Komplet guide til konverteringsrate i detailhandlen

En lørdag i november har en butik i et dansk shoppingcenter 2.100 besøgende og 310 bonner. Den følgende tirsdag har samme butik 640 besøgende og 180 bonner. Lørdagen gav mest omsætning, så den bliver kaldt en god dag. Men tirsdagens konverteringsrate er næsten dobbelt så høj, og det er lørdagen, der gemmer det største uudnyttede salg. Omkring 1.800 mennesker gik ud igen uden at købe. Det er den slags regnestykke, der afgør, om besøgstælling er en rapport, der bliver læst, eller et redskab, der ændrer vagtplanen.

Hvorfor konverteringsrate slår omsætning som styringstal

Omsætning fortæller, hvad der skete. Konverteringsrate fortæller, hvad butikken gjorde med de kunder, den fik. Forskellen er afgørende, fordi trafikken i høj grad er bestemt af faktorer uden for butikschefens kontrol: vejret, centrets kampagner, ferier, en ny konkurrent på nabogaden. Konverteringen derimod afhænger af bemanding, varetilgængelighed, køtid og rådgivning – præcis de ting, en butikschef faktisk kan påvirke i morgen.

Det ses tydeligt, når to butikker i samme kæde sammenlignes. Butik A har 20 % mere omsætning end butik B og bliver fremhævet på regionsmødet. Men butik A har 40 % mere trafik og en lavere retail conversion rate. Set på evnen til at sælge til dem, der kommer ind, er B den bedst drevne butik, og A er den, hvor der ligger mest at hente.

Sådan beregnes konverteringsrate korrekt

Formlen er simpel: antal transaktioner divideret med antal besøgende, ganget med 100. Det er tallene bag formlen, der skaber problemer. Tre fejl går igen i næsten alle implementeringer, vi ser:

• Personale tælles som besøgende. Medarbejdere, der går ud med affald, holder rygepause eller henter varer fra lageret via hovedindgangen, kan udgøre 5–10 % af tællingen i en mindre butik. Uden personalefiltrering ser konverteringen systematisk for lav ud, og værst på de dage med flest på arbejde.
• Tidsrummene passer ikke sammen. Hvis kassesystemet rapporterer per time og besøgstællingen per kvarter, eller hvis kassen lukker dagen kl. 18.00 mens tælleren kører til 18.30, bliver time-for-time-analysen ubrugelig. Begge datakilder skal ligge på samme tidsakse.
• Returbonner og nulbonner tæller med. En ombytning giver ofte to transaktioner i kassen. En kunde, der afhenter en onlineordre, giver en bon uden at være et salg. Begge dele skal defineres fra start, ellers kan to butikker i samme kæde ikke sammenlignes.

Dertil kommer selve tællingens nøjagtighed. Moderne 3D-sensorer leverer typisk 98–99 % nøjagtighed, når lysforhold, butikslayout og kundernes adfærd tillader det, og en seriøs leverandør forpligter sig kontraktligt til mindst 96 %. Det er værd at få skrevet ind i aftalen, for en kundetæller med 85 % nøjagtighed giver en konverteringsrate, ingen tør træffe beslutninger på.

Hvad er en god konverteringsrate?

Det ærlige svar er, at tallet er næsten ubrugeligt på tværs af brancher. En dagligvarebutik, hvor nærmest alle besøgende køber noget, kan ikke måles mod en møbelbutik, hvor kunden besøger tre gange før beslutningen, eller en modebutik i et center med meget gennemgangstrafik. Selv inden for samme kæde varierer tallet med beliggenhed: en butik på en strøggade med vinduesshoppere vil altid ligge lavere end en butik i et boligområde, hvor folk kommer med et ærinde.

Det brugbare benchmark er derfor butikkens egen historik, time for time og ugedag for ugedag. Spørgsmålet er ikke, om 25 % er godt, men hvorfor fredag kl. 16–18 ligger under tirsdag kl. 10–12, og hvad der sker med tallet, når der sættes en ekstra medarbejder på i netop det tidsrum.

