Nedslagsfeltet: hvor kommer besøkende egentlig fra?

De fleste steder har en trygg og detaljert oppfatning av hvem de besøkende er, bygget opp gjennom år med drift. Oppfatningen er også ofte feil, og feilene rammer beslutninger som betyr svært mye: hvor du åpner neste gang, hvordan du fordeler markedsbudsjettet, og hvilken leietaker du setter inn i lokalet som blir ledig til våren. Å måle hvor besøkende kommer fra, er nettopp det nedslagsfeltanalyse er til for, og den intuitive modellen faller sammen så snart du gjør det.

Kort fortalt

• Et nedslagsfelt er området en butikk, et kjøpesenter eller et sted henter besøkende fra, vanligvis delt inn i en primær-, en sekundær- og en tertiærsone.
• Bilskilt på parkeringsplassen, postnumre fra lojalitetskort og det personalet husker, er sterkt filtrerte signaler, så den intuitive modellen overvekter sonene som gjør seg synlige.
• Mobilnettanalyse gir besøkstall etter opprinnelsesdistrikt per dag og sesong, anonymisert og aggregert, uten at noen enkeltperson identifiseres.
• For et nytt sted er antallet som bor i nærheten bare et utgangspunkt; spørsmålet er hvor mange som vil komme, og hvorfra. De samme opprinnelsestallene brukes til leietakermiks, markedsbudsjett og offentlige tjenester.

Hva er et nedslagsfelt for en butikk eller et kjøpesenter?

Et nedslagsfelt er det geografiske området et sted henter besøkende fra. Handelsgeografer deler det tradisjonelt inn i tre soner: et primærområde med den nærmeste befolkningen, som står for det store flertallet av besøkene, en sekundærsone som bidrar med en ytterligere andel, og en tertiærsone med sporadiske og destinasjonsdrevne besøkende.

Nedslagsfeltanalyse på distriktsnivå fungerer uten spørreundersøkelser eller slutninger fra lojalitetskort, og viser hvor besøkende kommer fra før de dukker opp hos deg. Mobilnettanalyse gjør dette mulig i den skalaen som reelle planleggingsbeslutninger krever.

Kartet overrasker ofte. Et kjøpesenter med sterkt regionalt omdømme kan hente de fleste besøkende fra to eller tre nabodistrikter, mens distriktet tre kilometer unna knapt synes. Eller omvendt: en lokasjon som stedet selv regner som lokal, viser seg å trekke mye fra et fjerntliggende boligområde uten noe åpenbart alternativ. Begge mønstrene kan fungere for en virksomhet, og begge påvirker hver beslutning som avhenger av hvem kundegrunnlaget ditt er.

Hvorfor svikter den intuitive modellen?

Den intuitive modellen svikter fordi ledelsen bygger antagelsene om nedslagsfeltet på det den kan observere: bilskilt på parkeringsplassen, aksenter ved informasjonsskranken, postnumre på leveringsordrer. Det er reelle signaler, men sterkt filtrerte. Utvalget fra parkeringsplassen mangler alle som kom til fots. Postnumre fra lojalitetskort dekker bare kortinnehaverne, og de er ikke et tilfeldig utvalg av besøkende. Personalet husker minneverdige samtaler og uvanlige tilfeller, mens den helt vanlige besøkende som kommer, handler og drar uten at noe skjer, knapt blir lagt merke til.

Modellen man ender opp med, overvekter de delene av nedslagsfeltet som gjør seg synlige, og undervekter resten. Markedsbudsjett, skiltplassering og forhandlinger om transport bygger alle på den modellen, så feilen vokser år for år uten at noen merker det.

Hvordan endrer data om nedslagsfeltet et lokasjonsvalg?

For et nytt sted er «hvor mange bor i nærheten» bare et utgangspunkt; spørsmålet data om nedslagsfeltet besvarer, er «hvor mange, og fra hvor, vil komme». Lokasjonsanalyse er der feil i nedslagsfeltet koster mest. Et sted i et bysentrum med gode kollektivforbindelser kan trekke fra et mye større område enn en handelspark i utkanten av byen, selv om færre bor innen gangavstand.

