En butik som tappar 8 procent i omsättning kan samtidigt vara kedjans bästa butik. Det låter motsägelsefullt tills man ser besöksdatan bredvid kassadatan: om besöksflödet i köpcentret föll 15 procent samma period har butiken faktiskt ökat både konverteringsgrad och försäljning per besökare. Utan besöksräkning straffar ni en butikschef som presterar. Med den belönar ni rätt beteende. Det är hela poängen med att ha besöksflöde och försäljning på samma skärm — och det är där de flesta kedjor fortfarande brister, inte i datainsamlingen utan i sammanfogningen.
Konverteringsgrad, capture rate och försäljning per besökare mäter tre olika saker, och varje tal ensamt kan lura er. Konverteringsgraden — andelen besökare som köper — säger något om bemanning, sortiment och kundmöte. Capture rate — andelen förbipasserande som faktiskt kliver in — säger något om skyltfönster, entré och läge. Försäljning per besökare fångar snittkvitto gånger konvertering i ett enda tal och är därför det närmaste ni kommer ett rättvist produktivitetsmått per butik.
Kombinationen avslöjar var problemet sitter. Hög capture rate men låg konvertering? Skyltfönstret lovar något butiken inte levererar, eller bemanningen räcker inte till vid rusning. Låg capture rate men hög konvertering? De som kommer in är köpstarka — investera i entrén och exponeringen utåt, inte i mer säljträning. En plattform för besöksräkning och försäljningsanalys som visar alla tre talen per butik, per dag och per timme gör den här diagnosen till en femminutersövning i stället för ett kvartalsprojekt.
Det vanliga läget: besöksdata ligger hos sensorleverantören, försäljningsdata i kassasystemet eller affärssystemet, och någon på huvudkontoret exporterar båda till ett kalkylark varje måndag. Konsekvensen är inte bara manuellt arbete. Det är att butikscheferna aldrig ser sin egen konvertering i realtid, att avvikelser upptäcks en vecka för sent och att ingen litar på siffrorna eftersom två avdelningar räknar olika.
Vemco Group, grundat 2005 i Danmark, byggde sin arkitektur runt exakt det här problemet: VemCount räknar besökare vid dörren, VemTenant importerar försäljningsdata via POS-, ERP-, SFTP- eller API-integrationer, och tillsammans visar de konvertering, capture rate och försäljning per besökare för varje butik på en skärm — med butiksranking och larm när nyckeltal avviker. Plattformen är sensoragnostisk, vilket i praktiken betyder att en kedja med tre olika sensorgenerationer efter förvärv och ombyggnader slipper riva ut fungerande hårdvara för att få enhetlig rapportering. Efter mer än 20 år i branschen hanterar plattformen över 85 miljoner räkningar per dag åt fler än 2 000 kunder i över 95 länder.
En skärm betyder inte samma skärm för alla. Rollbaserad åtkomst är det som gör datan användbar i stället för överväldigande:
För europeiska kedjor spelar det också roll var datan bor: Vemcos plattform driftas på AWS i Frankfurt, vilket förenklar GDPR-diskussionen med både IT och juridik innan utrullning.
Här kommer en observation från verkliga implementeringar: den första månaden efter driftsättning ifrågasätter butikscheferna alltid räkningen. "Vi hade inte så många besökare i går." Det är ett friskhetstecken — men det betyder att noggrannheten måste tåla granskning, och att leverantören måste vara ärlig om den. Vemco arbetar med ett kontraktuellt minimum på 96 procents räknenoggrannhet, typiskt 98–99 procent där ljusförhållanden, butikslayout och besökarbeteende tillåter. Notera formuleringen: ingen seriös leverantör garanterar 99 procent överallt, eftersom en entré med starkt motljus eller kundvagnar som blockerar sensorn påverkar resultatet. Kräv en verifieringsräkning per butik vid installation — manuell räkning mot sensorn under ett par timmar — och dokumentera resultatet. Det är den dokumentationen som tystar diskussionen när nyckeltalen börjar styra bonusar.
En annan praktisk fälla: personalpassager. Om personalen använder kundentrén blåser deras passager upp besökstalet och trycker ner konverteringen artificiellt, ofta med flera procentenheter i små butiker. Hantera det i konfigurationen från dag ett, annars jämför ni butiker på olika villkor utan att veta om det.
Datan förändrar ingenting förrän den kopplas till rutiner. Tre som fungerar i praktiken:
Business caset för operationsteam är sällan mjukt. Räkna på det: ta en butiks årliga besöksflöde, multiplicera med snittkvittot och se vad en enda procentenhets högre konvertering är värd. I de flesta kedjor betalar den siffran hela plattformen många gånger om — och den räkningen kan ni bara göra trovärdigt om besök och försäljning kommer från samma system, med samma definitioner, i samma vy. Det är skillnaden mellan att diskutera magkänsla på måndagsmötet och att diskutera vilken av tre identifierade orsaker ni åtgärdar först.
Vill ni se hur konvertering, capture rate och försäljning per besökare ser ut för just era butiker på en skärm — med era befintliga sensorer och ert kassasystem? Kontakta Vemco Group på vemcogroup.com/contact-us och boka en genomgång med era egna butiksdata som utgångspunkt.