Boomerang-raten: hvorfor mange kunder aldrig når bagerst i butikken

Kortlæg, hvordan kunderne bevæger sig gennem en typisk butik, og billedet er ofte det samme: en tæt sky af bevægelse ved indgangen, en tyndere spredning i midten og næsten tomt bagerst. Forskning, der fulgte kunder i dagligvarebutikker, viste, at deres ruter dækker mindre end halvdelen af butikken, og detailantropologen Paco Underhill har et navn for den korte udgave af turen: den korte sløjfe (“the shallow loop”). Kunderne går ind, bevæger sig et par meter og slår en bue tilbage til udgangen, og på et heatmap ligner buen en boomerang.

Boomerang-raten (andelen af besøg, der vender om, før de når de dybere zoner) er en af de vigtigste og mindst omtalte målinger i fysisk detailhandel. Den ses ikke i transaktionsdata, for mange af de besøgende køber faktisk noget. De køber bare det, der stod tættest på døren, og resten af gulvet tjener ingenting på dem.

Problemet med dekompressionszonen

Detailantropologen Paco Underhill, der brugte år på at filme kunder til sin bog Why We Buy, beskrev det, han kaldte “dekompressionszonen”: de første par meter inden for enhver indgang, hvor kunderne stadig psykologisk omstiller sig fra gaden. I den zone orienterer folk sig, finder deres tempo og lukker omgivelserne ude. Det, du placerer der, bliver som regel gået forbi uden at blive bemærket.

Det egentlige problem opstår lige efter zonen. Er der ikke noget fristende inden for synsvidde, tager kundens egen logik over: de kom efter noget bestemt, de kan se det eller hurtigt nå det, så de tager det og går. Butikkens bagerste del indgår aldrig i overvejelserne.

Hvorfor de bagerste zoner får så lidt trafik

Plantegningen forstærker det helt af sig selv. Indgange indrettes til at være åbne og indbydende, og den åbenhed samler gerne de bedst belyste og bedst præsenterede displays tæt ved indgangen, fordi det er det første, indkøbscheferne ser, når de går butikken igennem. De bagerste zoner får resten: kategorier med lavere avance, størrelser der ikke kan være andre steder, udsalgsstativerne. Intet i indretningen giver kunderne en grund til at gå så langt.

Læg dertil rod på midtergulvet (brede gondoler, der bryder sigtelinjen, og kategoriskilte, der ikke kan læses på ti meters afstand), så bliver kundens rute endnu kortere. De stopper, hvor de kan se, samler det, de skal bruge, og går.

Resultatet ses i butiksheatmaps: varme farver ved døren, kolde farver bagerst og en zone i de bagerste hjørner, der lige så godt kunne være et lagerrum. Gulvet koster det samme pr. kvadratmeter overalt, men trafikken er ikke jævnt fordelt.

Tricket med destinationsvaren

Det klassiske modtræk er ældre end moderne detailanalyse. Supermarkeder har længe placeret mejerivarerne, specifikt mælken, så langt fra indgangen som muligt. Fordi næsten alle kunder skal bruge mælk ved næsten hvert besøg, må samtlige kunder gå forbi hele sortimentet, før de når det, de kom efter. Paco Underhill bemærker, at supermarkederne “plejede at placere mejerikølet i butikkens bagerste hjørne”, og tricket blev det bedst kendte eksempel på at designe en gåtur forbi alt det andet.

Samme logik gælder i alle butiksformater. Et apotek, der placerer receptudleveringen bagerst, trækker patienterne forbi kosttilskud, sårpleje og sæsonvarer, som de ellers aldrig ville have kigget på. En butik med boligudstyr, der placerer det ene mærke af husholdningsapparater, som kunderne elsker, langt inde på gulvet, forlænger hver eneste tur. Destinationen behøver ikke at være en dagligvare, bare noget dine kunder med sikkerhed vil have og ikke nemt kan få fat i tæt ved indgangen.

