Skrytý týdenní rytmus návštěvnosti prodejny (a den, kdy vám chyběl personál)

Zeptejte se majitele obchodu, který den v týdnu je nejrušnější, a většina odpoví bez zaváhání. Týdenní rytmus návštěvnosti prodejny ale zná málokdo do hodiny: zeptejte se, jestli je nejrušnější hodina toho dne v 11:00, nebo ve 14:00, a jistota obvykle zmizí. Na otázku, kdy je konverze vzhledem k návštěvnosti nejvyšší, většinou odpoví pokrčením ramen. Právě v této mezeře mezi intuicí na úrovni dnů a realitou na úrovni hodin se plánování personálu pokazí.

Rytmus, který si myslíte, že máte, a rytmus, který skutečně máte

Lidská paměť počítá návštěvnost špatně. Pamatujeme si sobotní odpoledne, kdy byl obchod nacpaný, a úterní dopoledne, kdy v něm nebyla ani noha. Zapomínáme na čtvrteční polední špičku, která překoná každou středu, a na nedělní večer, který opadne o třicet minut dřív, než by napovídala vyvěšená otevírací doba.

Rytmus, který nosíme v hlavě, je sestřih těch nejvýraznějších chvil.

Plánování personálu je úloha týdenního rozvržení. Rozpis směn se sestavuje jednou na celý další týden podle nějakého předpokladu, kdy návštěvníci přijdou. Pokud je ten předpoklad soustavně chybný stejným směrem (pondělky jsou pravidelně klidnější, než rozpis počítá, a páteční dopoledne pravidelně rušnější), chyba se každý týden sčítá. Za rok to znamená spoustu nevytížených zaměstnanců v pondělí a spoustu otrávených zákazníků v pátek dopoledne.

Jak vypadá naměřený týdenní rytmus

Každý prostor má vlastní rytmus, daný polohou, spádovou oblastí, sortimentem a otevírací dobou. Pobočka obchodního řetězce v centru města má jiný průběh než obchod v retail parku a volnočasové zařízení má špičky jinde než supermarket. Obchod u dopravního uzlu má rytmus zčásti určený jízdními řády. Týdenní rytmus je navíc součástí většího celku: kalendáře návštěvnosti maloobchodního roku, ve kterém Vánoce, leden a Velikonoce mění základní průběh týden po týdnu.

Napříč velmi odlišnými typy provozoven naměřená data soustavně ukazují, že intuitivní představa je na úrovni dnů zhruba správná a na úrovni hodin často dost mylná. Nejrušnější den se většinou určí správně; špičková hodina v tomto dni, druhá špička uprostřed týdne a přesný tvar sobotní křivky se ale často odhadnou špatně.

Nesoulad se obvykle objevuje na konkrétních, předvídatelných místech:

• Pomalý start: v mnoha prostorech přijde první skutečná vlna návštěvníků výrazně později, než se otevírá, takže ranní směna většinou čeká.
• Stlačená polední špička: ostrá špička, která trvá šedesát až devadesát minut, soustředí víc poptávky, než napovídá volné označení „rušný oběd“.
• Překvapení uprostřed týdne: v mnoha prodejnách překoná středa nebo čtvrtek pondělí a úterý víc, než s tím rozpis počítá.
• Brzký konec: příchody návštěvníků často slábnou dlouho před oficiální zavírací dobou, takže prodloužená večerní směna je náklad, který obslouží velmi málo zákazníků.

Doba setrvání obraz komplikuje

Návštěvnost (příchody) je jen polovina rovnice. Doba, kterou návštěvníci v prostoru stráví, určuje, kolik lidí je v kterémkoli okamžiku skutečně přítomno, a tedy jakou kapacitu obsluhy prostor potřebuje. Vlna návštěvníků s rychlým nákupem v polední špičce zatěžuje personál jinak než pomalejší proud lidí, kteří si prohlížejí zboží a každý zůstane třicet minut.

Pokud se vaše špičková hodina příchodů kryje s nadprůměrnou dobou setrvání, máte složenou špičku: přichází víc lidí a každý zůstává déle. Taková hodina odhalí nedostatek personálu nejtvrději: fronta se rychle vytvoří a dlouho se rozpouští a dopad na konverzní poměr v prodejně je měřitelný.

