Besøkstall vs. salg: hvorfor trafikk og inntekt forteller forskjellige historier

En forhandler i en mellomstor svensk by rapporterte rekordhøye besøkstall en november. Antallet besøkende økte, oppholdstiden økte, og markedsføringsteamet følte seg bekreftet. Så kom resultatregnskapet, og inntektene var flate. Forklaringen var enkel da noen først så etter: de fleste av de ekstra besøkende hadde kommet for et arrangement i butikken der ingen så seg om i varene og ingen kjøpte noe. Besøkstallene var reelle, men de ble aldri til salg, og ingen hadde fulgt med på gapet mellom de to.

Ingen stiller spørsmål ved besøkstallene før de motsier inntektene

Besøkstall og inntekt er de to tallene alle forhandlere følger med på. De sier sjelden noe forskjellig, men når det ene beveger seg uten det andre, blir diskusjonen høylytt: ledelsen peker på trafikken som bevis på at butikken går bra, og økonomiavdelingen peker på inntektslinjen som bevis på at noe er galt. Begge har rett, og begge mangler tallet som kobler dem: konverteringsgraden i butikk.

Konverteringsgraden er transaksjoner delt på besøkende, uttrykt i prosent. Konverteringen i butikk varierer kraftig med format: dagligvarer konverterer høyest fordi de fleste besøkende kommer for å kjøpe, mens formater der folk kommer for å se seg om, konverterer langt lavere. Ett enkelt «gjennomsnitt» er misvisende, fordi en dagligvarebutikk og en eksklusiv klokkebutikk har nesten ingenting til felles på dette måltallet. Derfor betyr din egen løpende grunnlinje mer enn noe publisert referansetall. Konverteringsgraden svarer på det spørsmålet besøkstall og inntekt ikke kan besvare hver for seg: av alle som kom inn, hvor mange kjøpte faktisk?

Når besøkstall går opp og inntektene ikke følger

Trafikkvekst uten inntektsvekst er den vanligste overraskelsen, og den viser seg i flere gjenkjennelige mønstre. En kampanje trekker inn nye besøkende som er nysgjerrige, men ikke kjøpeklare; konverteringen faller fordi de nye oppfører seg annerledes enn den faste kundebasen. En butikk på et travelt kjøpesenter får flere besøkende takket være en populær ankerleietaker, men fanger få av disse kundene selv. Været i sesongen sender folk innendørs som ikke hadde tenkt å handle i det hele tatt.

I hvert tilfelle så det rå besøkstallet oppmuntrende ut, og konverteringstallet ville ha vist tidligere hva som foregikk, hvis noen hadde fulgt med på det.

Når inntektene går opp og besøkstallene ikke følger

Det omvendte er like lærerikt, og ofte mer velkomment. En butikk strammer inn vindusutstillingen, organiserer butikkgulvet rundt færre hovedkategorier og lærer opp personalet grundigere. Besøkstallet er uendret: like mange går forbi og bestemmer seg for å gå inn. Men andelen som kjøper stiger, den gjennomsnittlige handlekurven blir større, og inntektene vokser uten de markedsføringskostnadene som skulle til for å trekke inn flere besøkende.

Det er argumentet for å behandle konvertering som en egen løftestang. Å trekke til seg flere besøkende er dyrt og preget av hard konkurranse, mens det å konvertere de besøkende du allerede har, stort sett handler om måling og gjennomføring.

Hva dataene viser som instinktet ikke fanger

Butikksjefer merker når en periode er travel eller rolig, og de har ofte rett. Om hvorfor har de nesten aldri rett. Var forrige tirsdag stille fordi færre kom inn, eller fordi de som kom inn, gikk fortere ut og kjøpte mindre? Bak disken ser de to tilfellene like ut, men de krever helt forskjellige tiltak: mer markedsføring i det første, mer arbeid med varepresentasjonen eller mer oppmerksomhet fra personalet i det andre.

Derfor omfatter dataleveransene fra en butikk med skikkelig måleutstyr både besøkstallet og tidsstemplene som lar deg sammenstille det med POS-eksporten din. Uten begge deler stiller du diagnosen på virksomheten med halvparten av informasjonen. Selve besøkstallet kan komme rett fra byggets eksisterende Wi-Fi, helt uten kameraer.

Konvertering etter dag, time og sone

Når du har begge tallene løpende side om side, blir spørsmålene mer presise. Konverteringen på lørdag ettermiddag kan ligge femten prosentpoeng høyere enn på tirsdag morgen, og det nyttige oppfølgingsspørsmålet er om du er bemannet for det. Bemanningsplanlegging bygget på besøksmønstre betyr å sette flere folk på gulvet når flere kjøpere faktisk er i butikken, i stedet for å holde seg til faste turnuser som flater ut toppene.

Data på sonenivå gir et nytt lag når bevegelsesdata kombineres med salgsdata. Et område i butikken med mye trafikk, men få transaksjoner, har ofte dårlig varepresentasjon eller uheldig belysning, mens et område med mindre trafikk som konverterer godt, kan fortjene mer plass.

Kjedeproblemet

For en enkelt butikk er diskusjonen forholdsvis avgrenset. For en butikkjede med dusinvis av steder står mer på spill, og sammenligningene blir mer nyttige. En kjede som kan rangere butikkene sine etter trafikk og konvertering samtidig, ser raskt hvilke steder som gjør det dårlig på det ene måltallet og godt på det andre, og det skillet endrer hva du gjør med hvert av dem. Rangeringen holder bare hvis alle steder er talt på samme måte (se hva en besøksbenchmark er verdt).

Et sted med høye besøkstall og lav konvertering har et annet driftsproblem enn et sted med lave besøkstall og høy konvertering. Det første trenger arbeid med produkttilbudet, butikkoppsettet eller personalet. Det andre trenger markedsføring eller skilting for å trekke inn mer av den forbipasserende trafikken, som det allerede har vist at det kan konvertere. Uten begge tallene ser de to bare ut som steder som underpresterer.

Å koble tellinger til kasser via API

Den praktiske flaskehalsen er som regel integrasjonen. Besøksdata og POS-data ligger i ulike systemer, med ulik tidsoppløsning og ulike eiere. En analyseplattform med API-tilkobling løser dette ved å legge begge strømmene på en felles tidsakse, slik at konverteringsgraden blir et løpende driftstall i stedet for noe noen regner ut i et regneark en gang i måneden.

Når konverteringen faller en torsdag ettermiddag uten noen åpenbar ytre grunn, får noen vite det dagen etter, ikke først ved neste salgsgjennomgang. Da går besøksdata fra å være et rapporteringsverktøy til å bli et styringsverktøy, og du kan lukke gapet mellom trafikk og inntekt mens det fortsatt er åpent, i stedet for bare å legge merke til det nå og da. For både flaggskipbutikker og kjeder kjører den GDPR-samsvarende besøksanalysen som ligger bak alt dette, uten å identifisere en eneste kunde ved navn.

Kilder

• Perdikaki, O., Kesavan, S., & Swaminathan, J. M. (2012). Effect of traffic on sales and conversion rates of retail stores. Manufacturing & Service Operations Management, 14(1), 145–162. https://doi.org/10.1287/msom.1110.0356
• Mani, V., Kesavan, S., & Swaminathan, J. M. (2015). Estimating the impact of understaffing on sales and profitability in retail stores. Production and Operations Management, 24(2), 201–218. https://doi.org/10.1111/poms.12237