Din besöksdata i bilhallen räknar dina egna säljare

En säljare som hanterar ett enda inbytesärende går ut genom entrén med kunden för att inspektera bilen, går in igen, går ut för att hämta nycklar till demonstrationsbilen, går in, går ut för att köra fram den – och varje passage registreras av en vanlig dörrräknare som en ny besökare. Det här är inte ett kantfall. Det är själva säljprocessen i en bilhall. Till skillnad från nästan all annan detaljhandel löper affärsflödet i bilhandeln strukturellt genom entrén, fram och tillbaka, flera gånger under ett och samma kundsamtal. Och det betyder att er trafikdata inte har ett litet brusfel i marginalen – den har ett systematiskt fel som pekar åt samma håll varje dag: uppåt.

En amerikansk leverantör av showroomtrafikmätning rapporterar att bilhandlare som jämför uppmätt trafik mot sin up-logg typiskt hittar en avvikelse på 15 till 25 procent. En del av den avvikelsen beror på att säljare glömmer logga besök, javisst. Men en betydande del beror på att räknaren aldrig kunde skilja på personal och kunder från början. När ni sedan beräknar konverteringsgrad – offerter delat med besökare – blir nämnaren för stor och konverteringen framstår som sämre än den är. Ni riskerar att fatta bemannings- och coachningsbeslut baserat på ett problem som delvis inte finns.

Varje besökare väger tyngre än för tio år sedan

McKinseys forskning visar att bilköpare i genomsnitt besöker 1,6 handlare innan köp – för ett decennium sedan var siffran omkring fem. Kunden som kliver in i er hall har redan gjort research online, jämfört priser och sannolikt konfigurerat bilen. Besöket är inte början på en resa; det är ofta slutet. Det innebär två saker för er som styr verksamheten. För det första: varje faktisk besökare representerar mycket högre köpintention än tidigare, och att missa en är dyrare. För det andra: om er besöksdata är uppblåst med personalpassager tror ni att ni har fler chanser än ni faktiskt har, och ni underskattar hur väl teamet faktiskt presterar med de riktiga chanserna.

Det är här den avgörande skillnaden mellan generisk besöksräkning och besöksräkning med personalexkludering ligger. En sensor som räknar linjepassager gör exakt det – den räknar linjepassager. Den vet inte att personen som just gick ut är samma säljare som gick ut för tjugo minuter sedan, eller att de tre passagerna vid lunchtid var en tekniker som hämtade verktyg.

Så fungerar personalexkludering i praktiken

Den tekniska lösningen är UWB-taggar (ultra-wideband) som personalen bär. Taggen identifierar bäraren som anställd, och plattformen filtrerar bort alla dennes passager ur besöksstatistiken i realtid. Kvar blir det ni faktiskt vill mäta: riktiga kunder som kliver in genom dörren. Vemco Group, grundat 2005 i Danmark, byggde sin plattform sensoragnostisk – den fungerar med hårdvara från Xovis, Milesight, Elsys, Hikvision, Axis och Irisys. För en IT-chef i en handlargrupp med blandad installerad bas är det värt att stanna vid: ni behöver inte riva ut befintliga sensorer för att lägga till personalexkludering, förutsatt att hårdvaran stöder funktionen.

Skala och datavägar spelar också roll vid utvärdering. Plattformen behandlar mer än 85 miljoner räkningar per dag för över 2 000 kunder i fler än 95 länder, hostas på AWS i EU-Frankfurt – relevant för er GDPR-bedömning – och latensen från linjepassage till dashboard ligger på ungefär två sekunder. Två sekunder betyder att en realtidsvarning om att hallen fylls på medan bara en säljare är tillgänglig faktiskt kommer fram medan situationen fortfarande pågår, via app, e-post, WhatsApp, SMS, webhook eller MQTT. De två sistnämnda gör att er IT-avdelning kan mata datan direkt in i BI-verktyg eller CRM utan mellanhänder.

Var ärlig med noggrannheten – och kräv det av leverantören

En seriös leverantör ger er ett kontraktuellt golv, inte ett marknadsföringslöfte. Vemcos avtalade miniminivå är 96 procents räknenoggrannhet; i praktiken landar installationer typiskt på 98–99 procent, men det beror på belysning, lokalens utformning och besökarnas beteende. En bilhall med stora glaspartier och lågt vintersolljus rakt in i entrén är ett svårare mätfall än en jämnt belyst butik. Fråga varje leverantör ni utvärderar vad de garanterar i avtal – inte vad de "typiskt uppnår" – och hur noggrannheten verifieras efter installation.

Och här kommer en observation från fältet som sällan står i produktbladen: personalexkludering står och faller med taggdisciplinen, inte med tekniken. De installationer som fungerar bäst är de där taggarna bor i en laddstation direkt vid personalingången och där att ta taggen är lika självklart som att stämpla in. De som fungerar sämst är de där taggarna delades ut vid driftstart, hamnade i kavajfickor och slutade laddas efter tre veckor – varefter exkluderingen tyst eroderar och datan långsamt blir smutsig igen utan att någon märker det. Bygg in taggrutinen i skiftrutinen från dag ett, och ge en namngiven person på varje anläggning ansvaret. Det kostar ingenting och avgör hela investeringens värde.

Vad ren data låter er göra som smutsig data inte gör

När personalpassagerna är bortfiltrerade blir tre analyser plötsligt tillförlitliga:

• Bemanning mot verklig trafik. Trafiken kan brytas ned per timme, veckodag och helg och jämföras mot bemanningsnivåer. Först med rena siffror ser ni om lördagens toppar faktiskt är kundtoppar eller bara timmar då säljarna springer mest ut och in.
• Konvertering som går att coacha på. Jämförelsen mellan besökare och utfärdade offerter blir ett verktyg för säljledning i stället för en siffra alla misstror. Skillnader mellan anläggningar i gruppen blir jämförbara på riktigt.
• Kampanjutvärdering. Drev helgens annonsering in fler kunder – eller bara fler leveranser, provkörningar och personalrörelser? Med exkludering kan operativa chefer svara på det per anläggning, per timme.

För en operativ direktör i en handlargrupp är den sista punkten ofta den viktigaste. Utan personalexkludering är jämförelser mellan anläggningar nästan meningslösa, eftersom felets storlek varierar med varje halls layout och arbetssätt. En anläggning där begagnatgården ligger tvärs över parkeringen genererar strukturellt fler personalpassager än en där allt står under tak. Datan ser ut att visa olika kundtryck – i själva verket visar den olika planlösningar.

Ställ därför en enda fråga först i varje leverantörsutvärdering: hur skiljer systemet mina anställda från mina kunder, och hur bevisar ni att det fungerar över tid? Om svaret är svävande spelar resten av kravspecifikationen mindre roll, för varje rapport som byggs ovanpå räkningen ärver felet.

Vill ni veta hur stor andel av er nuvarande besöksdata som i själva verket är era egna säljare – och vad rena siffror skulle betyda för er konverteringsanalys och bemanningsplanering? Kontakta Vemco Group på vemcogroup.com/contact-us för en genomgång av hur UWB-baserad personalexkludering kan installeras i era hallar, ofta med den sensorpark ni redan har.