Besøgstrafik vs. salg: hvorfor trafik og omsætning fortæller forskellige historier

En detailhandler i en mellemstor svensk by rapporterede rekordbesøgstrafik en november. Besøgstal var op, opholdstid var op, og markedsføringsteamet følte sig berettiget. Derefter ankom P&L. Omsætningen var flad. Problemet viste sig at være ligetil, da nogen kiggede: de fleste af de ekstra besøgende var der til et in-store-arrangement, der ikke involverede browsing eller køb. Besøgstrafikken var ægte. Salget var det ikke. Og ingen havde holdt øje med kløften imellem dem.

Den målestok ingen diskuterer, indtil den modsiger den anden

Besøgstrafik og omsætning er de to tal, alle detailhandlere sporer. De er sjældent uenige, indtil den ene bevæger sig uden den anden, derefter bliver diskussionen høj. Ledelsen peger på trafikken som bevis for, at beliggenheden er sund. Økonomiafdelingen peger på omsætningslinjen som bevis for, at noget er galt. Begge har ret, og begge mangler det tal, der forbinder dem: konverteringsrate i butikken.

Konverteringsrate er transaktioner divideret med besøgende, udtrykt som en procentdel. Ifølge TruRatings detailkonverteringsanalyse varierer konverteringen i butik markant efter format: cirka 10–20 procent for big-box, 15–30 procent for specialbutikker og 20–40 procent for dagligvarer. Et enkelt “gennemsnit” er misvisende, et supermarked og en luksus-urbutik har næsten intet til fælles på denne målestok, og derfor betyder din egen løbende baseline mere end noget offentliggjort benchmark. Hvad konverteringsrate giver dig, er et klart svar på det spørgsmål, besøgstrafik og omsætning ikke kan besvare separat: af alle de folk, der kom ind, hvor mange af dem købte egentlig?

Når besøgstrafik stiger, og omsætning ikke gør det

Trafikvækst uden omsætningsvækst er den hyppigere overraskelse. Det viser sig i adskillige genkendelige mønstre. En reklamekampagne bringer nye besøgende, der er nysgerrige men uforpligtede; konverteringen falder, fordi de nyankommer opfører sig anderledes end den faste kundebase. En travl indkøbscenterbelliggenhed opsamler besøgstrafik fra en populær ankertenant men fanger få af disse kunder til sig selv. Sæsonmæssigt vejr sender folk indendørs, der slet ikke planlagde at handle.

I hvert tilfælde så det rå besøgstal opildnende ud. Konverteringstallet, hvis nogen havde holdt øje med det, ville have fortalt den sande historie tidligere.

Når omsætning stiger, og besøgstrafik ikke gør det

Det modsatte er lige så instruktivt og ofte mere velkomment. En butik trimmer sit vinduesudstilling, reorganiserer gulvet omkring et mindre antal nøgle-kategorier og træner personalet mere målrettet. Besøgstrafik er uændret, det samme antal folk passerer forbi og beslutter sig for at komme ind. Men den procentdel, der køber, stiger, gennemsnitlig kurvstørrelse stiger, og omsætning vokser uden den markedsføringsudgift, der ville kræves for at trække flere besøgende ind.

Det er argumentet for at behandle konvertering som en løftestang i sig selv. Markedet for mere besøgstrafik er dyrt og konkurrencepræget; markedet for at konvertere de besøgende, man allerede har, handler i det væsentlige blot om måling og eksekvering.

Hvad dataene viser, som instinktet ikke gør

Butikschefer fornemmer, hvornår en periode er travl eller langsom, og de har ofte ret. De har næsten aldrig ret om hvorfor. Var den seneste tirsdag stille, fordi færre mennesker kom ind, eller fordi de mennesker, der kom ind, gik hurtigere og købte for mindre? Fra bag disken ser begge tilfælde identiske ud. Reaktionerne er helt forskellige, mere markedsføring i det første tilfælde, mere merchandising eller personaleomtanke i det andet.

Derfor inkluderer dataleverancerne fra en korrekt instrumenteret butik både besøgstallet og de tidsstempler, der lader dig matche det mod din POS-eksport. Det besøgstal kan komme direkte fra bygningens eksisterende Wi-Fi, helt uden kameraer. Uden begge diagnosticerer du virksomheden med halvdelen af oplysningerne.

Konvertering pr. dag, time og zone

Når du har begge tal kørende parallelt, bliver spørgsmålene mere præcise. Konvertering på lørdag eftermiddage kan være femten procentpoints højere end konvertering på tirsdag formiddage, og det interessante spørgsmål er ikke blot at den er højere, men om du er bemandet til det. Vagtplanlægning bygget på besøgstrafikmønstre betyder, at der placeres mere ressource på gulvet, når der er flere faktiske købere i bygningen, frem for at holde fast i faste vagtlister, der udjævner toppunkterne.

Zonedata tilføjer et ekstra lag. Et høj-besøgstrafik-område af butikken, der producerer få transaktioner, er ofte dårligt merchandised eller dårligt belyst, ikke simpelthen ikke besøgt. Et område med lavere trafik, der konverterer godt, kan fortjene udvidelse. Det er kombinationen af bevægelsesdata og salgsdata, der gør forskellen synlig.

Kæde-problemet

For en enkelt butik er samtalen relativt indeholdt. For en detailkæde, der driver duziner af lokationer, er indsatsen højere, og sammenligningerne mere kraftfulde. En kæde, der kan rangere sine beliggenheder efter både trafik og konvertering simultant, kan hurtigt identificere, hvilke steder der underpræsterer på én målestok, mens de klarer sig godt på den anden, og den distinktion ændrer, hvad man gør ved det.

Et sted med høj besøgstrafik og lav konvertering er et andet operationelt problem end et med lav besøgstrafik og høj konvertering. Det første kræver noget gjort ved produktudbuddet, indretningen eller personalet; det andet kræver markedsføring eller skiltning for at trække mere af den passeringstrafik, det klart er i stand til at konvertere, når det har den. Uden begge tal ser begge ens ud: underpræsterende.

At forbinde tællinger med kasser via API

Den praktiske flaskehals er normalt integration. Besøgsdata og POS-data sidder i forskellige systemer med forskellig tidsgranularitet og forskellige ejere. Løsningen er en analyseplatform med API-forbindelsesmulighed, der normaliserer begge strømme på en fælles tidsakse og gør konverteringsrate til en live operationel målestok frem for noget nogen beregner i et regneark én gang om måneden.

Når konverteringen falder på en torsdag eftermiddag uden nogen åbenlys ekstern årsag, ved nogen det i dag, ikke ved den næste handelsgennemgang. Det er forskellen på besøgsdata som rapporteringsværktøj og besøgsdata som ledelsesværktøj, og det er det, der omdanner kløften mellem trafik og omsætning fra noget man lejlighedsvist bemærker til noget man aktivt lukker. For flagskibsbutikker og kæder fungerer den GDPR-sikre besøgsanalyse, der understøtter alt dette, uden at identificere en eneste kunde med navn.