Hvad et besøgstrafikbenchmark egentlig er værd

Benchmarks er tilfredsstillende at producere og farlige at fejllæse. Dit flagskibs besøgstrafik er op tolv procent år-til-år. Din nærmeste konkurrents beliggenhed er ned otte procent i den samme periode. Nogen har lavet en præsentation. Inden det slide går til bestyrelsen, er ét spørgsmål værd at stille: måler disse to tal egentlig det samme?

Ofte gør de ikke.

Tiltrækningskraften af sammenligningen

Absolutte besøgstrafiktællinger er nyttige til intern planlægning. Du har brug for at vide, hvor mange mennesker der kommer igennem en tirsdagsmorgen, fordi du bemander til det. Det timevise mønster fortæller dig, hvornår køen ved prøvningsrummene bliver et problem. Holdt op mod kassen bliver det samme tal til konverteringsraten bag besøgstrafik og salg, der fortæller forskellige historier. Det er operationelle spørgsmål; de behøver kun dine egne data, indsamlet konsistent.

I det øjeblik du sammenligner dit tal med noget eksternt (en konkurrent, et branche-indeks, din egen portefølje på tværs af forskellige tælle-systemer) ændres kravene totalt. Sammenligningen har kun værdi, hvis det, der sammenlignes, blev målt på samme måde, under de samme regler, ved brug af de samme definitioner. I praksis opfylder detailhandelens besøgsdata sjældent den standard, og hullerne er ikke ubetydelige.

Hvad metoden faktisk tæller

Overvej to steder, begge der bruger elektronisk besøgstælling, begge der rapporterer daglige totaler. Det første bruger et kamerabaseret system, der er kalibreret mod manuelle kontroltællinger to gange om året; det tæller kun indgående besøgende, personale udelukket via en separat indgang. Det andet bruger en bi-direktionel dørssensor; personale bruger samme indgang som kunder, og tælleren er ikke re-kalibreret siden installation. (Et Wi-Fi-system tæller enheder, ikke mennesker, og hviler på præcis det kalibreringstrin for at omsætte det ene til det andet.)

De to tal er ikke sammenlignelige. De kan godt sidde i det samme regneark. De kan sagtens gennemsnitliggøres i en kæde-bred rapport. Men de måler noget subtilt anderledes med forskellige fejlrater og forskellige definitionsmæssige antagelser, og et benchmark bygget fra dem bærer disse fejl fremad i enhver beslutning, det informerer.

Det er ikke et abstrakt problem. Et 2021-papir publiceret i PLOS ONE om detailhandelens besøgstrafik-arketyper fandt signifikant variation i besøgstrafikmønstre på tværs af lokatyionstyper, som forventes, men fremhævede også den grad, hvori målemetodologi påvirker sammenligneligheden af data på tværs af steder. Konklusionen var i det væsentlige, at besøgsdata er nyttig til inden-site trendanalyse og betydeligt mere kompliceret for tværsite-sammenligning.

Indeks-spørgsmålet

Et svar på sammenlignelighedsproblemet er at udtrykke præstation som et indeks frem for en absolut tælling. Et indeks sætter hvert sted, eller hver periode, eller hver lokationstype , til en baseline på 100 og udtrykker efterfølgende præstation i forhold til det punkt. Fordelen er, at det fjerner den absolutte-volumen-forskel mellem steder: et stort regionalt indkøbscenter og en lille handelsgadsenhed kan begge benchmarkes mod deres egne baseline uden at sammenligningen forvrænges af det faktum, at det ene modtager ti gange så mange besøgende som det andet.

Ipsos Retail Managements britiske besøgstrafik-indeks, der sporer mere end 1,2 milliarder detailhandelsbesøg årligt, fungerer på dette princip, det sporer relativ bevægelse på tværs af lokationstyper frem for at gøre krav på en enkelt absolut tælling for “detailhandel.” Indekset er informativt præcis fordi det normaliserer dataene inden sammenligning.

