De flesta butikskedjor har inte ett datainsamlingsproblem. De har ett måndagsproblem. Försäljningssiffrorna finns i kassasystemet, besöksdata finns hos sensorleverantören, personalschemat ligger i ett tredje system – och klockan 08:15 på måndagen sitter butikschefen med tre flikar öppna och försöker räkna ut om helgens svaga försäljning berodde på färre besökare eller sämre konvertering. Svaret på den frågan avgör vad hen gör i veckan som kommer. Ändå tar det ofta en halv förmiddag att få fram det – om det alls går.
Den klassiska reflexen är att starta ett BI-projekt: datalager, konsulter, sex till tolv månaders införande. För en driftorganisation som behöver svar nu är det fel verktyg. En bra programvara för försäljningsrapportering i butik ska leverera de fem–sex siffror som styr veckans beslut, i ett schemalagt mejl, utan att någon behöver logga in och bygga en rapport själv. Resten är i ärlighetens namn ofta överkurs för butiksledet.
Fråga en erfaren driftchef vad hen tittar på först, och svaret är sällan omsättningen isolerat. Omsättning utan kontext säger bara om det gick bra eller dåligt – inte varför. Det är kombinationen som ger handlingskraft:
Lägg märke till att fyra av sex nyckeltal kräver att besöksdata och försäljningsdata möts i samma rapport. Det är exakt där de flesta kedjor fastnar, och exakt där BI-projektet brukar föreslås som lösning.
Ett BI-verktyg är byggt för analytiker som ställer nya frågor varje dag. Butiksdrift ställer samma frågor varje dag – men behöver svaren snabbt, på rätt nivå och utan handpåläggning. En butikschef ska se sin butik. En områdeschef ska se sina tolv butiker rangordnade efter konvertering, inte efter omsättning (omsättning premierar stora butiker, konvertering premierar bra butiker). Huvudkontoret ska se hela bilden. Rollbaserad åtkomst löser det utan att någon bygger separata dashboards per person.
Vemco Group har arbetat med besöksräkning och butiksanalys sedan starten i Danmark 2005, och mönstret hos de över 2 000 kunder i fler än 95 länder som använder plattformen är tydligt: de rapporter som faktiskt används är de som kommer till mottagaren, inte de som mottagaren måste hämta. Ett schemalagt PDF-mejl klockan 07:00 på måndagen med helgens konvertering, försäljning per besökare och jämförelse mot fjolåret slår varje dashboard som kräver inloggning. Det låter trivialt. Det är det inte – det är skillnaden mellan data som konsumeras och data som existerar.
Det tekniska hindret är mindre än många tror. VemTenant importerar försäljningsdata för alla typer av handlare, från en enskild butik till kedjor med tusentals, via POS-, ERP-, SFTP- eller API-integrationer. VemCount räknar besökare vid dörren, vilket är det som gör konvertering, capture rate och försäljning per besökare möjliga att beräkna över huvud taget. Plattformen är sensoragnostisk – befintliga räknare från olika leverantörer kan behållas, vilket i praktiken ofta är det som gör att ett projekt går på veckor i stället för kvartal. Data hanteras på AWS i EU-Frankfurt, en detalj som spar en runda med dataskyddsansvarig senare. Och latensen från att en kund passerar dörren till att siffran syns i dashboarden är ungefär två sekunder, vilket räcker gott för både realtidsbeslut och morgonrapporter.
En sak som förtjänar ärlighet: räknenoggrannheten. Vemco garanterar kontraktuellt minst 96 procents noggrannhet, och i praktiken ligger den typiskt på 98–99 procent där ljusförhållanden, butikslayout och besöksbeteende tillåter. Var skeptisk mot leverantörer som lovar en fast hög siffra oavsett förutsättningar – en entré med starkt motljus eller barnvagnsträngsel beter sig inte som en labbmiljö.
Här kommer en observation från fältet som sällan står i säljmaterialet: den vanligaste orsaken till att konverteringssiffror ifrågasätts är inte sensorn – det är personalräkning och öppettider. Om personal, leverantörer och hantverkare räknas som besökare, eller om räknaren loggar passager en timme före öppning när städbolaget går ut och in, blir konverteringen konstgjort låg och butikscheferna slutar lita på siffran. Lägg tid vid införandet på att filtrera bort personalpassager och matcha räkneperioder mot faktiska öppettider per butik. Det tar en dag att göra rätt och sex månader att reparera förtroendet om det görs fel. Med tanke på att plattformen hanterar över 85 miljoner räkningar per dag globalt är själva datavolymen aldrig problemet – datahygienen i uppstarten är det.
Ett andra råd: börja med en rapport, inte tio. En måndagsrapport med veckans sex nyckeltal per butik, distribuerad enligt rollstrukturen. När den sitter i ryggmärgen hos organisationen – när områdeschefen börjar ringa butiker om konvertering i stället för omsättning – då kan ni bygga ut med timfördelning, kampanjuppföljning och bemanningsmatchning. Kedjor som rullar ut allt på en gång får rapporter som ingen läser.
Butikschefen öppnar ett mejl. Helgens besök låg tre procent över fjolåret, men konverteringen föll från lördag eftermiddag – samtidigt som besöken toppade. Slutsatsen skriver sig själv: bemanningen räckte inte när trycket var som störst. Åtgärden för nästa lördag är beslutad före klockan halv nio, utan att någon exporterat en enda Excel-fil. Områdeschefen ser samma mönster i tre av sina butiker och tar det på veckomötet. Huvudkontoret ser att mönstret gäller hela regionen och justerar bemanningsriktlinjerna. Samma data, tre beslutsnivåer, noll BI-konsulter.
Det är hela poängen. Rapportering för butiksdrift handlar inte om att kunna analysera allt – det handlar om att aldrig behöva gissa varför helgen gick som den gick.
Vill ni se hur er måndagsrapport skulle kunna se ut – med era kassadata och er besöksräkning i samma vy? Kontakta Vemco Group på vemcogroup.com/contact-us så visar vi hur konvertering, capture rate och försäljning per besökare kan landa i butikschefens inkorg varje måndag, utan ett BI-projekt på vägen dit.