Konverteringsbenchmark for detailhandel: hvad et godt tal ser ud som
Publiceret forskning understøtter konverteringsspænd pr. butiksformat, men ikke ét samlet gennemsnit. Det mest nyttige benchmark er et, kun du kan eje: din egen baseline.
På denne side
Spørg, hvad en “god” konverteringsrate i detailhandel er, og du får selvsikre svar, der modsiger hinanden, fordi de fleste af dem stiltiende antager et format. Dokumentationen understøtter mindre end det: publiceret forskning giver spænd pr. format, intet understøtter et universelt gennemsnit, og det benchmark, du kan handle på, er det, du bygger selv.
Hvad viser publicerede konverteringsbenchmarks egentlig?
Publicerede konverteringstal kommer for det meste fra leverandører af måle- og betalingsværktøjer. De spænd, de angiver for samme format, modsiger hinanden, og kun få oplyser deres stikprøve eller metode. Det, de er enige om, er rækkefølgen: Dagligvarer konverterer højest, fordi de fleste, der går ind i en dagligvarebutik, kommer for at købe, og formater, hvor kunderne mest kigger rundt, som mode, møbler og luksus, konverterer langt lavere. Forskellen mellem formater er større end forskellen mellem en butik i krise og en stærk butik inden for samme format. Alle, der citerer et enkelt “branchegennemsnit”, har taget gennemsnittet af en dagligvarebutik og en urboutique, og det resulterende tal beskriver ingen af dem. Den dybere analyse af, hvorfor kasserne alene giver et misvisende billede, findes i besøgstrafik versus salg.
Hvad er en god konverteringsrate pr. butikstype?
Intet publiceret tal holder pr. butikstype, men rækkefølgen mellem typerne er konsekvent og forklarer sig selv. Læs konverteringen inden for ét format, brug ethvert tal udefra som et groft sundhedstjek, og sammenlign først og fremmest en butik med dens egne uger, dage og søsterbutikker.
- Dagligvarer: det højeste af alle formater. Dagligvarebesøg er målrettede, og formatet er ensartet, så de fleste besøgende køber.
- Tøj og specialbutikker: et godt stykke under dagligvarer og med stor spredning. En luksusboutique og en fast fashion-butik ligger i hver sin ende af samme kategori.
- Byggemarkeder: der er ikke publiceret noget tal for butikstypen. Håndværkere og weekendkunder, der kigger rundt, deler én bygning og konverterer forskelligt.
- Apoteker: ikke publiceret. Køen ved receptskranken gør besøgene strukturelt anderledes end i nogen anden butik, så et publiceret gennemsnit ville beskrive en fiktion.
Siderne om de enkelte butikstyper læser konverteringen ud fra hvert formats egne spørgsmål: tøjbutikker, dagligvarebutikker, byggemarkeder og apoteker.
Hvorfor gælder konverteringsrater fra e-handel ikke for en butik?
De fleste lister over “gennemsnitlig konverteringsrate” på nettet er tal fra e-handel, bygget på sessioner, afvisningsprocent og indkøbskurve, der ikke har noget fysisk modstykke, og derfor er de den forkerte målestok for en butik. En webshop ser hvert klik; en fysisk butik ser ikke de salg, den mistede tirsdag eftermiddag, stativet, ingen stoppede ved, eller køen ved prøverummene, der fik folk til at vende om.
Hvorfor format dominerer tallet
Konvertering afhænger af, hvorfor folk kommer ind. Dagligvarekunder kommer for at købe, så deres konvertering er strukturelt høj; showroom-formater skal tiltrække browsere, så deres er strukturelt lav, og ingen af tallene er godt eller dårligt i sig selv. Det er også derfor, de nyttige sammenligninger er inden for samme format og inden for samme kæde: din tirsdag mod din lørdag, din butik A mod din butik B målt på samme måde med besøgsanalyse for detailhandel, denne sæson mod sidste. Nøgletalsordbogen definerer de begreber, du skal bruge på dine egne data.
At bygge det benchmark, der betyder noget
Din egen baseline har brug for to pålidelige serier: anonyme besøgstal ved indgangen og transaktioner fra kasseapparatet, samlet i konvertering pr. time, dag og sæson. Derfra bliver spørgsmålene operationelle: hvilke timer konverterer dårligst, og er de underbemandede; hvad skete der med konverteringen, da layoutet ændrede sig; udvander en trafikspids konverteringen (browsere), eller holder den den fast (efterspørgsel). Inden for et kvartal har butikken et benchmark bygget på sine egne data, som ingen publikation kan tilbyde.
Trin for trin ser det første kvartal sådan ud:
- Uge 1 til 4: Tællingen starter på den Wi-Fi, der allerede er i butikken, med en sensor over indgangen, hvor præcise tal for ind og ud betyder noget. De første uger etablerer baseline.
- Uge 5 til 8: Kobl kassesystemet på, og læs konverteringen time for time og dag for dag, ikke som et månedsgennemsnit.
- Uge 9 til 12: Sammenlign med dine egne uger, dage og butikker, og lad den første sæson tegne din egen årskurve.
Publicerede tal fungerer højst som et sundhedstjek. Hvis en dagligvarebutik konverterer på et niveau, man ville forvente af en modebutik, er noget værd at undersøge. Hvad der skal rettes, og om rettelsen virkede, kan kun din egen baseline sige.
Nysgerrig på, hvordan det ville se ud for dit sted?
Ofte stillede spørgsmål
Hvad er en god konverteringsrate i detailhandel?
Det afhænger mere af format end af noget andet. Dagligvarer konverterer højest, fordi de fleste, der går ind i en dagligvarebutik, kommer for at købe, mens formater, hvor kunderne mest kigger rundt, som mode, møbler eller luksus, konverterer langt lavere. Publicerede spænd fra leverandører modsiger hinanden og oplyser sjældent deres metode, så et enkelt branchegennemsnit er tæt på meningsløst; det er din egen baseline, der holder som sammenligning.
Hvorfor er min egen baseline bedre end et branchebenchmark?
Fordi et benchmark ikke kan se din beliggenhed, dit format, prisniveau eller vejret. Din egen løbende baseline holder alt det konstant, så en ændring i tallet betyder, at noget ændrede sig i butikken. Derfor tæller det som bevis, når du slår din egen baseline måned for måned, mens det er et tilfælde, når du slår et publiceret gennemsnit.
Hvad skal jeg måle for at følge konvertering korrekt?
To serier: besøgende, der kommer ind (målt anonymt ved indgangen), og transaktioner (fra jeres kasseapparat). Konvertering er forholdet mellem dem, aflæst time for time og dag for dag. Læg forbipasserende udenfor til, og du får også capture rate, som fortæller dig, om det er lokationen eller butikken, der er begrænsningen.
Hvor hurtigt kan en butik se sin egen konverteringsbaseline?
Tælling starter typisk på den Wi-Fi, en butik allerede kører, så de første ugers data etablerer baseline, og hver uge derefter skærper den. Efter den første sæson har I jeres egen årskurve, som intet publiceret benchmark nogensinde vil indeholde.