportos foglalásoknál (órák, workshopok, események, tréningek) a „megtelt” állapot gyakran csak adminisztratív illúzió: a lemondások és a no-show-k miatt a tényleges részvétel (és így a kihasznált kapacitás) érdemben alacsonyabb lehet a foglalások/regisztrációk számánál. Ezt egyszerre támasztják alá peer-reviewed kutatások (valós foglalási naplók/hozzáférési adatok) és nagy platformok (webinar/event) benchmarkjai. [1]

A legfontosabb számszerű megállapítások:

• Svédországi edzőtermi csoportos órafoglalásoknál a foglalások 42%-át lemondják, és kicsivel több mint 5% no-show; a lemondások döntő többsége azonos napon történik (82%), és 61% a start előtti utolsó 6 órában. [3]
• Svájci professzionális futballnál a szezonbérletesek átlagosan kb. 21 hazai meccset hagytak ki 72-ből (≈ 28,8% nem-megjelenési arány a vizsgált időszakban). [5]
• B2B eseményeknél és webinároknál a regisztráció → élő részvétel konverzió tipikusan ~33–58% tartományban mozog több platform benchmarkja alapján. [8]
• Platformbenchmark szerint azokon az eseményeken, ahol rögzítették a részvételt, az átlagos attendance rate 52%. [10]

Paraméter-tartományos Monte Carlo modellezés alapján fix kapacitású, előfoglalásos csoportos alkalmaknál kb. 14–35% kapacitásveszteség adódhat realisztikusnak, míg jobb visszatöltési működés mellett kb. 10–27%. [11]

Definíciók és mérési keret

A „no-show” a szakirodalmi definíció szerint jellemzően nem egyszerű távolmaradás, hanem előzetes jelzés nélküli nem-megjelenés egy előre ütemezett alkalmon; ettől elkülönül a „cancellation” (lemondás) és a „reschedule” (átütemezés). Fix kapacitás mellett a no-show különösen költséges, mert a szolgáltató/közösség gyakran már nem tudja kiosztani a felszabaduló helyet (vagy csak veszteséggel/kapkodással). [13]

A csoportos foglalásoknál két veszteség-metrika van:

·      Kapacitásveszteség (capacity lost): a rendelkezésre álló helyek hány %-a marad kihasználatlanul a startkor. Ez főleg fix férőhelyű óráknál/workshopoknál/helyszíni eseményeknél releváns. [11]

·      Regisztráció → részvétel rés (registration-to-attendance gap): a regisztráltak hány %-a nem jelenik meg élőben (webinar, konferencia, B2B event). Ez nem mindig azonos „kapacitásveszteséggel” (mert a regisztráció sokszor nem kapacitáslimitált), de jó proxy az elköteleződés/tervezhetőség problémájára. [14]

Források és kinyert arányok

Az alábbi táblázatban a primer (peer-reviewed / platform benchmark / nagy mintás) forrásokból kinyert no-show/lemondás arányokat és a környezetet gyűjtöttem össze. A „nem-megjelenés” jellegű mutatóknál ott, ahol a forrás konverziót közöl, a no-show arányt (1 – konverzió) formában számoltam (explicit jelölve).

Megjegyzés a táblázathoz: az in-person eseményeknél sokszor nincs egységes definíció arra, hogy „lemondás” hogyan kerül ki a regisztrációs bázisból (pl. törölt regisztráció vs. passzív nem-megjelenés). Emiatt a konferencia/webinar adatok jellemzően „konverzió” nyelven érhetők el, míg a foglalásalapú óráknál (fitness) a lemondás/no-show sokkal tisztábban szétválik. [15]

Kapacitásveszteség modellezése

Módszertan és feltételezések

A modellezés célja annak becslése, hogy fix kapacitású, előfoglalásos csoportos alkalmaknál mekkora kihasználatlan kapacitás keletkezhet lemondás és no-show miatt.

A kapacitásveszteséget így közelítettem:

A legjobban kalibrálható inputok a svéd gym-adatból jönnek (lemondás/no-show arány és időzítés), mert itt a rendszer logikája explicit: várólista + 1 órás lemondási cutoff + drop-in + no-show fee. [3]

Fontos: a publikált források általában nem közlik közvetlenül, hogy a lemondott helyek mekkora részét töltik vissza (ez sokszor szervezői folyamat és keresletfüggő). Ezért a visszatöltési arányokat szcenárió-tartományokkal kezeltem, és Monte Carlo szimulációt futtattam.