Det mønster, alle butikker opdager først

Når en kæde første gang lægger fodtrafik i butik oven på kassedata per time, dukker det samme mønster op i næsten alle butikker: konverteringen falder markant i de timer, hvor trafikken topper. Ikke fordi kunderne i spidsbelastningen er mindre købelystne, men fordi antallet af besøgende per medarbejder stiger voldsomt, prøverum og kasser får kø, og de kunder, der havde brug for ét spørgsmål besvaret, forlader butikken uden at stille det.

En erfaring fra implementeringer, der sjældent står i leverandørernes brochurer: det er ofte ikke antallet af medarbejdere, der er problemet, men hvornår pauserne ligger. Frokostpauser planlagt kl. 12–13 rammer præcis den time, hvor center-trafikken er højest på hverdage. At flytte pauserne 45 minutter koster ingenting og kan løfte konverteringen i den time mærkbart. Den øvelse kan ikke laves med dagstotaler; den kræver timedata fra begge kilder.

Fra ugerapport til realtid

Der er forskel på at se sidste uges konverteringsrate i en rapport og på at se dagens tal, mens dagen stadig kan ændres. Luksusbaby brugte VemCount til netop det: konverteringsrate i realtid kombineret med demografi på de besøgende. Det gav to ting på én gang. Butikschefen kunne reagere samme dag, når konverteringen faldt midt på eftermiddagen, og marketing kunne se, om aldersgruppen og kønsfordelingen i butikken faktisk svarede til den målgruppe, kampagnerne var rettet mod. Når de to ting ikke stemmer overens, er en lav konverteringsrate ikke et bemandingsproblem, men et kampagneproblem.

Det næste lag er at forstå, hvad der sker mellem indgang og kasse. Med customer journey-analyse, som VemTrack leverer, kan man se, hvilke zoner besøgende går til, hvor de stopper, og hvor de forlader butikken fra. En butik med lav konverteringsrate og høj dvæletid i en bestemt afdeling har sandsynligvis et rådgivningsproblem dér, ikke et generelt trafikproblem. Det er en langt mere præcis instruks til butikschefen end et samlet tal på en skærm.

Fem handlinger, der flytter tallet inden for en måned

• Bemand efter trafik, ikke efter omsætning. Læg vagtplanen op mod besøgskurven per time og flyt pauser og mødetider, så de færreste medarbejdere ikke falder sammen med de fleste kunder.
• Sæt én konverterings-KPI per butik, ikke én for kæden. Mål hver butik mod sin egen historik og sin egen butikstype, og sammenlign ændringer, ikke niveauer.
• Mål kampagner på konvertering, ikke kun på trafik. En kampagne, der giver 30 % flere besøgende og uændret salg, har tiltrukket de forkerte mennesker eller overbelastet butikken. Begge dele er vigtig viden.
• Gør tallet synligt for personalet. Dagens konverteringsrate på en skærm i baglokalet ændrer adfærd på gulvet mere end nogen månedsrapport til regionschefen.
• Undersøg de lave timer, før du fejrer de høje. Potentialet ligger altid der, hvor mange kom ind, og få købte.

Ofte stillede spørgsmål

Hvordan øger man fodtrafikken i en fysisk butik? Begynd med at måle, hvilke dage, timer og kampagner der faktisk trækker folk ind, i stedet for at gætte. Lokale events, synlige vinduesudstillinger rettet mod den demografi, der allerede kommer forbi, og samarbejde med centrets markedsføring giver typisk mere end generel annoncering. Men husk, at mere trafik kun er værdifuld, hvis konverteringsraten holder; ellers betaler du for kunder, der går ud igen.

Hvordan måler man fodtrafik i en butik? Den mest pålidelige metode er en kundetæller med 3D-sensorer over hver indgang, som tæller ind- og udgående besøgende anonymt og filtrerer personale fra. Data sendes til en retail analytics-platform, hvor de kobles med kassedata per time, så du kan se konverteringsrate, besøg per medarbejder og trafik per zone. Manuelle tællinger og håndklikkere kan bruges til en stikprøve, men giver ikke de timedata, der er nødvendige for at ændre bemanding og kampagner.

Vil du vide, hvor mange kunder din butik taber mellem indgang og kasse, og i hvilke timer det sker? Kontakt Vemco Group, så gennemgår vi, hvordan din besøgstælling og dine kassedata kan kobles, så konverteringsraten bliver et tal, der styrer vagtplanen og ikke bare ugerapporten.