Oplandsspørgsmålet: hvorfra kommer dine besøgende egentlig?

De fleste steder har en sikker og detaljeret opfattelse af deres besøgende, bygget op gennem mange års drift. Opfattelsen er også ofte forkert, og fejlene rammer beslutninger, der betyder meget: hvor man skal åbne næste gang, hvordan marketingbudgettet skal fordeles, og hvilken lejer der skal ind i det lejemål, der bliver ledigt til foråret. Analyse af kundeoplandet findes netop for at måle, hvor de besøgende kommer fra, og når man gør det, holder den intuitive model ikke.

Kort fortalt

• Et kundeopland er det område, som en butik, et center eller et sted trækker sine besøgende fra, normalt delt i en primær, en sekundær og en tertiær zone.
• Nummerplader på parkeringspladsen, postnumre fra loyalitetskort og personalets hukommelse er kraftigt filtrerede signaler, så den intuitive model overvægter de zoner, der gør sig selv synlige.
• Mobilnetværksanalyse giver besøgstal fordelt på oprindelsesbydel pr. dag og sæson, anonymiseret og aggregeret, uden at nogen enkeltperson identificeres.
• For et nyt sted er antallet af mennesker, der bor i nærheden, kun et udgangspunkt; spørgsmålet er, hvor mange der vil komme, og hvorfra. De samme oprindelsestal bruges til lejermix, marketingbudget og offentlige tilbud.

Hvad er et kundeopland for en butik eller et center?

Et opland er det geografiske område, som et sted trækker sine besøgende fra. Detailgeografer deler det traditionelt i tre zoner: et primært område med den nærmeste befolkning, som står for langt de fleste besøg, en sekundær zone, der bidrager med en yderligere andel, og en tertiær zone med lejlighedsvise og destinationsdrevne besøgende.

Analyse af kundeoplandet på bydelsniveau fungerer uden spørgeskemaer eller slutninger fra loyalitetskort og viser, hvor de besøgende kommer fra, før de dukker op hos dig. Mobilnetværksanalyse gør det muligt i den skala, som reelle planlægningsbeslutninger kræver.

Kortet overrasker ofte. Et indkøbscenter med et stærkt regionalt ry trækker måske de fleste af sine besøgende fra to eller tre tilstødende bydele, mens bydelen tre kilometer væk næsten ikke er synlig. Eller omvendt: et sted, som ledelsen betragter som lokalt, viser sig at trække kraftigt fra et fjernt boligområde uden et oplagt alternativ. Begge mønstre kan fungere for en virksomhed, og begge påvirker enhver beslutning, der afhænger af, hvem din kundebase er.

Hvorfor slår den intuitive model fejl?

Den intuitive model slår fejl, fordi stedets ledelse bygger sine antagelser om oplandet på det, den kan observere: nummerplader på parkeringspladsen, accenter ved informationsskranken, postnumre på leveringsordrer. Det er reelle signaler, men kraftigt filtrerede. Stikprøven fra parkeringspladsen overser alle, der kom til fods. Postnumre fra loyalitetskort dækker kun kortholdere, som ikke er et tilfældigt udsnit af de besøgende. Personalets hukommelse hænger fast i mindeværdige samtaler og usædvanlige tilfælde, mens den helt typiske besøgende, der ankommer, handler og går, uden at noget særligt sker, knap bliver registreret.

Den model, der opstår, overvægter de oplandszoner, der gør sig selv synlige, og undervægter dem, der ikke gør. Marketingbudgetter, placering af skilte og forhandlinger om transport udspringer alle af den model, så fejlen vokser år efter år, uden at nogen opdager det.

Hvordan ændrer data om oplandet et lokationsvalg?

For et nyt sted er “hvor mange mennesker bor i nærheden” kun et udgangspunkt; det, data om oplandet besvarer, er “hvor mange mennesker fra hvor vil komme”. Lokationsanalyse er der, hvor fejl i oplandet koster mest. Et sted i et bycenter med gode offentlige transportforbindelser kan trække fra et langt bredere område end en detailpark i byens udkant, selv om der bor færre mennesker inden for gåafstand.

