Taux de check-in et absences
Utiliser les réservations confirmées et les check-ins pour comprendre la qualité de présence après le démarrage de l'événement.
Cet article explique comment exploiter les KPI d'événement une fois que les réservations deviennent des arrivées réelles, afin de distinguer la demande de la présence et de mieux préparer le prochain événement.
Les questions auxquelles cette vue répond
Utilisez cette vue lorsque vous avez besoin de savoir :
- quels créneaux ou quels jours ont eu la meilleure présence réelle ;
- où vous perdez des participants entre la réservation et l'arrivée ;
- si les annulations arrivent assez tôt, ou si vous portez encore trop d'absences ;
- s'il faut ajuster les rappels, le staffing, la capacité, ou les horaires pour la prochaine édition.
Le no-show est un calcul que vous faites
OmniLab affiche Confirmé, Annulé, Check-ins et Taux de Check-in. Un taux d'absence pratique est (Confirmé - Check-ins) / Confirmé sur la période que vous analysez.
Les métriques qui comptent après le lancement
| Métrique | Question à laquelle elle répond | Lecture pratique |
|---|---|---|
Confirmé | Combien de participants étaient attendus ? | C'est votre plan de présence avant les arrivées. |
Annulé | Quelle part de la demande confirmée s'est retirée ? | À lire séparément des absences. Une annulation n'est pas la même chose qu'une non-présence. |
Check-ins | Combien de personnes sont réellement arrivées ? | C'est votre chiffre de présence réelle. |
Taux de Check-in | Quelle part des réservations confirmées s'est transformée en arrivée ? | Utilisez-le pour comparer la qualité de présence entre créneaux, dates, événements, et types de billets. |
Travailler un exemple
Imaginez qu'un workshop affiche :
Confirmé:40Annulé:6Check-ins:32Taux de Check-in:80%
À partir de cette ligne, vous pouvez conclure :
- la présence est solide, car 32 réservations confirmées sur 40 se sont transformées en arrivée ;
- le taux d'absence est de
20%, car(40 - 32) / 40 = 0.20; - les annulations comptent aussi, mais elles répondent à une autre question : combien de personnes se sont retirées avant l'arrivée.
Utiliser le bon regroupement
Créneau: idéal pour le staffing, l'allocation des hôtes, et l'identification de la session exacte où la présence est la plus faible.Quotidien: idéal pour les opérations du jour, car plusieurs créneaux sont regroupés dans une même lecture de présence.Hebdomadaire: idéal pour des formats récurrents comme des cours, des démonstrations, ou des visites sur plusieurs semaines.Mensuel: idéal pour un reporting plus haut niveau quand le programme d'événements s'étale dans le temps.
Utiliser les filtres quand ils sont disponibles
- Si la campagne contient plusieurs événements, commencez par le filtre
Événement. - Une fois un seul événement sélectionné, utilisez
Type de Billetpour comparer la qualité de présence au sein de cet événement.
Comment agir à partir de ce que vous apprenez
- Si les réservations sont fortes mais que le
Taux de Check-inest faible, revoyez les rappels, les consignes d'arrivée, et le timing du check-in. - Si un
Type de Billetsous-performe régulièrement, filtrez cette catégorie et comparez-la au reste de l'événement. - Si un moment de la journée affiche toujours une présence plus faible, ajustez les horaires, le staffing, ou la capacité avant de répéter le format.
- Si les annulations montent juste avant l'événement, revoyez le timing des rappels et rendez le parcours d'annulation plus clair.
Appuyez-vous sur vos propres repères
OmniLab n'applique pas de benchmark intégré des absences dans cette vue. Comparez des types d'événements, des lieux, des moments de journée, et des mixes de billets comparables dans votre propre historique.
Pour aller plus loin
Analyse des réservations
Lire le remplissage, la demande, et la performance par événement ou type de billet avant de vous concentrer sur la présence.
Exports pour les événements
Télécharger la vue événementielle actuelle ou accéder au guide d'export canonique.
Check-in trop tôt ou trop tard
Résoudre les problèmes de timing quand des participants arrivent trop tôt ou trop tard.