Prissättning av städtjänster 2026 — hur vinstberäkning görs utan gissningar
Allt för många städföretag prissätter sina erbjudanden baserat på konkurrentens pris. Vi går igenom en objektbaserad vinstanalys som visar det rätta priset med minutnoggrannhet.
Marginalerna inom städbranschen har varit under tryck i flera år. Kunderna upphandlar strikt, lönerna stiger och kontrakten är långa — vilket betyder att dålig prissättning kan stå sig i 12–24 månader innan den kan korrigeras. Av denna anledning får profitberäkningen i anbudet inte baseras på en uppskattning utan på verklig data från sin egen verksamhet.
Varför kvadratmeterpris ensamt inte räcker
Kvadratmeterpriset är en bra utgångspunkt för jämförelse, men två objekt med samma kvadratmeterantal kan ha helt olika verkliga kostnader: ett öppet kontorsutrymme utan möbler är snabbt, medan en trappuppgång i ett flerfamiljshus med åtta våningar utan hiss binder städaren i timmar. En prissättningsmodell som bara beaktar kvadratmeter leder systematiskt till undervärderade utmanande objekt och övervärderade enkla objekt — vilket innebär att företaget förlorar just de anbudstävlingar som skulle ha varit mest lönsamma.
Tre nivåer av objektbaserad täckningsberäkning
- Direkta arbetskostnader: genomförda timmar för objektet × den anställdes totala kostnad (lön + sociala avgifter + tillägg).
- Direkta materialkostnader: städmaterial, maskiner och kemikalier som riktas till objektet, inte genomsnittlig månadsuppskattning.
- Fördelning av allmänna kostnader: arbetsledning, administration, fordon och lokaler fördelat på objekt, t.ex. enligt timandel, så att månadstäckningen per objekt är jämförbar.
Vilken data som behövs i praktiken
Registrering av genomförda timmar per objekt är grunden för allt. Om åtta städare registrerar sina timmar på en gemensam "underhåll"-rad kan man i efterhand bara gissa den objektbaserade täckningen. Istället, när mobilappen tvingar till att välja objekt vid start, skapas datan automatiskt och täckningsrapporter kan läsas i realtid.
På materialfronten räcker det ofta med att rengöringsmedel och maskiner riktas vid beställningen till antingen objektet eller området — perfekt precision behövs inte, men en bättre bas än medelvärden kan uppnås med lätt uppföljning.
Ett anbudsmal som inte undervärderar utmanande objekt
När man har data från tidigare liknande objekt kan anbudsmallen automatiskt beräkna en tidsprognos baserat på objektets egenskaper (kvadratmeter, våningar, möbleringstäthet, utnyttjandegrad). Erbjudandet baseras på en realistisk tidsuppskattning, ovanpå vilken en målmarkering tillkommer. Utan data tvingas säljaren gissa — och gissar nästan alltid på konkurrerande pris, inte kostnaden för sin egen produktion.
Uppdatering av priser på befintliga avtal
I avtalsfaktureringen glöms ofta den årliga prisuppdateringen (t.ex. index eller kollektivavtalshöjning) bort, eftersom det finns hundratals avtal och ingen hinner gå igenom dem manuellt. När avtalen och deras prissättningsmodeller finns i ett och samma system kan den årliga uppdateringen köras massvis på några minuter — och detta ensamt kan innebära en förbättring av omsättningen på 4–8 % per år.
Vill du se Eemel ONE i praktiken?
I en 30-minuters fjärrdemo går vi igenom ditt städbolags processer.
