Kundflöde: var datan kommer ifrån och hur tillförlitlig den är

Två butiker i samma kedja rapporterar varsin konverteringsgrad: 18 procent och 31 procent. Regionchefen vill veta varför. Efter tre veckors undersökning visar det sig att den ena butiken har en sensor som räknar personalen varje gång de går ut för att hämta varor från lastkajen, och den andra har en räknare som sitter i en entré där eftermiddagssolen bländar linsen. Ingen av butikerna var egentligen bättre än den andra. Det var datan om kundflöde som skilde sig, inte kunderna. Den här typen av situation är vanligare än de flesta ledningsgrupper tror, och den är skälet till att det lönar sig att förstå exakt var siffrorna kommer ifrån innan man bygger bonusmodeller, bemanningsplaner eller hyresförhandlingar på dem.

Fem källor till data om kundflöde, och vad var och en faktiskt mäter

Begreppet footfall används ofta som om det vore en enda siffra. I praktiken produceras den av tekniker med helt olika förutsättningar.

• 3D-stereosensorer i taket. Två linser skapar en djupbild av entrén och spårar varje kropp som passerar en virtuell linje. De skiljer vuxna från barn via höjd, hanterar grupper som går tätt och kan ignorera kundvagnar. Det är dagens standard för butiker som behöver konverteringsdata per timme.
• Termiska sensorer. Mäter kroppsvärme i stället för bild. Fungerar i mörka entréer och är helt anonyma, men har svårare med personer som står stilla i dörren och med sommardagar då golvet är nästan lika varmt som besökaren.
• Horisontella IR-strålar. Billiga, enkla, och korrekta tills två personer går bredvid varandra. Då räknas en. I en lågtrafikerad fackhandel kan det räcka, i ett shoppingcenter underskattar de systematiskt.
• Wifi- och Bluetooth-spårning. Fångar enheter, inte människor. Sedan Apple och Google började slumpa MAC-adresser har signalen försämrats kraftigt, och andelen besökare med avstängt wifi varierar mellan målgrupper. Bra för relativa trender, svag för absoluta tal.
• Mobilbaserad platsdata från tredje part. Köps från appleverantörer och extrapoleras från en urvalsgrupp som sällan är större än ett par procent av befolkningen. Nyttigt för att jämföra handelsplatser mot varandra på marknadsnivå, men den säger nästan ingenting om vad som hände i din butik klockan 14 i tisdags.

Till detta kommer manuell räkning med klickräknare och uppskattningar baserade på kassatransaktioner. Den senare är den farligaste, eftersom den bygger in antagandet att konverteringen är konstant, vilket är precis det man vill mäta.

Vad "tillförlitlig" betyder i kontrakt och i verkligheten

När en leverantör säger att en besöksräknare är "99 procent noggrann" bör första motfrågan vara: under vilka förhållanden, och hur mättes det? Seriösa leverantörer skriver in en kontraktuell miniminivå, hos Vemco Group är den 96 procent, och når typiskt 98 till 99 procent när tre faktorer samverkar: ljusförhållanden utan skarpa reflexer eller motljus, en entré med tillräcklig takhöjd och fri sikt över passagelinjen, och besökare som rör sig någorlunda normalt genom dörren. Faller en av dessa bort, faller noggrannheten med.

Det som sänker siffran i verkliga butiker är sällan tekniken i sig utan omgivningen:

• Skjutdörrar som öppnas för förbipasserande och lockar in personer som vänder direkt.
• Personal som använder huvudentrén till lagret, rökpausen eller sopstationen.
• Säsongsdekor, julgranar eller kampanjställ som hamnar i sensorns synfält.
• Barnvagnar och rullatorer som räknas, eller inte räknas, beroende på inställning.
• En sensor som tappar ström eller nätverk i två timmar och lämnar ett hål som ingen upptäcker förrän månadsrapporten ser konstig ut.

Observationen alla installatörer känner igen

Den vanligaste orsaken till felaktig footfall i en kedja är inte en trasig sensor. Det är att sensorn kalibrerades vid installationen och sedan aldrig igen, trots att butiken bytt entrédörr, flyttat en kampanjvägg eller fått ny belysning. Vi har sett butiker där ett enda nytt skyltfönsterspotlight gav två procentenheters överräkning i tre månader. En erfaren implementerare lägger därför in en manuell kontrollräkning, 15 minuter i rusningstid med en person vid dörren, efter varje större ombyggnad, och minst en gång per halvår oavsett. Jämför kontrollräkningen med systemets siffror för samma kvart. Avvikelse under två procent: bra. Över fyra: boka ett servicebesök.

Det andra många missar är datagapen. En sensor som räknar 99 procent rätt när den är igång men är nere fyra timmar en lördag ger en månadsrapport som är mer fel än en sensor som räknar 97 procent rätt dygnet runt. Det är här hälsoövervakning av sensorer blir en budgetfråga snarare än en teknikdetalj. I VemCount flaggas en sensor som slutar skicka data eller plötsligt avviker från sitt normala mönster innan siffrorna hinner in i en rapport, så att driftteamet kan åtgärda eller markera perioden i stället för att låta en butikschef förklara ett tapp som aldrig hände.

Hur du avgör om ert kundflöde håller för beslut

Innan ni knyter bemanning, bonus eller butiksnedläggningar till kundräkning, ställ fem frågor till den som äger datan:

• Vilken sensortyp sitter i varje entré, och är det samma i hela kedjan? Blandade tekniker gör butiksjämförelser missvisande.
• När gjordes senaste kontrollräkning per butik, och vad blev avvikelsen?
• Hur hanteras personalpassager? Separat personalingång, exkluderingszon eller schablonavdrag?
• Hur många timmar saknad data hade vi förra månaden, och syns det i rapporten?
• Räknar vi in, ut eller båda, och används samma definition i alla dashboards?

Får ni tydliga svar på alla fem är besöksdatan sannolikt bättre än det mesta annat ni mäter i butik. Får ni det inte är problemet sällan sensorerna utan processen runt dem, och den går att rätta till på några veckor.

Värdet syns först när datan kopplas till något annat. Danska Daells Bolighus använde under sin turnaround besöksdata tillsammans med både fysisk och digital försäljning per plats, vilket gjorde att ledningen kunde se var ett försäljningstapp berodde på färre besökare och var det berodde på sämre konvertering. Två helt olika problem med helt olika åtgärder, som utan tillförlitlig räkning hade sett identiska ut i resultaträkningen.

Vanliga frågor

Hur tillförlitlig är data om kundflöde? Med moderna 3D-sensorer, korrekt montering och regelbunden kontrollräkning ligger noggrannheten typiskt på 98 till 99 procent, med 96 procent som kontraktuell lägstanivå hos seriösa leverantörer. Motljus, trånga entréer, personalpassager och odokumenterade datagap är det som drar ner siffran i praktiken. Mobil- och wifibaserade källor är betydligt osäkrare i absoluta tal och bör användas för trender, inte för butiksspecifika beslut.

Vill ni veta hur era nuvarande räknare presterar, var felkällorna sitter och vad det skulle kräva att få kedjetäckande data som håller för budget- och bemanningsbeslut? Kontakta Vemco Group för en genomgång av era entréer och er datakvalitet.