Siivouspalvelun hinnoittelu 2026 — miten katelaskenta tehdään ilman arvauksia
Liian moni siivousyritys hinnoittelee tarjouksensa kilpailijan hinnan perusteella. Käymme läpi kohdekohtaisen kateanalyysin, joka näyttää oikean hinnan minuutin tarkkuudella.
Siivousalan kateprosentit ovat olleet paineen alla jo vuosia. Asiakkaat kilpailuttavat tiukasti, palkat nousevat ja sopimukset ovat pitkiä — eli huono hinnoittelu jää kestämään 12–24 kuukautta ennen kuin sitä voidaan korjata. Tästä syystä tarjousvaiheen katelaskenta ei saa perustua arvioon vaan oikeaan dataan omasta toiminnasta.
Miksi neliöhinta yksin ei riitä
Neliöhinta on hyvä lähtökohta vertailuun, mutta kahdella saman neliömäärän kohteella voi olla aivan eri todellinen kustannus: avoin toimistotila ilman kalusteita on nopea, kun taas kerrostalon porraskäytävä, jossa on kahdeksan kerrosta ilman hissiä, sitoo siivoojan tunneiksi. Hinnoittelumalli, joka huomioi vain neliöt, johtaa systemaattisesti alihinnoiteltuihin haastaviin kohteisiin ja ylihinnoiteltuihin helppoihin kohteisiin — eli yritys häviää juuri ne tarjouskilpailut, jotka olisivat olleet kannattavimpia.
Kohdekohtaisen katelaskennan kolme kerrosta
- Suorat työkustannukset: kohteen toteutuneet tunnit × työntekijän kokonaiskustannus (palkka + sivukulut + lisät).
- Suorat materiaalikustannukset: kohteeseen kohdistetut siivoustarvikkeet, koneet ja kemikaalit, ei keskimääräinen kuukausiarvio.
- Yleiskustannusten jakaminen: työnjohto, hallinto, ajoneuvot ja toimitilat jaettuna kohteille esim. tuntiosuuden mukaan, jotta kuukausikate per kohde on vertailukelpoinen.
Mitä dataa tarvitaan käytännössä
Toteutuneiden tuntien kirjaaminen kohteittain on kaiken perusta. Jos kahdeksan siivoojaa kirjaa tunnit yhdelle yhteiselle "ylläpito"-riville, kohdekohtaista katetta ei voi laskea jälkikäteen kuin arvaamalla. Sen sijaan, kun mobiilisovellus pakottaa valitsemaan kohteen aloituksen yhteydessä, data syntyy itsestään ja kateraportit ovat reaaliajassa luettavissa.
Materiaalipuolella riittää usein, että pesuaineet ja koneet kohdennetaan tilauksen yhteydessä joko kohteelle tai alueelle — täydellistä tarkkuutta ei tarvita, mutta keskiarvoja parempi pohja saadaan jo kevyellä seurannalla.
Tarjousmalli, joka ei aliarvioi haastavia kohteita
Kun käytössä on dataa edellisistä vastaavista kohteista, tarjouspohja voi laskea automaattisesti aikaennusteen kohteen ominaisuuksien (neliöt, kerrokset, kalustetiheys, käyttöaste) perusteella. Tarjouksen pohjana käytetään realistista tuntiarviota, jonka päälle tulee tavoitekate. Ilman dataa myyjä joutuu arvaamaan — ja arvaa lähes aina kilpailijan hintaan, ei oman tuotantonsa kustannukseen.
Hintojen päivittäminen olemassa oleviin sopimuksiin
Sopimuslaskutuksessa hintojen vuosipäivitys (esim. indeksi tai TES-korotus) jää usein tekemättä, koska sopimuksia on satoja eikä kukaan ehdi käydä niitä läpi käsin. Kun sopimukset ja niiden hinnoittelumallit ovat yhdessä järjestelmässä, vuosittainen päivitys ajetaan massana muutamassa minuutissa — ja tämä yksin voi olla 4–8 % liikevaihdon parannus per vuosi.
Haluatko nähdä Eemel Onen toiminnassa?
30 minuutin etädemossa käymme läpi siivousyrityksesi prosessit.