Vemco och SameSystem: Personalplanering driven av verklig besöksdata

De flesta butiksscheman byggs fortfarande på fjolårets antaganden: samma lördagsbemanning som förra kvartalet, samma tunna tisdagsförmiddag, samma extra timmar inför löning. Problemet är att besöksmönstren har flyttat sig – öppettider har ändrats, e-handeln har förskjutit ärendeköp till kvällar, och lokala händelser flyttar toppar från vecka till vecka. Den som schemalägger mot historisk magkänsla betalar för timmar som ingen kund ser, och missar timmar där kunder står i kö och går. Bemanning är den största påverkbara kostnaden i detaljhandeln, och besökstrafiken är den bästa prediktorn för när personal faktiskt behövs. Det är exakt den kopplingen som integrationen mellan Vemco och SameSystem är byggd för.

Vad SameSystem footfall-integration faktiskt gör

Integrationen är tvåvägs, och det är den detaljen som skiljer den från en enkel dataexport. I den första riktningen flödar besöksdata från Vemcos plattform in i SameSystem. Det betyder att den som planerar scheman i SameSystem ser butikens verkliga trafikkurvor – timme för timme, dag för dag – direkt i planeringsvyn. Bemanningsnivåer kan matchas mot de timmar då besökarna faktiskt kommer, i stället för mot en känsla av hur det brukar vara.

I den andra riktningen flödar försäljningsdata från SameSystem in i Vemcos plattform. Där kombineras den med besöksdata till konverteringsgrad, intäkt per besökare och butiksjämförelser. Ingen exporterar CSV-filer, ingen klipper och klistrar i kalkylark, ingen sitter på fredagseftermiddagen och försöker para ihop kassarapporter med räknardata. Datan möts automatiskt, i båda systemen, i det sammanhang där den behövs.

Överbemannade lugna timmar, underbemannade toppar

Lägg butikens trafikkurva bredvid bemanningskurvan och två mönster blir synliga nästan omedelbart. Det första är överbemanning under lugna timmar – ofta måndag till onsdag före lunch, där schemat ärvt en bemanningsnivå från en tid då mönstret såg annorlunda ut. Det andra är underbemanning under toppar, och här blir det intressant: topparna ligger sällan där butikschefen tror. En klassiker är fredag mellan 16 och 18, där trafiken kan vara markant högre än lördag förmiddag som traditionellt fått den tyngsta bemanningen.

Med besöksdata i SameSystem blir båda mönstren mätbara och åtgärdbara. Det handlar sällan om att skära totalt antal timmar – i praktiken handlar det om att flytta timmar från kvartar där de inte gör nytta till kvartar där de gör det. Samma lönekostnad, mer försäljning, kortare köer.

Var det ett trafikproblem eller ett bemanningsproblem?

När en butik missar sin försäljningsbudget uppstår alltid samma diskussion mellan butikschef och regionchef. Butikschefen säger att det inte kom några kunder. Regionchefen misstänker att kunderna kom men inte togs om hand. Utan data slutar diskussionen oavgjort, varje månad.

Konverteringsanalysen i Vemco avgör frågan. Om trafiken var normal men konverteringen föll under de timmar där bemanningen var tunn, var det ett bemanningsproblem – och det är åtgärdbart i nästa schema. Om trafiken själv föll, är det ett marknadsförings- eller lägesproblem, och att sätta in fler timmar löser ingenting. Skillnaden är avgörande för var pengarna ska läggas, och det är först när försäljning från SameSystem och besöksdata möts i samma analys som den skillnaden går att se per butik och per timme.

Vad en erfaren implementerare vet

En sak som ofta överraskar vid införandet: det största motståndet kommer inte från tekniken utan från schemaläggarna själva – och det försvinner snabbast om man börjar med att visa dem deras egen butiks trafikkurva innan man rör schemat. En butikschef som med egna ögon ser att torsdagstoppen ligger en timme senare än bemanningen tror, behöver ingen övertalning. En butikschef som får ett nytt schema tryckt på sig uppifrån, med hänvisning till data hen aldrig sett, kommer att hitta hundra skäl till varför datan är fel. Ordningsföljden i utrullningen avgör mer än funktionaliteten.

En annan praktisk lärdom: räkna med två till tre schemacykler innan effekten syns i siffrorna. Första cykeln upptäcker teamet avvikelserna, andra cykeln vågar de flytta timmar, tredje cykeln börjar konverteringen under tidigare underbemannade timmar röra sig. Kedjor som förväntar sig resultat efter två veckor blir besvikna i onödan.

Datakvaliteten avgör om schemat går att lita på

Att schemalägga personal mot trafikdata ställer högre krav på räknenoggrannhet än att bara följa trafiktrender. En trend tål brus; ett schema gör det inte, eftersom fel data leder till fel bemanning en specifik timme en specifik dag. Vemco arbetar med en kontraktuell miniminivå på 96 procents räknenoggrannhet, och i praktiken ligger noggrannheten typiskt på 98–99 procent när förhållandena – ljus, butikslayout och besöksbeteende – tillåter. Den ärligheten är viktig: en leverantör som lovar en platt garanterad siffra oavsett butiksmiljö lovar mer än fysiken medger.

Skalan bakom spelar också roll för kedjor med många länder och butiksformat. Vemco Group grundades 2005 i Danmark och behandlar i dag över 85 miljoner räkningar per dag för fler än 2000 kunder i över 95 länder. Plattformen är dessutom sensoragnostisk – försäljningsdata från SameSystem kan i Vemco kombineras med besöksdata från valfritt sensormärke, IoT-källor och andra datakällor. För en kedja som växt genom förvärv och sitter med tre olika räknarfabrikat i beståndet betyder det att ingen hårdvara behöver rivas ut för att få en enhetlig analys.

Så utvärderar du integrationen för din kedja

För den som redan planerar i SameSystem och överväger att koppla på besöksdata finns några konkreta frågor att börja med:

• Välj två pilotbutiker med olika profil – en cityläge med spetsiga toppar och en handelsplats med jämnare flöde. Effekten av trafikbaserad schemaläggning ser olika ut i de två.
• Jämför nuvarande scheman med trafikkurvan innan ni ändrar något. Gapet mellan bemanning och trafik är ert businesscase, uttryckt i era egna timmar och er egen lönekostnad.
• Definiera en målkonvertering per timfönster, inte bara per dag. Dagssnitt döljer exakt de timmar där problemet sitter.
• Bestäm i förväg vem som äger avvikelserna. När datan visar underbemanning fredag eftermiddag måste någon ha mandat att flytta timmarna – annars blir insikten en rapport ingen agerar på.

Det som gör kombinationen av Vemco och SameSystem värdefull är inte att data flyttas mellan två system – det är att beslutet om nästa veckas schema fattas mot uppmätta trafikkurvor i stället för fjolårets antaganden, och att facit sedan kommer tillbaka i form av konvertering och intäkt per besökare. Schemat blir en hypotes som testas varje vecka, inte en tradition som ärvs varje år.

Planerar ni er bemanning i SameSystem? Koppla ihop det med Vemco och schemalägg mot verklig besökstrafik i stället för antaganden. Kontakta oss på vemcogroup.com/contact-us så visar vi hur integrationen ser ut med era butikers egna trafikdata.