Operativ guide till kundtrafikanalys

Måndagsmötet. Försäljningen förra veckan låg fyra procent under budget, och nu ska någon förklara varför. Var det färre besökare? Sämre konvertering? Fel bemanning på lördagen? Utan kundtrafikanalys blir svaret en gissning – och gissningar tenderar att peka på det som är enklast att skylla på, inte på det som faktiskt hände. Med besöksdata på timnivå tar samma möte fem minuter: trafiken var normal, konverteringen föll mellan klockan 12 och 15 på lördagen, och just då stod två av fyra säljare i lagret och packade upp. Det är skillnaden mellan att diskutera och att besluta.

Börja med frågorna, inte med sensorerna

De flesta misslyckade projekt inom kundtrafikanalys börjar i fel ände: man installerar räknare, samlar data i sex månader och undrar sedan varför ingen tittar på rapporterna. Vänd på ordningen. Definiera tre till fem operativa beslut som ni fattar varje vecka och som skulle bli bättre med trafikdata:

• Bemanning: Ligger våra säljare på golvet när trafiken toppar, eller när schemat råkar säga det?
• Öppettider: Motiverar trafiken den sista timmen kostnaden för den, butik för butik?
• Kampanjutvärdering: Drev kampanjen fler besök, högre konvertering – eller ingetdera?
• Butiksjämförelser: Presterar butik A sämre än butik B, eller får den bara färre besökare?

Först när frågorna är definierade vet ni vilken data ni behöver, i vilken upplösning och vem som ska se den. En regionchef behöver veckotrender per butik. En butikschef behöver timdata för nästa veckas schemaläggning. Blandar man ihop de två nivåerna slutar båda att använda verktyget.

Konvertering per timme – inte per dag

Dagskonvertering är ett trubbigt mått. En butik kan ha 22 procent konvertering på dagen och samtidigt tappa varannan kund mellan 15 och 17 för att kassan är underbemannad. Det syns aldrig i dagssiffran – topparna och dalarna tar ut varandra. Timvis konvertering, korsad med bemanningsdata, är det enskilt mest handlingsbara analysen ni kan göra under de första tre månaderna. Den danska barnkläderskedjan Luksusbaby använder VemCount för att följa hit rate och konverteringsgrad i realtid, kombinerat med demografisk data om besökarna – vilket gör att avvikelser hanteras samma dag i stället för att upptäckas i månadsrapporten.

En praktisk regel: leta efter timmar med hög trafik och låg konvertering. Det är där pengarna ligger. Timmar med låg trafik och låg konvertering är sällan värda att jaga – där finns inga kunder att konvertera.

Datakvalitet: det ingen berättar före installationen

En sak varje erfaren implementerare vet men få leverantörer nämner: den första månadens data är nästan alltid missvisande om ni inte konfigurerar exkluderingszoner från start. Personal som passerar entrén med varuleveranser, barn som springer fram och tillbaka i dörröppningen, städpersonal före öppning – allt räknas som besökare om sensorn inte ställs in för att filtrera bort det. Kräv därför en valideringsperiod där manuell räkning jämförs med sensordata vid flera tillfällen och olika tider på dygnet, innan ni börjar fatta beslut på siffrorna.

Var också realistisk kring noggrannhet. Seriösa leverantörer garanterar en kontraktuell miniminivå – hos Vemco är den 96 procent – och når typiskt 98–99 procent när förhållandena tillåter: bra belysning, rimlig takhöjd och en entré där besökarna inte klumpar ihop sig. En leverantör som lovar en fast siffra oavsett butiksmiljö bör mötas med skepsis. Det viktiga är inte den sista procenten utan att felmarginalen är stabil över tid, så att trender och jämförelser håller.

Koppla ihop butik och e-handel – annars mäter ni fel helhet

En butik med sjunkande trafik men stigande onlineförsäljning i samma upptagningsområde är inte nödvändigtvis en butik med problem – den kan fungera som showroom. Men det ser ni bara om fysisk besöksdata och digital försäljningsdata ligger i samma vy. Daells Bolighus gjorde exakt detta under en turnaround: de integrerade försäljnings- och besöksdata från butiker och e-handel över samtliga lokationer, vilket gav ledningen ett gemensamt beslutsunderlag i stället för två separata sanningar som varje möte började med att förhandla om. För kedjor i förändring är det ofta integrationsarbetet – inte själva räkningen – som avgör om kundtrafikanalys blir ett ledningsverktyg eller en rapport ingen öppnar.

Nästa nivå: från antal till rörelse

När entréräkning och konverteringsanalys sitter i den operativa rutinen – och först då – är det dags att titta på kundresan inne i butiken. Verktyg som VemTrack, med rörelseanalys och AI-baserad Re-ID, visar hur besökare faktiskt rör sig: vilka zoner som drar, var kunder stannar utan att köpa, och hur stor andel som passerar en kampanjyta utan att stanna alls. Det förändrar diskussionen om butiksytan från tyckande till mätning. Kombinerat med demografisk data – ålder och kön på faktiska besökare, inte antaganden om målgruppen – kan även marknadsföringen kalibreras mot dem som verkligen kommer in genom dörren, vilket inte sällan skiljer sig markant från den persona som togs fram i ett konferensrum.

Men gå inte hit för tidigt. En organisation som ännu inte agerar på timvis konverteringsdata kommer inte att agera på värmekartor heller. Mognadstrappan är verklig.

En 90-dagarsplan som fungerar i praktiken

• Vecka 1–4: Installation i pilotbutiker, konfigurering av exkluderingszoner, manuell validering. Inga beslut fattas på data ännu.
• Vecka 5–8: Baslinje etableras. Butikschefer får timdata och tränas i att läsa trafik mot bemanning. Ett stående inslag på veckomötet: trafik, konvertering, avvikelser.
• Vecka 9–12: Första schemajusteringarna baserat på trafikkurvor. Kampanjer utvärderas på besök och konvertering separat. Beslut om utrullning fattas på dokumenterad effekt, inte på magkänsla.

Utse en ägare per butik och en central ägare. Data utan ägarskap blir tapetserarrapporter. Och mät er egen användning: om butikscheferna inte loggat in på två veckor är problemet inte tekniken utan förankringen – åtgärda det innan ni köper fler sensorer.

Vad som skiljer kedjor som lyckas

Efter tillräckligt många implementationer blir mönstret tydligt. Kedjor som får utväxling på kundtrafikanalys har tre saker gemensamt: de fattar minst ett schemabeslut i månaden baserat på trafikdata, de jämför butiker på konvertering i stället för omsättning, och de vägrar diskutera kampanjresultat utan att skilja på besökseffekt och konverteringseffekt. Kedjor som misslyckas har oftast utmärkt data – och möten där ingen tar upp den.

Vill ni gå från besöksräkning till operativa beslut? Kontakta Vemco Group för en genomgång av hur en pilot med kundtrafikanalys kan se ut i era butiker – från sensorval och validering till konverteringsrapporter era butikschefer faktiskt använder: vemcogroup.com/contact-us