KPI:t du behöver finns inte i mallen: Bygg ditt eget butiksnyckeltal på en minut

Enligt en IBM-siffra når BI-verktyg i genomsnitt bara 29 procent av personalen i en organisation. Det betyder att de flesta som faktiskt fattar beslut på golvet – butikschefer, driftansvariga, ägare – aldrig ser de siffror som byggts åt dem. Och även de som ser dem hittar sällan just det nyckeltal de behöver på måndagsmötet.

Ett eget nyckeltal är en beräkning du själv definierar utifrån data du redan har: försäljning, besöksflöde, personaltimmar, väder eller kalenderhändelser. Det skiljer sig från standardmåtten – konverteringsgrad, snittkvitto, försäljning per kvadratmeter – genom att det svarar på en fråga som är specifik för just din butik eller kedja.

Ögonblicket när du får höra: vänta

Du känner igen situationen. Regionchefen frågar hur försäljningen per personaltimme ser ut under lunchrusningen, eller hur många provrumsbesök som faktiskt leder till köp. Du öppnar rapportverktyget. Måttet finns inte. I ett generellt BI-verktyg innebär det en ändring i datamodellen, ofta en extra licens och en beställning till IT eller en konsult. Svaret blir: nästa sprint, nästa kvartal, nästa budgetår. Under tiden fattar du beslutet på magkänsla – eller inte alls.

Vår grundregel efter 20 år i branschen är enkel: ett nyckeltal är bara användbart om personen som behöver det också kan ändra det. Ingen IT-person, ett klick för varje ändring. Annars dör måttet samma dag som frågan förändras.

Tre nyckeltal som ingen mall innehåller

1. Försäljning per personaltimme under peaktimmen. Total försäljning säger ingenting om hur väl du bemannar de timmar som avgör dagen. Dela försäljningen i din mest trafikerade timme med antalet arbetade personaltimmar under samma timme. En amerikansk klädkedja fann att konverteringen föll med 22 procent när golvbemanningen sjönk under tre medarbetare per cirka 93 kvadratmeter – ett samband du bara upptäcker om du kan korsa försäljning, besöksdata och schema i samma beräkning. Personaltimmarna laddar du upp från ditt schemasystem som eget datafält.

2. Skyltfönsterkonvertering. Capture rate finns som standardmått, men den mäter alla förbipasserande. Det intressanta för den som just bytt fönsterexponering är: av dem som faktiskt stannade framför fönstret, hur många gick in? Med besöksdata från VemCount och rörelsedata från VemTrack definierar du måttet som besökare in dividerat med förbipasserande som stannade. Nu kan du A/B-testa skyltningen mellan veckor i stället för att gissa.

3. Väderjusterad konvertering. Regndagar drar in ett annat slags besökare – ofta fler som söker skydd, färre som planerat ett köp. Väderdata finns redan i plattformen, så du kan bygga ett mått som jämför konvertering på regniga dagar mot torra. En butikschef som ser 12 procent konvertering en regnig tisdag ska inte jämföras med en solig lördag – med väderjusteringen blir jämförelsen rättvis, och rankingen mellan butiker slutar straffa fel personer.

Fyra steg – ungefär en minut

Så här bygger du måttet på Vemco-plattformen, utan beställning och utan väntetid:

• Steg 1: Välj indata. Alla importerade försäljningsfält från VemTenant (via kassa- och ERP-integration, filimport eller manuell inmatning), besöksdata, personaltimmar, väder, kalenderhändelser eller ett värde du laddat upp från egen data.
• Steg 2: Skriv beräkningen. Till exempel: kaféförsäljning dividerat med besökare i kafédelen, eller konvertering exklusive returer.
• Steg 3: Namnge måttet. Kalla det något teamet förstår – "Lunchrusning kr/timme", inte "Custom_Metric_14".
• Steg 4: Spara. Måttet är klart och beter sig som vilket inbyggt nyckeltal som helst.

Var dyker måttet upp?

Överallt där de inbyggda måtten finns. Ditt egna nyckeltal visas i varje rapport, i dashboard-widgets, i rankinglistor mellan butiker och i schemalagda PDF- och e-postexporter – sida vid sida med försäljning, transaktioner, snittkvitto, artiklar per korg, konverteringsgrad, capture rate, försäljning per besökare, försäljning per kvadratmeter, besöksflöde och dwell. Du kan jämföra det över "Senaste X perioder" precis som allt annat. Det finns inget separat verktyg och ingen separat vy att komma ihåg.

En sak vi ser hos nästan alla som implementerar detta: det första egna måttet är sällan det som överlever. Efter två veckor med försäljning per personaltimme upptäcker de flesta att peaktimmen inte är samma timme i alla butiker – cityläget toppar vid lunch, köpcentrumbutiken vid 16. Då justerar man definitionen per butik. Det tar ett klick. Hade måttet legat hos IT hade justeringen aldrig blivit av, och måttet hade tyst slutat användas.

Kvaliteten på indata avgör förstås kvaliteten på måttet. Besöksräkningen från VemCount levereras med en avtalad lägsta noggrannhet på 96 procent, och i praktiken ligger den typiskt på 98 till 99 procent när förutsättningarna – belysning, butikslayout och besökarnas beteende – tillåter. Det är en ärligare formulering än en platt garanti, och det är den nivå av precision som gör att ett mått som skyltfönsterkonvertering faktiskt går att lita på vecka för vecka.

Vanliga frågor

Behöver jag en utvecklare för att bygga ett eget nyckeltal? Nej. Du väljer indata, skriver beräkningen och namnger måttet direkt i plattformen. Ingen datamodell behöver ändras och ingen kod skrivas.

Kan jag använda egen uppladdad data, till exempel personaltimmar eller parkeringsplatser? Ja. Värden från egna filer kan användas som indata i beräkningen, precis som försäljningsfält och besöksdata. Besökare per parkeringsplats är ett återkommande exempel hos retail parks.

Fungerar måttet både per butik och för hela kedjan? Ja. Samma mått beräknas på butiksnivå och aggregerat, och kan användas i ranking mellan butiker – vilket är där det ofta gör mest nytta.

Fler än 2 000 detaljhandlare använder i dag Vemco-plattformen för besöksräkning och försäljningsuppföljning, med över 55 000 installationer i mer än 98 länder. Bakom plattformen står ett danskt bolag med över 20 års erfarenhet och tio kontor. Läs mer om hur VemTenant importerar din försäljningsdata på vemcogroup.com/products/vemtenant.

Vilket nyckeltal saknar du i din rapport i dag? Berätta vilket mått du behöver – försäljning per personaltimme, väderjusterad konvertering eller något helt eget – så visar vi hur du bygger det själv på ungefär en minut. Kontakta oss här för en genomgång med din egen data.