Szimulációs beállítás röviden

·      A no-show arányt és a „lemondás (értesítéssel)” arányt háromszög-eloszlásokkal mintáztam, a svéd gym-adat (no-show ~5%, lemondás 42%) környékére fókuszálva, de tágabb tartományt engedve más szektorok miatt. [3]

·      A „high demand / van várólista”helyzet gyakoriságát szintén tartományként vettem; a svéd adat azt mutatja, hogy az órák 30,7%-án volt várólista „valamikor”. [3]

·      A lemondási időzítést a svéd arányokhoz kötöttem (a lemondások 82%-a aznap, és 61% az utolsó 6 órában). [3]

·      Két futtatás:

o   Baseline: „vegyes” visszatöltés (sok késői lemondás, részben manuális / lassú visszatöltés).

o   Improved: magasabb visszatöltés (jobban működő várólista/értesítés/újrafoglalás), különösen az utolsó órákban.

Eredmények

A szimuláció eredménye (fix kapacitású, előfoglalásos csoportos alkalmak):

·      Baseline kapacitásveszteség: 13,8–35,2% (5–95 percentilis), medián 24,2%.

·      Improved (jobb visszatöltés) kapacitásveszteség: 10,3–26,9% (5–95 percentilis), medián 18,0%.

A konzervatív tartomány, ami a baseline és improved közös, de még informatív metszete:

·      „~10–35% kapacitásveszteség” fix kapacitású csoportos foglalásoknál (szimulációs 90%+ sávok alapján), különösen ott, ahol a lemondások jelentős része az utolsó órákban történik. [3]

Ez a tartomány konzisztens azzal, hogy más fix kapacitású „jelenlét” környezetekben (pl. szezonbérletes sport) önmagában a nem-megjelenés is két számjegyű lehet (a svájci szezonbérletes adatból számolva ~28,8%). [5]

Mi mozgatja legjobban a veszteséget?

A szimuláció érzékenysége (lásd a harmadik ábrát) azt mutatja, hogy ha az utolsó 6 órán belüli lemondások visszatöltési aránya javul, a kapacitásveszteség meredeken csökken. Ez azért kulcstényező, mert a svéd gym-adatban a lemondások többsége épp ebben az ablakban történik (61%). [3]

Korlátok és értelmezési megjegyzések

A források tipikus korlátai:

·      A no-show és a lemondás szektor-, ár-, motiváció- és formátumfüggő. A webinárok „regisztráció→élő részvétel” rését nem szabad automatikusan „fizikai kapacitásveszteségként” értelmezni. Ez két külön metrika (lásd definíciók). [26]

·      Platform bias / szelekció: az ON24 / Goldcast / Bizzabo adatok a saját ügyfélkörükre jellemzőek; iparág és régió szerint eltérhetnek. [14]

·      Eltérő definíciók: „cancellation” és „no-show” nem mindenhol tisztán elkülönített (fitnessnél igen; konferenciáknál gyakran kevésbé). [27]

·      Visszatöltés hiánya, mint adatgap: a publikált anyagok ritkán mondják meg, a lemondott helyek mekkora hányada telik be ténylegesen; ezért kellett a szimulációs megközelítés. [3]

 

Mit értünk „teltház” alatt – és miért félrevezető?

A legtöbb foglalási folyamatban a teltház azt jelenti, hogy:

• a kapacitás elérte a maximumot,
• a rendszer letiltja az új foglalást,
• a szervező megnyugszik: „kész”.

Csakhogy a csoportos szolgáltatásoknál két dolog rendszeresen történik a foglalás és a részvétel között:

• no-show: a foglaló nem jelenik meg,
• visszamondás: a foglaló lemond (gyakran későn).

Ha a rendszer teltházban „lezár”, de közben a valós részvétel csökken, a teltház valójában kihasználatlanságot konzervál.

A kapacitásvesztés nagyságrendje

A riport fő állítása szerint a csoportos foglalásoknál a kapacitás akár 10–25%-a is elveszhet no-show és visszamondás miatt.

Ez nem „mindig” ennyi, és nem „minden iparágban” ugyanennyi. A lényeg: két számjegyű kapacitásvesztés sok helyzetben reális – és üzletileg már fájdalmas.

Miért fontos tartományban gondolkodni?

• mert a no-show és a lemondás erősen függ a szabályoktól (lemondási ablak, díj, emlékeztetők),
• függ a szolgáltatás jellegétől (ingyenes vs fizetős, egyszeri vs bérletes),
• függ a kereslet ingadozásától (szezon, napszak).

Miért történik ez valójában?

A teltház illúzióját nem a „rossz ügyfelek” okozzák, hanem a folyamat és a rendszer logikája.

Statikus teltház logika

A legtöbb rendszer teltház után egyszerűen „megáll”. Nem gondolkodik tovább azon, hogy a teltház dinamikusan változik.

Várólista hiánya (vagy csak látszat-várólista)

Sok helyen nincs várólista. Vagy van, de:

• manuálisan kell hívogatni / e-mailezni,
• nincs prioritás,
• nincs automatikus visszamérés,
• nincs időablakos ajánlat (aki gyors, befér).

