Wat een bezoekersbenchmark werkelijk waard is

Benchmarks zijn bevredigend te produceren en gevaarlijk om verkeerd te lezen. De bezoekersstroom van je flagship is jaar-op-jaar twaalf procent omhoog. De locatie van je dichtstbijzijnde concurrent is acht procent gedaald ten opzichte van dezelfde periode. Iemand heeft een presentatie gemaakt. Voordat die presentatie naar de raad gaat, is één vraag de moeite waard: meten die twee getallen werkelijk hetzelfde?

Vaak niet.

De aantrekkingskracht van de vergelijking

Absolute bezoekerstellingen zijn nuttig voor interne planning. Je moet weten hoeveel mensen er op een dinsdagochtend doorheen komen omdat je er personeel voor inpant. Het uurpatroon vertelt je wanneer de rij bij de paskamers een probleem wordt. Dit zijn operationele vragen; ze hebben alleen je eigen data nodig, consistent verzameld.

Het moment dat je jouw getal vergelijkt met iets extern (een concurrent, een branche-index, je eigen portfolio over verschillende telsystemen) veranderen de vereisten volledig. De vergelijking heeft alleen waarde als wat wordt vergeleken op dezelfde manier is gemeten, onder dezelfde regels, met dezelfde definities. In de praktijk voldoet bezoekersstroom-data in retail zelden aan die standaard, en de gaten zijn niet triviaal.

Wat de methode werkelijk telt

Beschouw twee locaties, beide met elektronische bezoekerstellingen, beide die dagelijkse totalen rapporteren. De eerste gebruikt een cameragestuurde systeem dat twee keer per jaar is gekalibreerd op handmatige controlemetingen; het telt alleen inkomende bezoekers, personeel uitgesloten via een aparte ingang. De tweede gebruikt een tweerichtingsdeursensor; personeel gebruikt dezelfde ingang als klanten en de teller is niet opnieuw gekalibreerd na installatie.

De twee getallen zijn niet vergelijkbaar. Ze kunnen in dezelfde spreadsheet staan. Ze kunnen worden gemiddeld in een ketenbreed rapport. Maar ze meten iets subtiel anders, met verschillende foutpercentages en verschillende definitieveronderstellingen, en elke benchmark gebouwd erop draagt die fouten voort naar elke beslissing die ze informeren.

Dit is geen abstracte zorg. Een artikel uit 2021 gepubliceerd in PLOS ONE over retailbezoekersarchitecturen vond significante variatie in bezoekerspatronen over locatietypen, wat verwacht wordt, maar benadrukte ook in hoeverre meetmethodologie de vergelijkbaarheid van data over locaties beïnvloedt. De conclusie was in wezen dat bezoekersdata nuttig is voor trendanalyse binnen een locatie, en aanzienlijk gecompliceerder voor vergelijking over locaties. Een Wi-Fi-systeem telt om te beginnen apparaten, geen mensen, en pas kalibratie maakt van die tellingen een vergelijkbaar bezoekersgetal.

De indexvraag

Een reactie op het vergelijkbaarheidsprobleem is prestaties als een index uit te drukken in plaats van als een absolute telling. Een index stelt elke locatie (of elke periode, of elk locatietype) in op een basislijn van 100 en drukt de daaropvolgende prestatie uit ten opzichte van dat punt. Het voordeel is dat het het absolute-volume-verschil tussen locaties wegneemt: een groot regionaal winkelcentrum en een kleine winkelstraat-eenheid kunnen beide worden gebenchmarkt tegen hun eigen basislijn zonder dat de vergelijking wordt vertekend door het feit dat de een tien keer zoveel bezoekers ontvangt als de andere.

De UK Footfall Index van Ipsos Retail Management, die jaarlijks meer dan 1,2 miljard winkelbezoeken bijhoudt, werkt op dit principe, relatieve beweging over locatietypen bijhoudend in plaats van een enkele absolute telling voor “retail” te claimen. De index is precies informatief omdat die de data normaliseert voor vergelijking.

De beperking is dat een index nog steeds consistente onderliggende tellingen vereist. Als je individuele locatiedata van jaar tot jaar inconsistent is (omdat een sensor werd vervangen, een telregel veranderd of een nieuwe personeelsingang geopend) zal de index trouw een kunstmatige beweging weerspiegelen in plaats van een echte.