Med Wi-Fi-baseret persontælling ved du i stedet for at gætte, hvilken vare der fungerer som destination, og hvor den skal stå.

Relateret læsning: at lede folk den lange vej rundt er det samme instinkt, der ligger bag Gruen-effekten.

Døde zoner og hvad de koster

Problemer med trafikken bagerst i butikken er ikke ens. Nogle butikker har meget ringe indtrængning: kunderne kommer sjældent forbi den første tredjedel af gulvet. Andre har rimelig dækning af midtergulvet, men faste døde zoner i de fjerneste hjørner eller ved den bagerste nødudgang. I begge tilfælde er omkostningen reel og stort set usynlig uden stidata.

Døde zoner spilder plads, og de opstår af kategoribeslutninger truffet på antagelser (“vi lægger sæsonvarerne her, for de behøver ikke at være synlige”), som over årene hober sig op til en plantegning, der ligefrem modarbejder, at kunderne går på opdagelse. Når konverteringsraten i butikken ligger under benchmarks fra transaktionsdata, er en høj boomerang-rate eller vedvarende døde zoner ofte en del af forklaringen.

Merchandising bagerst: hvad der virker

I princippet er det ikke svært at trække trafikken længere ind. Placer en destinationsvare, der selv skaber besøg, i den bagerste zone. Åbn sigtelinjerne på midtergulvet, så kunderne fra indgangen kan se, hvad der er bagerst. Brug højt monterede kategoriskilte til at vise, hvad der venter længere inde. Giv folk en grund til at gå på opdagelse: et demonstrationsområde, en smagsprøvedisk, en sæsoninstallation.

Det svære er at vide, om noget af det virker, for trafikken bagerst fanges ikke af kassedata. En kunde, der kigger rundt i den bagerste zone og derefter køber noget ved indgangen, efterlader intet spor i transaktionssystemet. Kun data på stiniveau viser, om strømmen har flyttet sig.

Flagskibsproblemet

For flagskibs- og destinationsbutikker vejer boomerang-raten ekstra tungt. Et flagskibs forretningsmodel afhænger ofte af store kurvestørrelser og lang opholdstid, og begge dele kræver, at kunderne kommer langt ind på gulvet. Viser dataene, at de fleste besøg i flagskibsbutikken vender om før gulvets anden halvdel, fungerer butikken som en stor nærbutik med en dyr indretning.

Med stidata kan teamet teste konkret: flyt hero-produktet, åbn en sigtelinje, tilføj en installation bagerst, og tjek to måneder senere, om den mediane indtrængningsdybde har flyttet sig, og om konverteringen i de bagerste zoner er fulgt med.

Gør boomerang-raten målbar

Med anonym stianalyse bliver boomerang-raten synlig: hvor stor en andel af besøgene der vendte om, før de nåede en bestemt zone, hvordan det ændrer sig hen over dagen, og hvordan det reagerer på fysiske ændringer i indretningen. Ingen enkelt kunde identificeres. Der indsamles kun aggregerede bevægelsesmønstre, og derfor er det besøgsanalyse i overensstemmelse med GDPR helt fra bunden.

Den bagerste del af butikken har fået for lidt opmærksomhed, blandt andet fordi det var svært at bevise, hvad den gik glip af, og det kan stidata nu vise.

Kilder

• Underhill, P. (2004). Inside the machine. The Wilson Quarterly, Winter 2004 (excerpt from Call of the Mall). https://www.wilsonquarterly.com/quarterly/_/inside-machine
• Gladwell, M. (1996, November 4). The science of shopping. The New Yorker. https://www.newyorker.com/magazine/1996/11/04/the-science-of-shopping
• Hui, S. K., Inman, J. J., Huang, Y., & Suher, J. (2013). The effect of in-store travel distance on unplanned spending: Applications to mobile promotion strategies. Journal of Marketing, 77(2), 1–16. https://doi.org/10.1509/jm.11.0436