Oplandsspørgsmålet: hvorfra kommer dine besøgende egentlig?

Den antagelse, de fleste steder har om deres besøgende, er ikke et gæt. Det er en sikker, detaljeret overbevisning, bygget op over år med at drive et sted, se folk ankomme, lytte til personalet og læse de åbenlyse signaler. Den er også ofte forkert på måder, der har enorm betydning: hvor man åbner næste gang, hvordan man allokerer et markedsbudget, hvilken lejer der skal ind i den enhed, der bliver ledig til foråret.

Oplandanalyse eksisterer præcis fordi den intuitive model for, hvorfra besøgende kommer, bryder ned, når man måler den.

Hvad et opland egentlig er

Begrebet refererer til den geografiske zone, hvorfra et sted trækker sine besøgende. Detailgeografer deler det konventionelt i tre zoner: et primært område der dækker den nærmeste befolkning og tegner sig for det store flertal af besøg, en sekundær zone der bidrager med en yderligere andel, og en tertiær zone af lejlighedsvise og destinationsdrevne besøgende.

Praktisk oplandskortlægning, den slags der er baseret på mobilnetværksanalyse frem for surveys eller loyalitetskortsslutning, viser, hvorfra besøgendes mobilsignaler stammer, inden de dukker op på dit sted. Det resulterende kort er ofte overraskende. Et indkøbscenter med et stærkt regionalt ry kan trække det meste af sine besøgende fra to eller tre tilstødende postnumre, med kvarteret tre kilometer væk næsten usynligt. Eller det modsatte: et sted, operatøren anser som lokalt, viser sig at trække kraftigt fra et fjernt boligkvarter uden et åbenlyst alternativ.

Intet mønster er dårligt pr. definition. Men begge har konsekvenser for enhver beslutning, der afhænger af, hvem din faktiske kundebase er.

Hvorfor den intuitive model slår fejl

Operatører bygger oplands-antagelser ud fra, hvad de kan observere: nummerplader på parkeringspladsen, accenter ved informationsskranken, postnumre på leveringsordrer. Reelle signaler, men kraftigt filtrerede. Parkeringsprøven går glip af alle, der ankom til fods. Loyalitetskortspostnumre dækker kun kortholere, ikke et tilfældigt udsnit af besøgende. Personalets erindring er forankret i mindeværdige samtaler og usædvanlige tilfælde, ikke i den mediane besøgende, der ankommer, handler og går uden nogen hændelse.

Resultatet er en model, der overvægter de oplande, der gør sig selv synlige, og undervægter dem, der ikke gør det. Markedsbudgetter, skiltningsplacering og transportforhandlinger flyder alle fra den model, så fejlen forbinder sig stille over år.

Lokationsvalg: beslutningen der mest har brug for dataene

Lokationsanalyse er der, hvor oplandsfejl er dyrest. Det spørgsmål, et nyt sted skal besvare, er ikke blot “hvor mange mennesker bor i nærheden” men “hvor mange mennesker fra hvor vil rent faktisk komme”. Et sted i et bycenter med gode offentlige transportforbindelser kan trække fra et langt bredere område end en detailpark på byens kant på trods af, at der er en mindre boligbefolkning inden for gangafstand.

Det modsatte er også vigtigt. En markedsby, der allerede har en veletableret shoppingdestination, kan se attraktive befolkningstal, indtil oplandsdataene viser, at den eksisterende destination allerede har fanget det effektive publikum, og det nye sted ville konkurrere om besøgende, der allerede har valgt en vane.

At gøre denne fejl er en dyr lektion. At gøre det rigtigt, inden lejeaftalen er underskrevet, er pointen med analysen.

Indkøbscentrets lejermix: det argument ingen kan vinde uden data

Indkøbscentre og ejendomsejere anvender oplandanalyse i to retninger på en gang. Den første er indad: at forstå, hvilke lejer-kategorier der over- eller underindekserer i forhold til den faktiske besøgendebase, centret tiltrækker. Et center, der tiltrækker en uforholdsmæssig stor andel af sine besøgende fra yngre bymæssige kvarterer, kan være underserviceret i kategorier, der resonerer med det publikum, uanset hvad den konventionelle centerformel siger.

Den anden er udad: at demonstrere oplandet over for potentielle lejere. En ankertenant, der forhandler en lejekontrakt, vil vide ikke blot det overordnede besøgstal men hvorfra disse besøgende kommer, og om den befolkning overlapper med brandets egen kundebase. Oprindelsesdata giver udlejeren noget konkret at vise, som overordnede trafikktal ikke kan.

Markedsføring der ved, hvor den skal bruge penge

Data om oprindlse på kvartersniveau ændrer, hvordan markedsbudgetter allokeres. Hvis oplandet viser, at besøg fra et kvarter ti kilometer væk er faldet over tre år, måske fordi en konkurrent åbnede i det område, er det et andet problem end et fald, der påvirker hele oplandet jævnt. Det første kalder på målrettede kommunikationer og mulig partnerskab med lokal transport; det andet antyder et bredere brand- eller produktproblem.

For byer og kommuner gælder den samme logik for offentlige tjenester og fritidssteder. Oprindelse er den ene halvdel af billedet; den anden er, hvordan folk bevæger sig, når de først er i området, besøgstrafikken som kvarterets puls, der fortæller dig, om en handelsgade genuint betjener de mennesker, der bor omkring den. Et bibliotek, der næsten udelukkende trækker fra de tre omkringliggende gader, betjener et smalt opland, der kan afspejle transportbarrierer, ikke den faktiske efterspørgsel i det bredere område. Et kulturelt mødested, der forsøger at demonstrere sin regionale betydning over for bevilgende myndigheder, kan bruge oprindelsesdata til at vise præcis, hvilke kvarterer det når, og hvilke der er underservicerede.

Hvad dataene ser ud som i praksis

Dataleverancerne fra et mobilnetværksanalyseprojekt giver dig besøgstællinger opdelt efter originskvartal over tid. Du kan se, hvilke kvarterer der vokser i bidrag og hvilke der svinder. Når besøgende først er ankommet, kortlægger de samme bevægelsesdata de ruter, de rent faktisk vælger gennem stedet. Du kan sammenligne dit oplandsprofil med sammenlignelige beliggenheder. Du kan modellere, hvad en ny transportforbindelse eller åbning af en konkurrent kan gøre ved fordelingen.

Alt dette er anonymt og aggregeret. Mobilnetværksanalyse arbejder på skalaen af kvarterer og tidsperioder, ikke på niveauet af individuelle rejser eller identificerbare personer. Ingen hjemmeadresser dukker op i datasættet; hvad der dukker op, er det kvarter, en gruppe besøgende kom fra, udtrykt som et tal. Det er tilstrækkeligt til alle ovenstående beslutninger og er det niveau, på hvilket denne analyse altid har givet mening at gennemføre.

Det opland, du troede du havde

Hvorfra besøgende kommer, er det mest grundlæggende spørgsmål et sted kan stille sig selv. Det kommer forud for konvertering, opholdstid, omsætning pr. besøg, fordi alle disse spørgsmål afhænger af først at vide, hvem der rent faktisk ankommer.

Antagelsen er normalt tæt nok på til at være plausibel. Den er sjældent tæt nok på til at basere en lokationsvalgs-beslutning på. Oprindelsesanalyse, gjort i kvarters-skala og indsamlet anonymt via de mobilnetværk, folk allerede bærer, er bygget præcis til at rette det, stille, uden at identificere nogen, ved hjælp af den tilgang, der er den eneste metode til besøgsmåling i Europa, der er godkendt af en databeskyttelsesmyndighed.