Hva en besøksbenchmark faktisk er verdt

Benchmarks er tilfredsstillende å produsere og farlige å feiltolke. Flaggskipet ditt har tolv prosent besøksøkning år-over-år. Nærmeste konkurrents lokasjon er ned åtte prosent mot samme periode. Noen har laget en lysbildepresentasjon. Før den lysbilden går til styret, er ett spørsmål verdt å stille: måler disse to tallene faktisk det samme?

Ofte gjør de ikke det.

Appellen av sammenligningen

Absolutte besøkstall er nyttige for intern planlegging. Du trenger å vite hvor mange som kommer gjennom en tirsdag morgen fordi du bemannet for det. Det timevise mønsteret forteller deg når køen ved prøverommene blir et problem. Og satt opp mot kassedataene blir det samme tallet til besøkstall mot salg – konverteringen som forteller deg hva trafikken faktisk var verdt. Dette er operative spørsmål; de trenger bare dine egne data, samlet konsekvent.

I øyeblikket du sammenligner ditt tall med noe eksternt – en konkurrent, en bransjeindeks, ditt eget portefølje på tvers av forskjellige tellesystemer – endres kravene helt. Sammenligningen har bare verdi hvis det som sammenlignes ble målt på samme måte, under de samme reglene, ved bruk av de samme definisjonene. I praksis oppfyller handelsbesøksdata sjelden den standarden, og gapene er ikke trivielle.

Hva metoden faktisk teller

Tenk på to steder, begge som bruker elektronisk besøkstelling, begge rapporterer daglige totaler. Det første bruker et kamerabasert system som har blitt kalibrert mot manuelle kontrollstell to ganger i året; det teller bare innkommende besøkende, personale ekskludert via en separat inngang. Det andre bruker en todirektional dørsensor; personale bruker samme inngang som kunder, og telleren har ikke blitt rekalibrert siden installasjon.

De to tallene er ikke sammenlignbare. De kan stå i det samme regnearket. De kan gjennomsnittsberegnes i en kjede-bred rapport. Men de måler noe subtilt annerledes, med forskjellige feilrater og forskjellige definisjonsantagelser, og enhver benchmark bygget fra dem bærer disse feilene videre til hver beslutning den informerer. Det gjelder også anonym telling uten kameraer, der kalibrering mot manuelle kontrolltellinger er det som holder aggregattallet pålitelig.

Dette er ikke en abstrakt bekymring. Et paper publisert i PLOS ONE i 2021 om besøksmønster-arketyper fant vesentlig variasjon i besøksmønstre på tvers av lokasjonstyper – noe som er forventet – men fremhevet også i hvilken grad målemetodologi påvirker sammenlignbarheten av data på tvers av steder. Konklusjonen var i essens at besøksdata er nyttig for trendanalyse innen et sted, og betydelig mer komplisert for sammenligning på tvers av steder.

Indeksspørsmålet

Én respons på sammenlignbarhetsproblemet er å uttrykke ytelse som en indeks fremfor en absolutt telling. En indeks setter hvert sted – eller hver periode, eller hver lokasjonstype – til en grunnlinje på 100 og uttrykker etterfølgende ytelse i forhold til det punktet. Fordelen er at den fjerner den absolutte volumforskjellen mellom steder: et stort regionalt kjøpesenter og en liten høygate-enhet kan begge benchmarkes mot sin egen grunnlinje uten at sammenligningen forvrenges av det faktum at det ene mottar ti ganger så mange besøkende som det andre.

Ipsos Retail Managements britiske besøksindeks, som sporer mer enn 1,2 milliarder handlebesøk årlig, fungerer etter dette prinsippet – og sporer relativ bevegelse på tvers av lokasjonstyper fremfor å hevde en enkelt absolutt teller for «handel». Indeksen er informativ nettopp fordi den normaliserer dataene før sammenligning.

