Case study ticketing eventi: Phi Beach, ricavi online più che raddoppiati in tre stagioni
In tre stagioni con Dataz, i ricavi del ticketing online di Phi Beach sono passati da 2,7 a 5,6 milioni di euro (+107%), mentre la spesa pubblicitaria è scesa nelle ultime due. Il lavoro ha unito tracciamento, dynamic pricing sui biglietti, forecast per ogni evento e Sherpaz, la piattaforma di Dataz, in uso dalla seconda stagione.
I numeri in breve
| Indicatore | Risultato |
|---|---|
| Ricavi da ticketing online | 5,6 M€ nel 2026, contro 2,7 M€ nel 2023 (+107%) |
| Fatturato dei ristoranti | 3 volte quello del 2023 |
| ROAS 2026 | 69: ogni euro in advertising ne ha generati 69 |
| Scostamento tra forecast e vendite finali | tra il 2% e il 5%, evento per evento |
| Record di ticket venduti online per un singolo evento | battuto più di tre volte nella stagione 2026 |
Settore: ticketing e live, hospitality. Periodo: stagioni 2024, 2025 e 2026. Soluzione: Sherpaz più consulenza Dataz.
Il cliente e la sfida
Phi Beach è un beach club con due centri di ricavo: il ticketing degli eventi serali e i ristoranti della struttura. La stagione è breve e ogni serata è un prodotto che scade: un biglietto non venduto non si recupera.
Il punto di partenza aveva tre problemi.
- Dati separati. Ticketing, ristoranti e advertising vivevano in sistemi diversi. Mancava una visione unica del cliente.
- Prezzo deciso a sensazione. Il passaggio da una fascia di prezzo (tier) alla successiva non seguiva i segnali della domanda.
- Gestione reattiva. “L’evento non vende, alziamo il budget” oppure “vende bene, continuiamo così”. Si interveniva quando era già tardi.
L’obiettivo era crescere su volume e valore di ogni cliente, senza far crescere la spesa pubblicitaria.
Stagione 2024: prima i dati, poi le ottimizzazioni
Risultato: +54% di ricavi dal ticketing e +62% di prenotazioni rispetto al 2023.
Prima di ottimizzare abbiamo costruito le fondamenta: il tracciamento e la raccolta dei dati su tutti i punti di contatto. Senza dati affidabili non conosci il business, non sai cosa ottimizzare e non puoi misurare l’effetto di quello che fai.
Su questa base abbiamo impostato le strategie di advertising e misurato per la prima volta tutto il percorso, dall’annuncio al biglietto acquistato. La stagione si è chiusa con un record e ha lasciato un anno di dati: il punto di partenza per tutto il resto.
Stagione 2025: dynamic pricing per gli eventi e dati in un solo posto
Risultato: +22% di ricavi, +12% di valore medio dell’ordine e +9% di prenotazioni nei ristoranti, con il 4% di spesa pubblicitaria in meno.
Con una stagione di dati in mano, il collo di bottiglia era diventato la velocità. Analizzare a mano il comportamento d’acquisto voleva dire arrivare tardi. Per questo Phi Beach ha adottato Sherpaz come piattaforma dati interna.
- Un solo posto per tutti i dati. Sherpaz integra e pulisce i dati di ticketing, ristoranti e campagne. Le analisi partono da lì, automatiche e tempestive, non da un report di fine mese.
- Dynamic pricing sui tier dei biglietti. Un modello legge i segnali della domanda e indica il momento giusto per passare al tier di prezzo successivo. Il valore medio di ogni biglietto è salito senza rallentare le vendite.
- Clienti ad alto potenziale. Abbiamo segmentato la base clienti, trovato i cluster di maggior valore e li abbiamo riportati al Phi Beach con campagne dedicate.
- Advertising più efficiente. Le strategie sui canali online sono state ottimizzate anche con i primi agenti AI di Dataz per l’advertising.
Stagione 2026: sapere prima se un evento arriverà al target
Risultato: 5,6 M€ di ticketing online (+10%), +37% di fatturato dei ristoranti, saturazione media delle serate +4,3 punti, ROAS 69 con l’1% di budget in meno.
La domanda non era più “come vendiamo di più?”. Era “come sappiamo in anticipo se un evento arriverà al suo obiettivo?”.