Befolkningstall kan også villede den andre veien. En markedsby som allerede har et veletablert handlested, kan se ut til å ha attraktive befolkningstall helt til dataene om nedslagsfeltet viser at det eksisterende stedet allerede har tatt det reelle publikummet, og at det nye stedet ville konkurrere om besøkende som allerede har lagt seg til en vane. Det er dyrt å ta feil her, så analysen hører hjemme før leieavtalen signeres.

Hvordan bruker kjøpesentre opprinnelsesdata til leietakermiksen?

Kjøpesentre og eiendomsselskaper bruker nedslagsfeltanalyse i to retninger samtidig. Den første er innover: å forstå hvilke leietakerkategorier som ligger over eller under forventet nivå ut fra de besøkende senteret faktisk trekker. Et senter som får en uforholdsmessig stor andel av de besøkende fra bydeler med en yngre befolkning, kan ha for lite av kategoriene som appellerer til det publikummet, uansett hva den vanlige kjøpesenteroppskriften sier.

Den andre er utover: å vise nedslagsfeltet til potensielle leietakere. En ankerleietaker som forhandler en leieavtale, vil vite det samlede besøkstallet, men også hvor de besøkende kommer fra, og om den befolkningen overlapper med merkets eget kundegrunnlag. Opprinnelsesdata gir utleieren noe konkret å vise fram som de samlede besøkstallene ikke kan gi.

Hvordan styrer opprinnelsesdata markedsbudsjettet?

Opprinnelsesdata på distriktsnivå endrer hvordan markedsbudsjettet fordeles. Viser nedslagsfeltet at besøkene fra et distrikt ti kilometer unna har falt i tre år, kanskje fordi en konkurrent har åpnet der, er det et annet problem enn en nedgang som rammer hele nedslagsfeltet likt. Det første krever målrettet kommunikasjon og kanskje samarbeid med lokal transport; det andre tyder på et bredere problem med merkevaren eller produktet.

For byer og kommuner gjelder samme logikk for offentlige tjenester og fritidstilbud. Et bibliotek som henter nesten alle besøkende fra det nærmeste distriktet, betjener et smalt nedslagsfelt som kan si mer om transportbarrierer enn om etterspørselen i området rundt. Et kulturtilbud som vil vise finansiørene sin regionale betydning, kan bruke opprinnelsesdata til å vise nøyaktig hvilke distrikter det når, og hvilke som fortsatt er dårlig dekket. Hvordan folk beveger seg når de først er i distriktet, er et eget spørsmål, og artikkelen om besøkstallene som pulsen i et nabolag viser om en handlegate faktisk betjener dem som bor rundt den.

Hvordan ser data om nedslagsfeltet ut i praksis?

Dataleveransene fra et prosjekt med mobilnettanalyse gir deg besøkstall fordelt på opprinnelsesdistrikt per dag og sesong, så du ser hvilke distrikter som bidrar mer, og hvilke som bidrar mindre. Rutene de besøkende velger når de er på stedet, kommer fra Wi-Fi- eller sensortelling, ikke fra nettdata. Med de dataene kan du sammenligne nedslagsfeltprofilen din med tilsvarende lokasjoner og modellere hva en ny transportforbindelse eller en konkurrent som åpner, kan gjøre med fordelingen.

Alt dette er anonymt og aggregert. Mobilnettanalyse ser distrikter og tidsperioder, men verken enkeltreiser eller identifiserbare personer. Datasettet inneholder ingen hjemmeadresser, bare distriktet en gruppe besøkende kom fra, uttrykt som et antall. Det holder for alle beslutningene over, og det er på det nivået nedslagsfeltanalyse alltid har gitt mening.

Nedslagsfeltet du trodde du hadde

Hvor besøkende kommer fra, er det mest grunnleggende spørsmålet et sted kan stille om seg selv. Det kommer før konvertering, oppholdstid og inntekt per besøk, fordi alle de spørsmålene forutsetter at du først vet hvem som kommer.

Opprinnelsesanalyse på distriktsnivå er laget for å rette opp antagelsen de fleste steder starter med, uten å identifisere noen. Den antagelsen er som regel nær nok til å virke plausibel, men sjelden nær nok til å bygge en lokasjonsbeslutning på.

Bumbee Labs er selskapet bak den eneste metoden for besøksmåling i Europa som er godkjent av en datatilsynsmyndighet.