Wat de datalevering moet omvatten

Voor een benchmark om bruikbaar te zijn, moet de data erachter zo grondig worden gedocumenteerd als de telling zelf. Dat betekent de teltechnologie en zijn kalibratiegeschiedenis kennen, de definitieregels (alleen inkomend of netto, personeel uitgesloten of niet, kinderen geteld of niet), het bekende foutbereik en eventuele wijzigingen in een van deze variabelen over de vergelijkingsperiode.

Zonder die documentatie vergelijk je getallen die er hetzelfde kunnen uitzien maar verschillende dingen vertegenwoordigen. Een keten die over de afgelopen tien jaar vier verschillende teltechnologieën heeft ingezet over zijn winkelportefeuille kan geen zinvolle tienjaarse trend produceren tenzij het de impact van elke overgang heeft bijgehouden.

Winkelcentra en vastgoedeigenaren staan voor dezelfde uitdaging op grotere schaal: meerdere huurders, meerdere telsystemen en een headline-bezoekersgetal dat vaak het product is van meerdere methodologische keuzes die geen twee huurders op dezelfde manier maakten.

Het concurrentievergelijkingsprobleem

Cross-concurrent benchmarking is de versie die het gemakkelijkst fout gaat. Gepubliceerde bezoekers-indexen aggregeren data van meerdere exploitanten en technologieën, wat nuttig is voor het begrijpen van macrotrends, of de totale bezoekersstroom in retail stijgt of daalt ten opzichte van het voorgaande jaar. Wat ze niet betrouwbaar kunnen vertellen, is of jouw specifieke locatie over- of onderpresteerend is ten opzichte van een specifieke concurrent in hetzelfde retailformaat, omdat de onderliggende data afkomstig was van verschillende telsystemen met verschillende kalibratiestandaarden.

Het eerlijke gebruik van een gepubliceerde index is als een richtingssignaal: beweegt de markt tegen ons of met ons? Dat is een nuttige vraag. Het overmoedige gebruik is als bewijs dat jouw locaties specifiek de concurrentie verslaan, een claim die de datamethodologie doorgaans niet kan onderbouwen. En zelfs een vlekkeloze bezoekersbenchmark zegt niets over of dat verkeer omzet oplevert: daarvoor moet je bezoekersstroom naast omzet leggen.

Waar het het meest helpt: huuronderhandelingen

Één plek waar intern consistente bezoekersdata duidelijke, verdedigbare waarde produceert, is huuronderhandelingen. Een huurder met gevalideerde bezoekerregistraties voor zijn eenheid (consistent gemeten, goed gedocumenteerd en geproduceerd door een systeem dat klanten van personeel onderscheidt) heeft een concrete basis voor een huurherzieningsgesprek die anekdotes alleen niet kunnen bieden.

Een verhuurder in dezelfde positie kan aan potentiële huurders aantonen dat de bezoekersstroom van het centrum echt, consistent en onafhankelijk verifieerbaar is, een claim die er meer toe doet voor geavanceerde huurders dan een headline-getal geproduceerd door een onbekend systeem op een onbekende kalibratiestandaard.

Het analyseplatform dat dit ondersteunt, moet meer doen dan bezoekers tellen; het moet de audittrail bijhouden die de telling geloofwaardig maakt.

De basis waarop de benchmark rust

Prestaties vergelijken over tijd, over een portfolio en met marktindexen geeft een werkelijk nuttig beeld van of een locatie verbetert of achteruitgaat. Het risico zit niet in de vergelijking zelf maar in de veronderstellingen die die vereist.

De veronderstelling die het stilzwijgendst wordt weggelaten, is consistentie: dat wat je dit jaar telde op dezelfde manier is geteld als vorig jaar, en op dezelfde manier als de locatie tweehonderd kilometer verderop. Die veronderstelling is alleen zo goed als de meting erachter. Consistente methode, gedocumenteerde definities, gekalibreerde hardware, een datatrail die personeelswisselingen en systeemupgrades overleeft, dat is de basis waarop elke bezoekersbenchmark rust. Het analyseplatform en de datalevering die het produceert moeten die audittrail onderhouden, niet alleen de telling zelf. Of je nu gisteren vergelijkt met de afgelopen dinsdag of je beste locatie met de marktindex, alles volgt uit die basis, of het volgt helemaal niet.