Un forecast per ogni evento. Ogni serata ha un target di ticket e di saturazione. Il modello legge la curva di vendita e dice se, a quel ritmo, l’obiettivo verrà raggiunto. Lo scostamento tra forecast e risultato finale è rimasto tra il 2% e il 5%.
Controlli quotidiani. Ai forecast abbiamo collegato agenti AI che ogni giorno controllano:
- forecast delle vendite e ticket target
- livello di saturazione
- spesa pubblicitaria
- chi sta comprando: nuovi clienti o clienti di ritorno (repeater)
- andamento reale contro andamento necessario per chiudere a target
L’azione giusta, non solo più budget. Essere sotto forecast non vuol dire spendere di più. Spesso il problema non sono gli annunci.
| Cosa mostra il dato | Cosa si fa |
|---|---|
| L’evento vende ai nuovi clienti ma poco ai repeater | Email e CRM su chi è già stato al Phi Beach |
| L’evento corre verso il sold out prima del previsto | Si smette di spingere budget che non serve |
| L’evento è sotto la curva attesa | Lo si vede presto e si capisce dove intervenire |
Le vendite sono arrivate prima. Budget e azioni sono andati dove ogni singolo evento ne aveva bisogno.
Risultati, stagione per stagione
Ogni stagione è partita dal punto più alto della precedente. Le variazioni sono calcolate sulla stagione precedente. Base 2023: 2,7 M€ di ticketing online.
| Indicatore | 2024 | 2025 | 2026 |
|---|---|---|---|
| Ricavi ticketing online | circa 4,2 M€ (+54%) | circa 5,1 M€ (+22%) | 5,6 M€ (+10%) |
| Prenotazioni e ristoranti | +62% prenotazioni | +9% prenotazioni ristoranti | +37% fatturato ristoranti |
| Valore medio dell’ordine | n.d. | +12% | +6% |
| Saturazione media delle serate | n.d. | n.d. | +4,3 punti |
| Spesa advertising | n.d. | -4% | -1% |
| ROAS | n.d. | n.d. | 69 |
Come lavora Dataz in un progetto così
Sherpaz ha trasformato i dati di Phi Beach da archivio a strumento di decisione quotidiana. La tecnologia da sola però non basta: il team Dataz ha tradotto ogni indicazione in azioni su campagne, pricing e CRM.
| Livello di Sherpaz | Cosa fa | Come è servito a Phi Beach |
|---|---|---|
| Collect & Clean | Integra, valida e struttura i dati di tutte le fonti | Ticketing, ristoranti, campagne e CRM in un’unica base dati, aggiornata ogni giorno |
| Advanced Analytics | Modelli statistici costruiti sul settore del cliente | Dynamic pricing sui tier, segmentazione dei clienti ad alto potenziale, forecast di vendite e saturazione per evento |
| Act | Legge dati e modelli, propone e attiva azioni | Confronto quotidiano tra forecast e target, con l’indicazione di dove intervenire: budget, CRM o nessuna azione |
Il processo è lo stesso ogni stagione: misuri, capisci, ipotizzi, testi, ottimizzi. Poi ricominci. È il metodo che applichiamo anche nel growth marketing e nel performance marketing. Nella stessa venue abbiamo seguito anche un ristorante: leggi il caso Nammos Baja Sardinia.
Gestisci eventi, ticketing o hospitality? Guardiamo insieme i tuoi numeri.
Parla con Dataz oppure richiedi una demo di Sherpaz
Domande frequenti
Cos’è il dynamic pricing per gli eventi? È un modo di decidere il prezzo dei biglietti in base alla domanda. Nel caso Phi Beach un modello legge i segnali di vendita e indica quando passare al tier di prezzo successivo.
Il dynamic pricing rallenta le vendite? In questo caso no. Nel 2025 il valore medio dell’ordine è salito del 12% e i ricavi del 22%.
A cosa serve un forecast per ogni evento? A sapere presto se una serata arriverà al suo target. Se è sotto la curva attesa, si capisce dove intervenire: budget, CRM o nessuna azione.
Per crescere serve più budget pubblicitario? Non per forza. Phi Beach ha più che raddoppiato i ricavi da ticketing online con la spesa pubblicitaria in calo nel 2025 (-4%) e nel 2026 (-1%).
Che ruolo ha avuto Sherpaz? Ha unito i dati di ticketing, ristoranti, campagne e CRM. Su quei dati girano i modelli di pricing, segmentazione e forecast usati ogni giorno.