Sådan kan detailhandlere sammenligne sig med deres kategori

En butikschef sidder med månedsrapporten: omsætningen ligger 4 % over sidste år. Godt, tænker hun. Men hvad hun ikke kan se i regnearket er, at kategorien som helhed voksede 11 % i samme periode. Butikken vinder ikke – den taber markedsandel, mens tallene ser pæne ud. Det er den klassiske fælde ved kun at sammenligne sig med sig selv: du måler bevægelse, ikke position.

Kategori-benchmarking i detailhandlen handler om at flytte referencepunktet. Ikke "hvordan gik det i forhold til sidste kvartal?", men "hvordan gik det i forhold til dem, vi reelt konkurrerer med om de samme kunder?". De fleste kategorichefer ved det godt i teorien. Problemet er, at de fleste sammenligninger i praksis bygger på forkerte eller usammenlignelige tal.

Omsætning er det dårligste benchmark-tal du har

Omsætning er et resultat af mindst fire underliggende faktorer: hvor mange der kommer ind, hvor stor en andel der køber, hvor meget de køber for, og hvad varerne koster. Når du sammenligner rå omsætning på tværs af butikker eller mod kategorien, blander du alle fire sammen – og du kan ikke handle på blandingen.

Splittet op fortæller tallene vidt forskellige historier. En butik med lav omsætning men høj konverteringsrate har et trafikproblem – det peger på beliggenhed, åbningstider eller lokal markedsføring. En butik med høj trafik men lav konvertering har et internt problem: sortiment, bemanding, priser eller butiksoplevelse. Samme omsætningstal, to helt forskellige handlingsplaner. Det er derfor, at benchmarking uden besøgstal er gætteri med decimaler.

De fire tal, der faktisk kan sammenlignes på tværs

• Konverteringsrate – transaktioner divideret med besøgende. Det mest sammenlignelige tal på tværs af butiksstørrelser, fordi det er uafhængigt af, hvor meget trafik beliggenheden leverer.
• Omsætning pr. besøgende – fanger både konvertering og kurvstørrelse i ét tal. Godt til hurtig rangering, men kræver konverteringsraten ved siden af for at forklare hvorfor.
• Trafik pr. åbningstime – aldrig rå trafik. En butik med 70 ugentlige åbningstimer vil altid slå en med 50 på totaltal, uden at det siger noget om performance.
• Besøgsdemografi – alders- og kønsfordeling blandt faktiske besøgende. Afgørende når to butikker i samme kategori konverterer forskelligt: rammer de overhovedet samme kundegruppe?

Bemærk hvad der ikke står på listen: gennemsnitlig transaktionsstørrelse alene. Den er stærkt påvirket af prispunkter og kampagnemix og egner sig bedre til intern opfølgning end til sammenligning på tværs af kæder eller kategorier.

Byg dit interne kategori-benchmark først

Mange springer direkte til eksterne branchetal og overser den mest værdifulde datakilde: deres egen portefølje. Har du otte butikker, har du otte datapunkter under identiske betingelser – samme sortiment, samme priser, samme kampagnekalender. Forskellene mellem dem kan kun skyldes lokation, ledelse og eksekvering. Det er benchmarking i sin reneste form.

Fremgangsmåden er enkel, men kræver disciplin:

• Gruppér butikker i sammenlignelige klynger – center vs. gadeplan, storby vs. provins. En centerbutik og en strøgbutik har strukturelt forskellige konverteringsrater, fordi centertrafik indeholder flere "forbipasserende" besøg.
• Beregn kvartilgrænser for konvertering og omsætning pr. besøgende inden for hver klynge.
• Sæt mål ud fra klyngens øverste kvartil – ikke ud fra kædegennemsnittet, som trækkes ned af de svageste.
• Gentag pr. dagstype. En butiks lørdagskonvertering skal sammenlignes med andre butikkers lørdage, ikke med deres uger.

Daells Bolighus brugte netop den tilgang under en turnaround: ved at samle salgs- og besøgsdata fra både fysiske lokationer og webshoppen i ét overblik kunne ledelsen se, hvilke lokationer der underpræsterede i forhold til resten af porteføljen – og prioritere indsatsen der, i stedet for at smøre forbedringstiltag tyndt ud over det hele.

En fejl næsten alle begår ved implementering

Her er en erfaring fra praksis, som sjældent står i leverandørbrochurerne: sammenligninger på tværs af butikker falder fra hinanden, hvis tælleopsætningen ikke er ensartet. Én butik tæller personale, der krydser indgangen tyve gange dagligt; en anden har sensoren placeret, så den fanger forbipasserende i centergangen; en tredje har to indgange, hvor kun den ene tælles. Resultatet er konverteringsrater, der afviger flere procentpoint af rent tekniske årsager – og ledere, der bliver målt på støj. Før du benchmarker noget som helst, skal tællezoner, personalefrasortering og indgangsdækning være defineret ens på alle lokationer. Nøjagtigheden i selve tællingen betyder også noget: kontraktligt bør du forvente minimum 96 %, og under gode forhold – fornuftig belysning, klar indgangszone – ligger den typisk på 98–99 %. Men selv perfekte sensorer redder ikke en inkonsistent opsætning.

Demografi: det benchmark, kategorichefer overser

To butikker i samme kategori kan have identisk trafik og vidt forskellig konvertering, fordi de besøges af forskellige mennesker. Hvis din butik i ét område tiltrækker en markant yngre besøgsprofil end kategoriens kernekunde, er problemet måske ikke butikken – det er misforholdet mellem lokalt sortiment og lokal målgruppe. Luksusbaby brugte den type indsigt aktivt: real-time hitrater og konverteringsrater kombineret med demografi på de faktiske besøgende gjorde det muligt at se, om markedsføringen trak de rigtige kunder ind – ikke bare flere kunder. For en kategorichef er det forskellen på at justere kampagnebudgettet i blinde og at flytte det derhen, hvor besøgsprofilen matcher kategoriens køber.

Fra benchmark til budgetbeslutning

Benchmarking er kun noget værd, hvis den ændrer, hvor pengene bruges. Tre konkrete oversættelser fra tal til beslutning:

• Under klyngens median på konvertering, normal trafik: flyt budget mod bemanding i spidsbelastning og butiksoplevelse – ikke mod mere markedsføring. Mere trafik ind i en butik, der ikke konverterer, forstærker bare tabet.
• Over median på konvertering, under median på trafik: her giver lokal markedsføring afkast. Butikken har bevist, at den kan lukke salg – den mangler kun besøgende.
• Afvigende demografi i forhold til kategoriprofilen: revurder lokalt sortiment og kampagnevalg, før du dømmer butikschefen på konverteringen.

Sæt en fast kadence: månedlig gennemgang af klyngekvartiler, kvartalsvis revurdering af klyngerne selv. Butikker flytter sig – en ny konkurrent i nabolokalet kan gøre en tidligere topbutik til et strukturelt svagere sammenligningsgrundlag på tre måneder.

Vil du vide, hvordan dine butikker reelt ligger i forhold til hinanden – og hvad tallene skal bygge på, før sammenligningen holder? Kontakt Vemco Group her, og få en gennemgang af, hvordan ensartet besøgstælling, konverteringsdata og besøgsdemografi bliver til et benchmark, du kan træffe budgetbeslutninger på.