Begrænsningen er, at et indeks stadig kræver, at de underliggende tællinger er konsistente. Hvis dine individuelle stedsdata er inkonsistente fra år til år (fordi en sensor blev udskiftet, en tælleregel ændret eller en ny personaleindgang åbnede) vil indekset trofast afspejle en kunstig bevægelse frem for en reel.

Hvad dataleverancerne skal indeholde

For at et benchmark er brugbart, skal dataene bag det dokumenteres ligeså grundigt som selve tællingen. Det betyder at vide tælle-teknologien og dens kalibreringshistorie, de definitionsmæssige regler (kun indgående eller netto, personale udelukket eller ikke, børn talt eller ej), det kendte fejlinterval og eventuelle ændringer til nogen af disse variable over den periode, der sammenlignes.

Uden den dokumentation sammenligner du tal, der måske ser ens ud men repræsenterer forskellige ting. En kæde, der har implementeret fire forskellige tælle-teknologier på sin portefølje af detailsteder over det seneste årti, kan ikke producere en meningsfuld ti-årig trend, medmindre den har sporet konsekvensen af hver overgang.

Indkøbscentre og ejendomsejere møder den samme udfordring i en større skala: multiple lejere, multiple tælle-systemer og et overordnet besøgstal, der ofte er produktet af multiple metodologiske valg, som ingen to lejere har truffet på samme måde.

Konkurrentsammenligningens problem

Tværkonkurrent-benchmarking er den version af dette, der oftest går galt. Offentliggjorte besøgstrafikindeks aggregerer data fra multiple operatører og teknologier, hvilket er nyttigt til at forstå makrotendenser, om detailhandelens besøgstrafik overordnet stiger eller falder i forhold til forrige år. Hvad de ikke pålideligt kan fortælle dig, er om dit specifikke sted overpræsterer eller underpræsterer i forhold til en specifik konkurrent i det samme detailformat, fordi de underliggende data kom fra forskellige tælle-systemer med forskellige kalibreringsstandards.

Den ærlige brug af et publiceret indeks er som et retningssignal: bevæger markedet sig med os eller imod os? Det er et nyttigt spørgsmål. Den overkonfidente brug er som bevis for, at dine specifikke beliggenheder slår konkurrencen, en påstand, dataets metodologi typisk ikke kan understøtte.

Hvor det hjælper mest: lejeforhandlinger

Et sted, hvor internt konsistente besøgsdata producerer klar, forsvarlig værdi, er lejeforhandlinger. En lejer med validerede besøgsregistre for sin enhed (målt konsistent, dokumenteret korrekt og produceret af et system, der skelner kunder fra personale) har et konkret grundlag for en lejevurderingssamtale, som anekdote alene ikke kan give.

En udlejer i den samme position kan demonstrere over for potentielle lejere, at centrets besøgstrafik er reel, konsistent og uafhængigt verificerbar, en påstand, der betyder mere for sofistikerede lejere end et overordnet tal produceret af et ukendt system ved en ukendt kalibreringsstandard.

Den analyseplatform, der understøtter dette, skal gøre mere end tælle besøgende; den skal opretholde det sporingsforløb, der gør tællingen troværdig.

Det fundament benchmarket hviler på

At sammenligne præstation over tid, på tværs af en portefølje og mod markedsindeks giver en genuint nyttig visning af, om et sted forbedrer sig eller forfalder. Risikoen er ikke i selve sammenligningen men i de antagelser, den kræver.

Den antagelse, der oftest understreges stille, er konsistens: at det, du talte i år, blev talt på samme måde som i fjor, og på samme måde som stedet to hundrede kilometer væk. Den antagelse er kun så god som den måling, der understøtter den. Konsistent metode, dokumenterede definitioner, kalibreret hardware, et dataspor der overlever personaleudskiftning og system-opgraderinger, det er det fundament, ethvert besøgstrafik-benchmark hviler på. Den analyseplatform og de dataleverancer den producerer, skal opretholde det sporingsforløb , ikke blot tællingen. Hvad end du sammenligner i går med sidst tirsdag eller dit bedste sted med markedsindekset, følger alt fra det fundament, eller det gør det slet ikke.