Lassú utántöltés

Még ha észreveszik a kiesést, a reakcióidő túl lassú:

• a lemondás későn érkezik,
• a szervező későn látja,
• a pótlás későn történik,
• és addigra már nincs, aki beugorjon.

Többeseményes torzítás (különösen bérletes, sorozatos eseményeknél)

Ha több időpont fut párhuzamosan, a szervező fejben próbál „okosan” tölteni:

• ide irányít, oda nem,
• itt megtart, ott enged,
• és a végén a rendszer nem optimalizál, csak szétcsúszik.

A pénz: mennyi bevétel marad az asztalon?

A kapacitásvesztés üzleti jelentősége akkor válik egyértelművé, ha lefordítjuk egyszerű modellre.

Egyszerű becslés:

• kapacitás: 20 fő
• részvételi díj / fő: 8 000 Ft
• no-show + visszamondás: 10–25%

Kiesés eseményenként:

• 20 × 8 000 = 160 000 Ft (teljes bevétel)
• 10% kiesés = 16 000 Ft
• 25% kiesés = 40 000 Ft

Ha egy ilyen esemény hetente fut, a kiesés már nem „apróság”, hanem rendszeres, tervezhető veszteség.

(A fenti számolás modell: a lényeg a mechanika és a nagyságrend.)

Mitől lesz a teltház valóban teltház?

A megoldás kulcsa nem feltétlenül a „még több marketing”, hanem kapacitás-intelligencia: a felszabaduló helyek gyors, következetes, átlátható utántöltése.

Minimum: valós várólista és automatizálás

A várólista akkor működik, ha:

• a rendszer észleli a felszabaduló helyet,
• azonnal lép,
• és a megfelelő érdeklődőhöz kerül az ajánlat.

Ajánlatos feltöltés (időablak + visszamérés)

A legnagyobb ugrás ott jön, amikor a hely:

• nem „szabad”, hanem felajánlott,
• van válaszidő,
• és ha nincs válasz, a rendszer tovább lép.

Többeseményes kiegyensúlyozás

Párhuzamos eseményeknél nem elég egyetlen teltház logika. Kiegyensúlyozás kell:

• hol van tényleges hiány,
• hol van túltöltés kockázat,
• hogyan töltünk úgy, hogy ne „csak az egyik” legyen tele.

Záró gondolat

A teltház nem cél, hanem állapot. A cél a maximális valós kihasználtság.

Ha a rendszered teltháznál megáll, a no-show és a lemondás nem kivétel lesz, hanem beépített bevételkiesés. A 10–25% kapacitásvesztés nem sorscsapás – tipikusan a folyamat logikájának következménye.

A nemzetközi adatok alapján a kapacitásveszteség jelentős része nem a kereslet hiányából fakad, hanem abból, hogy a felszabaduló helyek kezelése nem történik valós időben. Azok a rendszerek, amelyek automatizált várólista-kezelést és gyors utántöltési logikát alkalmaznak, érdemben csökkenthetik a teltház és a tényleges részvétel közötti különbséget.

Módszertani megjegyzés

Ez a riport a csoportos foglalási helyzetekben gyakori no-show és visszamondási minták alapján fogalmaz meg nagyságrendi állítást (10–25%). A pontos érték iparáganként és szabályrendszerenként változik; a cél a jelenség üzleti jelentőségének és a mögöttes mechanizmusnak a tiszta bemutatása.

---

A riportot a Bookcessful kutatási és termékfejlesztési csapata készítette nemzetközi szakirodalom és platform-benchmarkok elemzése alapján.

Forráslinkek

[1] [2] [3] [9] [11] [15] [27] [28] Experimental evidence of limited attention at the gym | Experimental Economics | Cambridge Core

[4] [12] [14] [20] [26] https://mlcircle.com/wp-content/uploads/2021/06/Webinar-benchmarks-report-2021.pdf

[5] [16] (PDF) Football spectator no-show behavior in Switzerland: Empirical evidence from season ticket holder behavior

[6] [8] [23] [25] https://www.goldcast.io/reports/b2b-webinar-benchmark-report-2025

[7] [13] https://www.researchgate.net/publication/362684808_What_do_we_know_about_no-show_behavior_A_systematic_interdisciplinary_literature_review

[10] [24] https://www.bizzabo.com/blog/event-marketing-statistics

[17] https://welcome.bizzabo.com/hubfs/Q125_BenchmarkingReport_2.18.pdf

[18] https://www.bizzabo.com/customer-stories/how-piano-used-bizzabox-for-in-person-conference

[19] https://images.g2crowd.com/uploads/attachment/file/120689/on24-benchmarks-20190228.pdf

[21] https://www.sellingsimplifiedinsights.asia/asset/Marketing-and-CRM/Webinar-Benchmarks-Report-APAC.pdf

[22] https://d24cdstip7q8pz.cloudfront.net/t/LeadSquared/content/common/documents/ON24_2016_Benchmark_Report_WP.pdf