Begrensningen er at en indeks fortsatt krever at de underliggende tellingene er konsistente. Hvis dine individuelle steddata er inkonsistente fra år til år – fordi en sensor ble erstattet, en telleregel endret eller en ny personalinngang åpnet – vil indeksen trofast gjenspeile en kunstig bevegelse fremfor en reell.

Hva dataleveransene trenger å inkludere

For at en benchmark skal være brukbar, trenger dataene bak den å være dokumentert like grundig som selve tellingen. Det betyr å kjenne tellingsteknologien og dens kalibreringshistorie, definisjonsreglene (bare innkommende eller netto, personale ekskludert eller ikke, barn talt eller ikke), det kjente feilintervallet og eventuelle endringer i disse variablene over perioden som sammenlignes.

Uten den dokumentasjonen sammenligner du tall som kan se like ut men representerer forskjellige ting. En kjede som har utplassert fire forskjellige telleteknologier på tvers av eiendomsmassen sin i løpet av det siste tiåret, kan ikke produsere en meningsfull tiårstrend med mindre den har sporet effekten av hvert overgang.

Kjøpesenter- og eiendomsoperatører møter den samme utfordringen i større skala: flere leietakere, flere tellesystemer og et overskriftsbesøkstall som ofte er produktet av flere metodologiske valg som ingen to leietakere gjorde på samme måte.

Konkurrentsammenligningsproblemet

Cross-konkurrent benchmarking er versjonen av dette som oftest går galt. Publiserte besøksindekser aggregerer data fra flere operatører og teknologier, noe som er nyttig for å forstå makrotrender – om handelsbesøk samlet stiger eller faller mot forrige år. Hva de ikke pålitelig kan fortelle deg er om ditt spesifikke sted overpresterer eller underpresterer i forhold til en spesifikk konkurrent i samme handelformat, fordi de underliggende dataene kom fra forskjellige tellesystemer med forskjellige kalibreringsstandarder.

Den ærlige bruken av en publisert indeks er som et retningsgivende signal: beveger markedet seg mot oss eller med oss? Det er et nyttig spørsmål. Den overtrygge bruken er som bevis på at dine lokasjoner spesifikt slår konkurransen – et krav datametodologien typisk ikke kan underbygge.

Der det hjelper mest: leieavhandlinger

Ett sted der internt konsistente besøksdata produserer klar, forsvarlig verdi er leieavhandlinger. En leietaker med validerte besøksregistreringer for sin enhet – målt konsekvent, dokumentert ordentlig og produsert av et system som skiller kunder fra personale – har et konkret grunnlag for en husleie-revisjonsamtale som anekdote alene ikke kan gi.

En utleier i samme posisjon kan demonstrere overfor potensielle leietakere at senterets besøkstall er reelle, konsistente og uavhengig verifiserbare – et krav som betyr mer for sofistikerte leietakere enn et overskriftstall produsert av et ukjent system med ukjent kalibreringsstandard.

Analyseplattformen som støtter dette, trenger å gjøre mer enn å telle besøkende; den trenger å opprettholde revisjons-sporet som gjør tellingen troverdig.

Grunnlaget benchmarken hviler på

Å sammenligne ytelse over tid, på tvers av en portefølje og mot markedsindekser gir et genuint nyttig bilde av om en lokasjon forbedrer seg eller avtar. Risikoen er ikke i selve sammenligningen, men i antagelsene den krever.

Antagelsen som oftest stilles ut er konsistens: at det du telte dette året ble telt på samme måte som i fjor, og på samme måte som stedet to hundre kilometer unna. Den antagelsen er bare like god som målingen bak den. Konsekvent metode, dokumenterte definisjoner, kalibrert maskinvare, et dataspor som overlever personalutskiftning og systemoppgraderinger – det er grunnlaget enhver besøksbenchmark hviler på. Analyseplattformen og dataleveransene den produserer, trenger å opprettholde det revisjons-sporet, ikke bare selve tellingen. Enten du sammenligner i går med forrige tirsdag eller ditt beste sted med markedsindeksen, følger alt fra det grunnlaget – eller det følger ikke i det hele tatt.