Sådan forbedrer du shoppingcenter analytics

Det er mandag morgen i centerledelsen. Besøgstallet for sidste uge ligger 3 procent over samme uge sidste år. Samme formiddag ringer en modekæde og beder om lejenedsættelse, fordi omsætningen er faldet 8 procent. Begge tal er formentlig rigtige. Problemet er, at ingen i rummet kan forklare, hvordan de hænger sammen, fordi trafikken tælles af ét system, omsætningen indberettes i et regneark to uger senere, og ingen af delene er brudt ned på etage, zone eller lejer. Det er her de fleste shoppingcentre står i dag: masser af data, ingen sammenhæng.

Start med at rydde op i, hvad der faktisk tælles

Før man køber flere dashboards, skal man vide, hvad de eksisterende tællere måler. Et centers samlede besøgstal er typisk summen af alle indgange, og den sum er sjældent lig med antallet af unikke besøgende. Gæster, der går ind fra parkeringskælderen og ud mod busterminalen, tælles to gange. Indgangen, der deler forhal med et supermarked, tæller dagligvarekunder, som aldrig ser resten af centret.

En erfaring fra dem, der installerer tællere i praksis: Det første, en dygtig implementeringskonsulent gør, er at gå rundt i centret klokken 07.30, før butikkerne åbner. Rengøringspersonale, varelevering og butiksansatte passerer de samme sensorer som kunderne, og hvis åbningstidsfiltret ikke er sat korrekt per indgang, ender de i besøgsstatistikken. På et center med sen åbning af restauranter og biograf er det ikke ét filter, men flere, og de skal justeres per zone. Det er kedeligt arbejde, og det er præcis derfor, det ofte springes over.

• Kortlæg hver indgang: Hvem bruger den, og hvornår? Marker gennemgangstrafik og indgange med delt anvendelse.

• Definér zoner: Etage, fløj, food court og ankerbutikkers nærområde skal kunne rapporteres hver for sig.

• Beslut én definition af en besøgende: Skriv den ned, og brug den i alle rapporter, også dem der går til lejerne.

Vær ærlig om tællenøjagtighed

Leasingteams bliver ofte mødt med spørgsmålet fra lejere: "Hvor præcise er jeres tal egentlig?" Svaret bør være konkret. En seriøs leverandør forpligter sig kontraktligt til en minimumsnøjagtighed på 96 procent, og under gode forhold, det vil sige ordentlig belysning, en indgang uden skæve vinkler og normal gæsteadfærd, ligger den typisk på 98 til 99 procent. Det er ikke det samme som at love 99 procent overalt. En indgang med kraftigt modlys om eftermiddagen eller en rulletrappe, hvor folk står tæt, vil ligge lavere, og det skal man kunne dokumentere med manuelle kontroltællinger.

Pointen for asset managers er, at nøjagtigheden skal være kendt og verificeret per indgang, ikke antaget for hele centret. Når tallene senere bruges til at forhandle omsætningsleje eller argumentere for en markedsføringsafgift, er det dokumentationen, ikke procenttallet i brochuren, der afgør, om lejeren accepterer grundlaget.

Luk hullet mellem fodtrafik og lejeromsætning

Det største spring i kvaliteten af shoppingcenter analytics sker ikke, når man får flere tællere. Det sker, når lejernes omsætning kommer ind i samme system som trafikken, automatisk og på samme tidsakse. Så længe omsætningen indsamles manuelt, er den forsinket, ufuldstændig og umulig at bryde ned på dag eller time. Man kan ikke forklare, hvorfor lørdag den 14. var dårlig, hvis man kun har månedstallet.

Kombinationen af VemCount til besøgstælling og VemTenant til automatisk håndtering af lejeromsætning er bygget præcis til dette. Lejerens omsætning hentes automatisk i stedet for at blive tastet ind af en centermedarbejder, der venter på mails, og trafikken til centret, zonen og i mange tilfælde den enkelte butik ligger ved siden af. Resultatet er ikke bare mindre administration. Det er, at spørgsmålet fra mandag morgen kan besvares: Var der færre besøgende ved den pågældende lejer, eller kom de samme mennesker og købte mindre?

