Din butik tappade 8 procent i besökare i oktober. Är det ett problem? Det beror helt på vad du jämför med. Om kategorin som helhet tappade 14 procent har du i själva verket tagit marknadsandelar – och den kampanj du funderar på att skrota kanske är det bästa du gjort i år. Om kategorin bara tappade 2 procent har du ett verkligt problem som årets budgetprocess behöver hantera. Utan kategorijämförelsen fattar du beslut i blindo, och det är precis där de flesta butiks- och kategorichefer fortfarande står.
De flesta kedjor mäter sig mot sig själva: samma butik, samma vecka, föregående år. Det är bättre än ingenting, men det svarar bara på frågan "går det bättre eller sämre än förr?" – inte på frågan "presterar vi bra givet förutsättningarna?". En sportbutik som växer 3 procent i en kategori som växer 11 procent förlorar mark, även om siffran ser grön ut i månadsrapporten. Omvänt kan en möbelbutik som backar 5 procent i en kategori som backar 15 procent vara kedjans starkaste kort.
Konsekvensen syns i budgetarbetet. Marknadsföringspengar flyttas bort från butiker som "underpresterar" mot fjolåret men som i själva verket slår kategorin, medan butiker som rider på en stark kategoritrend belönas för prestationer de inte har åstadkommit själva. Kategoribenchmarking är inte en trevlig extrasiffra – det är det som skiljer skicklighet från medvind.
Alla nyckeltal lämpar sig inte för jämförelse mellan butiker eller mot en kategori. Omsättning per butik säger nästan ingenting utan kontext – yta, läge och sortiment skiljer för mycket. Fokusera på kvoter i stället för absoluta tal:
Poängen med kvoterna är att de neutraliserar det du inte kan påverka. En regnig lördag drabbar hela kategorin – men konverteringsgraden den dagen berättar fortfarande vem som var bäst på att ta hand om de besökare som kom.
Det vanligaste misstaget är att jämföra hela kedjan mot ett brett kategorisnitt. En cityb utik med hög andel spontanbesök kommer alltid att ha lägre konvertering än en destinationsbutik i externhandel, där kunden redan bestämt sig innan hen kliver in. Blandar du dem i samma jämförelse drar du fel slutsatser om båda.
Segmentera i stället på tre dimensioner: lägestyp (köpcentrum, cityläge, extern handel), butiksstorlek och besöksprofil. Först när du jämför cityb utiker mot cityb utiker inom samma kategori får du en avvikelse som är värd att agera på. En avvikelse på 3 procentenheter i konvertering inom en korrekt byggd jämförelsegrupp är ett skarpt signalvärde; samma avvikelse i en blandad grupp är brus.
Här kommer en observation från implementeringsarbete som sällan nämns i generiska artiklar: när två butiker visar olika konverteringsgrad beror skillnaden förvånansvärt ofta på sensorplacering, inte på säljbeteende. En sensor som räknar med passagen förbi en intilliggande rulltrappa, eller som missar en sidoentré, kan flytta konverteringsgraden flera procentenheter. Innan du benchmarkar mellan butiker måste räknezonerna vara definierade på samma sätt överallt – samma hantering av personalpassager, barnvagnar och returbesök. Annars jämför du mätfel, inte prestation.
Ställ därför krav på noggrannheten. I Vemcos fall är den kontraktuella miniminivån 96 procent, och under goda förhållanden – bra belysning, genomtänkt butikslayout, normalt besöksbeteende – ligger den typiskt på 98–99 procent. Den skillnaden låter marginell, men i en benchmark där du agerar på avvikelser om två–tre procentenheter är den avgörande.
En benchmark som bara landar i en månadsrapport förändrar ingenting. Värdet uppstår när avvikelsen mot kategorin kopplas till en åtgärd med ägare och deadline. Barnmodekedjan Luksusbaby använde VemCount för att följa hit rate och konverteringsgrad i realtid tillsammans med besöksdemografi – vilket gör att en avvikelse kan hanteras samma dag med bemanning eller exponering, i stället för att förklaras i efterhand på nästa månadsmöte. Demografidatan tillför dessutom en dimension som ren trafikräkning missar: om din besökarprofil skiljer sig markant från kategorins kan en "svag" konvertering i själva verket handla om att fel målgrupp går in genom dörren, vilket är ett marknadsföringsproblem snarare än ett säljproblem.
Ett annat exempel: Daells Bolighus integrerade under en turnaround försäljnings- och besöksdata från både fysiska butiker och e-handel över samtliga lägen. Det är en viktig lärdom för kategorijämförelser i dag – en butik som tappar fysisk trafik men driver online-försäljning i sitt upptagningsområde presterar bättre än trafiksiffran antyder. Benchmarkar du enbart fottrafik straffar du butiker som gör exakt det kedjan bett dem om.
Vill du gå djupare kan rörelseanalys som VemTrack visa var i kundresan tappet sker – om besökare som går in i din kategoriyta faktiskt stannar, eller bara passerar. Det förvandlar en benchmark-avvikelse från en siffra till en förklaring.
Kategoribenchmarking handlar i slutänden om en enda fråga: presterar din butik bra givet sina förutsättningar, eller ser den bara bra ut i sin egen spegel? Vill du veta hur din kedja kan bygga jämförbara besöks- och konverteringsdata mellan butiker – och mot din kategori – så kontakta Vemco Group här för en genomgång av hur en korrekt uppsatt benchmark ser ut för just din butiksstruktur.