Bumerang-raten: hvorfor mange kunder aldri kommer helt bak i butikken

Kartlegg hvordan kunder beveger seg gjennom en typisk butikk, og bildet er ofte det samme: en tett sky av bevegelse nær inngangen, en tynnere spredning i midten og nærmest tomt rom bakerst. Forskning som fulgte kunder i dagligvarebutikker, fant at rutene deres dekker mindre enn halvparten av butikken, og handelsantropologen Paco Underhill har et navn på den korte versjonen av turen: den grunne sløyfen («the shallow loop»). Kunder går inn, beveger seg noen meter og svinger tilbake mot utgangen i en bue som på et varmekart ligner en bumerang.

Bumerang-raten (andelen besøk som snur før de når de bakre sonene) er et av de viktigste og minst diskuterte måltallene i fysisk handel. Den vises ikke i transaksjonsdata, fordi mange av disse besøkende faktisk kjøper noe. De kjøper bare det som var nærmest døren, og resten av gulvet tjener ingenting på dem.

Dekompresjonssone-problemet

Handelsantropologen Paco Underhill, som brukte år på å filme kunder for boken sin Why We Buy, identifiserte det han kalte «dekompresjonssonen»: de første metrene innenfor enhver inngang, der kunder fremdeles psykologisk justerer seg etter gaten. I denne sonen orienterer folk seg, justerer tempoet og kobler ut. Det du plasserer der, blir gjerne gått forbi uten å bli lagt merke til.

Problemet starter rett etter den sonen. Hvis det ikke er noe fristende i klar sikt, tar kundens indre logikk over: de kom inn for noe spesifikt, de kan se det eller nå det raskt, så de tar det og går, uten at den bakre delen av butikken noen gang kommer med i regnestykket.

Hvorfor den bakre delen sulter

Plantegninger forsterker dette naturlig. Innganger er designet for å være åpne og innbydende, og denne åpenheten samler de best opplyste, best presenterte utstillingene nær inngangen, fordi det er det første kjøpere ser på en gjennomgang. De bakre sonene får resten: kategoriene med lavere marginer, størrelsene som ikke passer andre steder, utsalgsstativene. Ingenting ved planløsningen gir kundene en grunn til å gå så langt.

Legg til rot midt på gulvet (brede gondoler som bryter siktlinjen, kategoriskilting som ikke kan leses på ti meters avstand), og kundens rute blir enda kortere. De stopper der de kan se, henter det de trenger, og går.

Resultatet vises i butikkvarmekart: varme farger ved inngangen, kalde farger bakerst, og en sone i de bakre hjørnene som like gjerne kunne vært et lagerrom. Leiekostnaden per kvadratmeter er den samme overalt, men trafikken er ikke jevnt fordelt.

Destinasjonsprodukttrikset

Den klassiske motgiften er eldre enn moderne handelsanalyse. Supermarkeder har lenge plassert meieriprodukter, nærmere bestemt melk, så langt fra inngangen som mulig. Fordi nesten alle kunder trenger melk på nesten hvert besøk, må hele kundemassen gå forbi hele sortimentet før de når det de kom inn for. Paco Underhill bemerker at supermarkedene «pleide å plassere meieridisken i butikkens bakerste hjørne», og grepet ble det best kjente eksempelet på å designe en vei forbi alt annet.

Den samme logikken gjelder i hvilket som helst format. Et apotek som legger reseptutleveringen bakerst, trekker pasienter forbi kosttilskudd, sårpleie og sesongvarer de ellers aldri hadde sett på. En husholdningsbutikk som plasserer det ene apparatmerket kundene elsker dypt inne på gulvet, forlenger hvert eneste besøk. Destinasjonen trenger ikke være en hverdagsvare, bare noe kundene dine pålitelig vil ha og ikke lett får tak i nær inngangen.

Wi-Fi-basert persontelling lar deg vite i stedet for å gjette hvilket produkt som vil fungere som destinasjon, og hvor du bør plassere det.

Relatert lesning: å lede folk den lange veien rundt er det samme instinktet som ligger bak Gruen-effekten.

Døde soner og hva de koster

Ikke alle trafikkproblemer bakerst i butikken er like. Noen butikker har dårlig penetrasjon: kunder kommer sjelden forbi den første tredjedelen av gulvet. Andre har grei dekning midt på gulvet, men permanente døde soner i de fjerne hjørnene eller ved den bakre nødutgangen. I begge tilfeller er kostnaden reell og i stor grad usynlig uten stidata.

Døde soner er bortkastet plass, og de kommer av kategoribeslutninger tatt på antagelser («vi legger sesongvarer her fordi de ikke trenger å være synlige») som over år forsterkes til en plantegning som aktivt motvirker utforskning. Når konverteringsgraden i butikk ligger under sammenligningstallene fra transaksjonsdata, er en høy bumerang-rate eller vedvarende døde soner ofte en del av forklaringen.

Varepresentasjon bakerst i butikken: hva som virker

Å trekke trafikken dypere inn er ikke komplisert i prinsippet. Plasser et destinasjonsprodukt som skaper egne besøk, i den bakre sonen. Åpne opp siktlinjene midt på gulvet slik at kundene kan se fra inngangen hva som er bakerst. Bruk høytsittende kategoriskilting for å vise hva som finnes der. Gi folk en grunn til å utforske: et demonstrasjonsområde, en smaksstasjon, en sesonginstallasjon.

Den vanskeligere delen er å vite om noe av dette virker, fordi trafikken bakerst i butikken ikke fanges opp av kassedata. En kunde som ser seg om i den bakre sonen og deretter kjøper ved fronten, etterlater ikke noe spor i transaksjonssystemet. Bare data på stinivå viser om strømmen har flyttet seg.

Flaggskip-problemet

For flaggskip- og destinasjonsbutikker veier bumerang-raten ekstra tungt. En flaggskipbutikks kommersielle logikk avhenger ofte av store handlekurver og lange oppholdstider, og begge krever at kundene kommer langt inn på gulvet. Hvis dataene viser at flertallet av flaggskipbesøkene snur før den andre halvdelen av gulvet, fungerer butikken som en stor nærbutikk med dyr innredning.

Stidata lar teamet kjøre konkrete tester: flytt hovedproduktet, åpne en siktlinje, legg til en installasjon bakerst, og sjekk to måneder senere om median penetrasjonsdybde har endret seg og om konverteringen i de bakre sonene har fulgt etter.

Gjøre det målbart

Med anonym stianalyse blir bumerang-raten synlig: hvilken andel av besøkene som snudde før de nådde en definert sone, hvordan dette endres gjennom dagen, og hvordan det reagerer på fysiske endringer i planløsningen. Ingen enkeltkunde identifiseres. Bare aggregerte bevegelsesmønstre samles inn, noe som gjør dette til GDPR-samsvarende besøksdata fra grunnen av.

Den bakre delen av butikken har fått lite oppmerksomhet, delvis fordi det var vanskelig å bevise hva den gikk glipp av, og med stidata faller den unnskyldningen bort.

Kilder

• Underhill, P. (2004). Inside the machine. The Wilson Quarterly, Winter 2004 (excerpt from Call of the Mall). https://www.wilsonquarterly.com/quarterly/_/inside-machine
• Gladwell, M. (1996, November 4). The science of shopping. The New Yorker. https://www.newyorker.com/magazine/1996/11/04/the-science-of-shopping
• Hui, S. K., Inman, J. J., Huang, Y., & Suher, J. (2013). The effect of in-store travel distance on unplanned spending: Applications to mobile promotion strategies. Journal of Marketing, 77(2), 1–16. https://doi.org/10.1509/jm.11.0436