De fleste vagtplaner i detailhandlen bygger på sidste års omsætningstal og en fornemmelse af, hvornår der er travlt. Problemet er, at omsætning er et forsinket signal. Den fortæller dig, hvornår kunderne købte – ikke hvornår de kom ind i butikken og gik igen uden at blive betjent. Lønomkostninger er den største omkostning i detailhandlen, som du reelt kan styre, og besøgstrafikken er den bedste indikator for, hvornår dit personale faktisk er nødvendigt. Alligevel planlægger mange kæder stadig bemanding uden at kigge på den kurve, der viser, hvornår kunderne rent faktisk står i butikken.
Det er præcis det hul, en SameSystem footfall-integration lukker. Vemco og SameSystem har bygget en tovejsintegration, hvor footfall-data fra Vemco-platformen flyder direkte ind i SameSystem, så vagtplaner og bemandingsniveauer kan lægges op mod målte besøgsmønstre – og hvor salgsdata fra SameSystem samtidig flyder tilbage til Vemco og kombineres med footfall til konverteringsrater, omsætning pr. besøgende og butiksanalyser. Ingen manuelle eksporter, ingen regneark der skal opdateres hver mandag morgen.
Forestil dig en butik, hvor omsætningen topper klokken 14. En planlægger, der kun ser på salgstal, bemander op fra klokken 13. Men footfall-kurven viser måske, at besøgstoppen ligger klokken 12 – kunderne bruger en time i butikken, sammenligner, prøver og stiller spørgsmål, før de køber. Den vigtigste bemanding skulle altså have ligget en time tidligere, hvor rådgivningen faktisk foregår. Med omsætningsdata alene ser du kun kassens perspektiv. Med footfall ser du kundens.
Det samme gælder de stille timer. Mange kæder betaler for fuld bemanding tirsdag formiddag, fordi "sådan har vi altid gjort", mens lørdag mellem 11 og 14 kører med for få folk, fordi budgettet allerede er brugt. Når besøgsdata ligger direkte i SameSystem, bliver begge dele synlige i det værktøj, hvor vagtplanen faktisk laves – ikke i en separat rapport, som driftschefen skal huske at åbne.
Integrationen kører i to retninger, og det er værd at forstå begge, fordi de løser to forskellige problemer:
Den anden retning er ofte den, der undervurderes i evalueringsfasen. Konverteringsraten – andelen af besøgende, der ender med at købe – er det tal, der afgør, om en dårlig dag skyldtes manglende trafik eller manglende betjening. Faldt omsætningen, fordi der kom færre kunder, eller fordi kunderne kom, men gik igen, fordi der stod tre på arbejde i stedet for fem? Uden footfall koblet til salg kan du ikke skelne mellem de to. Med koblingen bliver det en analyse, ikke en diskussion.
En erfaring fra rigtige udrulninger: Den første reaktion, når butikschefer ser deres footfall-kurve ved siden af vagtplanen, er næsten altid vantro. "Der kan umuligt komme så mange klokken 11." Men tallene holder – og efter to-tre uger begynder cheferne selv at flytte pauser og mødetider, uden at hovedkontoret behøver at bede om det. Den adfærdsændring er integrationens egentlige gevinst, og den kommer kun, hvis data er til stede dér, hvor planlægningen sker. Et dashboard i et separat system bliver glemt. En besøgskurve inde i SameSystem bliver brugt.
En anden praktisk pointe: Lad være med at optimere alle butikker på én gang. Start med fem til ti butikker med tydelige afvigelser mellem besøgsmønster og bemanding – dem finder du hurtigt i Vemcos analyser – og brug dem som interne cases. Når en butikschef kan vise en kollega, at samme lønbudget fordelt anderledes gav bedre konvertering på lørdage, spreder metoden sig hurtigere end noget centralt direktiv.
Vagtplaner bygget på dårlige tælledata er værre end vagtplaner bygget på mavefornemmelse, fordi de giver falsk sikkerhed. Derfor er datakvalitet et fair spørgsmål at stille. Vemco Group, grundlagt i Danmark i 2005, garanterer kontraktuelt minimum 96 % tællenøjagtighed – og i praksis ligger den typisk på 98–99 %, når forholdene som belysning, butikslayout og besøgsadfærd tillader det. Platformen håndterer i dag over 85 millioner tællinger dagligt for mere end 2000 kunder i over 95 lande. Det er den skala, der skal til, når en kæde med hundrede butikker skal planlægge bemanding på timeniveau.
Lige så vigtigt for kæder med blandet hardware: Vemcos platform er sensor-agnostisk. SameSystem-salgsdata kan i Vemco kombineres med footfall fra ethvert sensormærke samt IoT- og andre datakilder. Har jeres butikker forskellige tællesystemer fra tidligere indkøbsrunder, behøver I ikke rive noget ned for at få ét samlet analysegrundlag – og én samlet fødekilde til vagtplanlægningen.
Pointen med footfall-baseret planlægning er sjældent at skære timer væk. Det er at flytte dem. De fleste kæder opdager, at det samlede timetal er nogenlunde rigtigt, men fordelingen er forkert: for mange timer i stille perioder, for få i spidsbelastning. Det første koster penge direkte. Det andet koster omsætning indirekte – i form af kunder, der gik igen. Konverteringsanalysen i Vemco gør netop den skjulte omkostning målbar, fordi den viser, om tabte salg var et trafikproblem eller et bemandingsproblem. Og fordi salgsdata fra SameSystem allerede ligger i platformen, kræver analysen ingen manuel dataflytning mellem workforce planning og analytics.
For HR og workforce planning-teams betyder det også noget mere blødt: bedre vagter. Medarbejdere, der står alene i en overrendt butik, brænder ud. Medarbejdere, der keder sig i tomme timer, mister engagementet. Vagtplaner, der følger den faktiske besøgskurve, giver mere jævn belastning – og det kan mærkes på både sygefravær og fastholdelse, selvom det sjældent står i business casen fra start.
Planlægger I jeres bemanding i SameSystem? Så ligger den vigtigste datakilde til bedre vagtplaner sandsynligvis allerede uden for systemet: jeres faktiske besøgstrafik. Forbind SameSystem med Vemco, og læg vagter op mod rigtige trafikkurver i stedet for sidste års antagelser – og få samtidig konvertering og omsætning pr. besøgende med tilbage i analysen. Kontakt os på vemcogroup.com/contact-us, så viser vi, hvordan integrationen sættes op for netop jeres kæde.