De to svar kræver to helt forskellige reaktioner fra centret. Færre besøgende i zonen peger på wayfinding, ankerlejere, parkering eller markedsføring, altså ting, centret ejer. Samme trafik og lavere salg peger på lejerens eget sortiment, bemanding eller priser. Uden koblede data betaler centret ofte for et problem, der ikke er dets eget.

Benchmark lejere på konvertering, ikke kun på omsætning

Omsætning per kvadratmeter er stadig det tal, de fleste leasingteams sammenligner på. Det er et fornuftigt tal til budgettet, men et dårligt tal til beslutninger, fordi det belønner placering lige så meget som præstation. En lejer ved hovedindgangen kan have høj omsætning per kvadratmeter og elendig konvertering, mens en lejer på anden etage gør det modsatte.

Når trafik og omsætning ligger i samme system, kan man benchmarke konvertering, salg og engagement på tværs af lejere inden for samme kategori. Det giver tre konkrete anvendelser:

• Genforhandling: En lejer med lav omsætning men konvertering på niveau med kategorien har et trafikproblem, ikke et driftsproblem. Her giver en bedre placering eller bedre skiltning mere mening end lejenedsættelse.

• Tidlig varsling: Faldende konvertering over otte til tolv uger er et langt tidligere signal om en lejer i vanskeligheder end en forsinket lejebetaling.

• Relokering: Når en enhed bliver ledig, kan man vurdere, hvilken kategori der historisk konverterer bedst på den trafik, zonen faktisk har, i stedet for at gætte.

Bemærk, at benchmarking kræver disciplin omkring data. Hvis to lejere i samme kategori indberetter omsætning forskelligt, den ene inklusive onlinesalg afhentet i butikken, den anden uden, bliver sammenligningen misvisende. Det er endnu en grund til at automatisere indsamlingen og fastlægge definitionerne i lejekontrakten.

Gør tallene til en del af leasing-samtalen

Mange centre har gode data, som aldrig forlader driftsafdelingen. Leasingteamet forhandler stadig med mavefornemmelse og en brochure med årets samlede besøgstal. Det er spild. En potentiel lejer, der får vist trafik per time i den zone, enheden ligger i, samt konverteringsniveauet for sammenlignelige kategorier i centret, træffer en hurtigere beslutning og forhandler mere realistisk om omsætningslejens tærskel.

Det kræver, at data kan deles i afgrænsede udsnit. Lejere skal kunne se deres egen konvertering mod kategoriens gennemsnit uden at se konkurrentens tal. Løsninger, der er bygget til centre, håndterer den adgangsstyring; regneark gør ikke.

Et ugentligt ritual, der faktisk flytter noget

Analytics forbedres ikke af bedre software alene, men af en rutine, hvor nogen ser på tallene og har mandat til at handle. En model, der virker i praksis, er et ugentligt møde på 30 minutter med centerchef, marketing og leasing, hvor man gennemgår tre ting: zoner med afvigende trafik i forhold til samme uge sidste år, lejere hvor konverteringen har bevæget sig mere end et aftalt interval, og effekten af sidste uges tiltag, målt på trafik og omsætning i de berørte zoner.

Det sidste punkt er det vigtigste og det, der oftest mangler. Et event i atriet, der trak 4.000 ekstra besøgende, er kun en succes, hvis butikkerne omkring atriet også solgte mere. Hvis de ikke gjorde, har man betalt for trafik, ikke for omsætning, og næste års markedsføringsbudget bør afspejle det.

Vil du have tal, der kan holde til en lejeforhandling?

Hvis dit center i dag kan fortælle, hvor mange der kom, men ikke hvad der skete, når de var inde, er det næste skridt at koble besøgstælling og lejeromsætning i ét system med verificeret nøjagtighed per indgang. Kontakt Vemco, og lad os gennemgå jeres nuværende tællezoner, indberetningsproces og benchmarks for lejere, så I ved præcis, hvor tallene svigter, før næste genforhandling.