Zákazníci, kteří se zařadí do dlouhé fronty, z ní někdy odejdou; zákazníci, kteří dlouhou frontu uvidí, se do ní někdy vůbec nezařadí.

Když znáte dobu setrvání vedle počtu příchodů, mění se otázka plánování z „kdy lidé přicházejí?“ na „kdy je prostor pod největším tlakem?“. To mohou být různé hodiny.

Rozpis směn podle dat, ne podle loňského rozpisu

Naměřená týdenní návštěvnost je nástroj pro plánování a plánování personálu podle návštěvnosti začíná právě tady. Když máte k dispozici hodinové počty za posledních dvanáct týdnů, vidí vedoucí průměrný průběh každého dne, rozptyl kolem tohoto průměru a týdny, kdy rytmus posunula akce, propagace nebo období špatného počasí. Rozpis směn pak lze sestavit podle naměřeného průběhu místo podle zděděných zvyků.

Práce s daty neznamená slepě se řídit algoritmem. Vedoucí, který vidí, že data předpovídají klidné páteční odpoledne, se může přesto rozhodnout nechat personál ve směně kvůli zážitku zákazníků. Přínos je v tom, že jde o vědomé rozhodnutí a že má podklady, když se rozhovor s centrálou stočí k počtu zaměstnanců. Celý provozní pohled najdete na stránce plánování směn podle návštěvnosti.

U obchodních řetězců s více pobočkami ukážou stejná data, nakolik je týdenní rytmus napříč pobočkami jednotný. Řetězec s třiceti prodejnami má jen zřídka třicet stejných rytmů. Pobočka ve městě, odkud lidé dojíždějí za prací, má špičky jinde než pobočka ve volnočasové destinaci. Jednotné šablony směn pro celou síť, které berou všechny pobočky jako stejné, jsou téměř vždy chybné oběma směry zároveň: někde je personálu příliš, jinde málo.

Otevírací doba jako otázka dat

Otevírací doba se obvykle dědí ode dne, kdy prodejna otevřela, a upravuje se jen občas po stížnostech nebo podle tušení vedoucího. Naměřená návštěvnost z ní dělá otázku, kterou lze ověřit. Pokud konzistentní rytmus ukazuje, že příchody návštěvníků devadesát minut před zavírací dobou klesají téměř na nulu, je to ověřitelný argument pro dřívější zavírání, nebo pro přesun nákladů na personál do špičky.

Data, která tu potřebujete, jsou jednoduchá: příchody za hodinu, den po dni, za dost týdnů na to, abyste odlišili typické od výjimečného. Co s takovým rytmem udělat, je obchodní rozhodnutí, ale podklady pro něj nemusí být dohad.

Personál podle naměřených špiček

Každý fyzický prostor má týdenní rytmus návštěvnosti. Měření mu dodá přesnost:

Intuice na úrovni dnů, kterou už máte, se stane faktem na úrovni hodin.

Rozpis směn přestane být kopií rozpisu z minulého měsíce s drobnými úpravami a začne odpovídat skutečnému průběhu poptávky.

Trvalý nedostatek personálu ve špičkách vás stojí konverzi, spokojenost a nakonec i postupný odliv návštěvníků, kteří najdou místo, kde je to méně frustrující. Hodinová srovnávací data o návštěvnosti (anonymní, souhrnná a sbíraná z infrastruktury, kterou už provozujete) jsou nejlevnější pojistkou proti takovému odlivu.

Zdroje

• Mani, V., Kesavan, S., & Swaminathan, J. M. (2015). Estimating the impact of understaffing on sales and profitability in retail stores. Production and Operations Management, 24(2), 201–218. https://doi.org/10.1111/poms.12237
• Lu, Y., Musalem, A., Olivares, M., & Schilkrut, A. (2013). Measuring the effect of queues on customer purchases. Management Science, 59(8), 1743–1763. https://doi.org/10.1287/mnsc.1120.1686
• Perdikaki, O., Kesavan, S., & Swaminathan, J. M. (2012). Effect of traffic on sales and conversion rates of retail stores. Manufacturing & Service Operations Management, 14(1), 145–162. https://doi.org/10.1287/msom.1110.0356