Befolkningstal kan også vildlede den anden vej. En købstad, der allerede har en veletableret indkøbsdestination, kan se ud til at have attraktive befolkningstal, indtil data om oplandet viser, at den eksisterende destination allerede har fanget det reelle publikum, og at det nye sted ville konkurrere om besøgende, der allerede har fundet deres vaner. En forkert beslutning her er dyr, så analysen hører hjemme, før lejekontrakten er underskrevet.

Hvordan bruger indkøbscentre oprindelsesdata til lejermixet?

Indkøbscentre og ejendomsejere bruger analyse af kundeoplandet i to retninger på én gang. Den første er indad: at forstå, hvilke lejerkategorier der ligger over eller under indeks i forhold til de besøgende, centret faktisk trækker. Et center, der trækker en uforholdsmæssigt stor andel af sine besøgende fra bydele med en yngre befolkning, mangler måske udbud i kategorier, der appellerer til det publikum, uanset hvad den gængse centerformel siger.

Den anden er udad: at vise oplandet til potentielle lejere. En ankerlejer, der forhandler en lejekontrakt, vil kende det samlede besøgstal, men også vide, hvor de besøgende kommer fra, og om den befolkning overlapper med brandets egne kunder. Oprindelsesdata giver udlejeren noget konkret at vise, som de overordnede trafiktal ikke kan.

Hvordan styrer oprindelsesdata marketingbudgettet?

Oprindelsesdata på bydelsniveau ændrer, hvordan marketingbudgetter fordeles. Viser oplandet, at besøgene fra en bydel ti kilometer væk er faldet over tre år, måske fordi en konkurrent har åbnet i det område, er det et andet problem end et fald, der rammer hele oplandet jævnt. Det første kalder på målrettet kommunikation og måske et samarbejde med den lokale transport; det andet tyder på et bredere problem med brand eller produkt.

For byer og kommuner gælder samme logik for offentlige tilbud og fritidssteder. Et bibliotek, der næsten kun trækker fra den omkringliggende bydel, betjener et smalt opland, som kan sige mere om barrierer i transporten end om efterspørgslen i det større område. Et kulturelt mødested, der vil vise bevillingsgivere sin regionale betydning, kan bruge oprindelsesdata til at vise præcis, hvilke bydele det når, og hvilke der stadig er dårligt dækket. Hvordan folk bevæger sig, når de først er i bydelen, er et andet spørgsmål, og besøgstrafikken som kvarterets puls viser, om en handelsgade reelt betjener de mennesker, der bor omkring den.

Hvordan ser data om oplandet ud i praksis?

Dataleverancerne fra et projekt med mobilnetværksanalyse giver dig besøgstal fordelt på oprindelsesbydel pr. dag og sæson, så du kan se, hvilke bydele der bidrager mere, og hvilke der bidrager mindre. De ruter, de besøgende vælger, når de er på stedet, kommer fra Wi-Fi- eller sensortælling, ikke fra netværksdata. Med de data kan du sammenligne din oplandsprofil med lignende beliggenheder og modellere, hvad en ny transportforbindelse eller en konkurrents åbning kan gøre ved fordelingen.

Alt dette er anonymt og aggregeret. Mobilnetværksanalyse ser bydele og tidsperioder, men hverken individuelle rejser eller identificerbare personer. Datasættet indeholder ingen hjemmeadresser, kun den bydel, en gruppe besøgende kom fra, udtrykt som et antal. Det er nok til alle de beslutninger, der er beskrevet ovenfor, og det er på det niveau, analyse af kundeoplandet altid har givet mening.

Det opland, du troede, du havde

Hvor de besøgende kommer fra, er det mest grundlæggende spørgsmål, et sted kan stille sig selv. Det kommer før konvertering, opholdstid og omsætning pr. besøg, fordi alle de spørgsmål afhænger af, at man først ved, hvem der kommer.

Oprindelsesanalyse på bydelsniveau er bygget til at rette den antagelse, de fleste steder starter med, uden at identificere nogen. Antagelsen er som regel tæt nok på til at virke plausibel, men sjældent tæt nok på til, at man kan træffe et lokationsvalg på den baggrund.

Bumbee Labs er virksomheden bag den eneste metode til besøgsmåling i Europa, der er godkendt af en databeskyttelsesmyndighed.