Ruch pieszy kontra sprzedaż: dlaczego ruch i przychody opowiadają różne historie

Sprzedawca w średniej wielkości szwedzkim mieście zanotował pewnego listopada rekordowy ruch pieszy. Liczba odwiedzających wzrosła, czas przebywania też, a zespół marketingu poczuł, że miał rację. Potem przyszedł rachunek zysków i strat: przychody stały w miejscu. Gdy ktoś się temu przyjrzał, wyjaśnienie okazało się proste. Większość dodatkowych odwiedzających przyszła na wydarzenie w sklepie, które nie wiązało się z oglądaniem towaru ani z zakupami. Ruch był prawdziwy, ale nie przełożył się na sprzedaż, a luki między jednym a drugim nikt nie obserwował.

Wskaźnik, o który nikt się nie kłóci, dopóki nie przeczy innemu

Ruch pieszy i przychody to dwie liczby, które śledzi każdy sprzedawca. Gdy jedna zmienia się bez drugiej, spór robi się głośny: zarząd wskazuje na ruch jako dowód, że lokalizacja ma się dobrze, a dział finansów na linię przychodów jako dowód, że coś jest nie tak. Obie strony mają rację i obu brakuje liczby, która łączy te dwie: współczynnika konwersji w sklepie.

Współczynnik konwersji to transakcje podzielone przez liczbę odwiedzających, wyrażone w procentach. Konwersja w sklepie wyraźnie zależy od formatu: najwyżej konwertują sklepy spożywcze, bo większość odwiedzających przychodzi na zakupy, a formaty nastawione na oglądanie konwertują znacznie słabiej. Jedna “średnia” wprowadza w błąd, bo sklep spożywczy i butik z luksusowymi zegarkami nie mają pod tym względem prawie nic wspólnego. Dlatego Twój własny kroczący poziom bazowy znaczy więcej niż jakikolwiek opublikowany benchmark. Współczynnik konwersji odpowiada na pytanie, na które ruch pieszy i przychody osobno nie odpowiedzą: ilu ze wszystkich ludzi, którzy przyszli, faktycznie coś kupiło?

Gdy ruch rośnie, a przychody nie

Wzrost ruchu bez wzrostu przychodów to częstsze zaskoczenie i pojawia się w kilku rozpoznawalnych wzorcach. Kampania promocyjna przyciąga nowych odwiedzających, którzy są ciekawi, ale niezdecydowani; konwersja spada, bo nowi przybysze zachowują się inaczej niż stali klienci. Ruchliwa lokalizacja w galerii handlowej korzysta z ruchu generowanego przez popularnego najemcę kotwicznego, ale niewielu z tych klientów zatrzymuje dla siebie. Pogoda w danym sezonie zagania do środka ludzi, którzy w ogóle nie zamierzali robić zakupów.

W każdym z tych przypadków surowa liczba odwiedzin wyglądała zachęcająco, a współczynnik konwersji, gdyby ktoś go śledził, wcześniej pokazałby, co się naprawdę dzieje.

Gdy przychody rosną, a ruch nie

Sytuacja odwrotna jest równie pouczająca i często mile widziana. Sklep zmienia wystawę, przeorganizowuje salę wokół mniejszej liczby głównych kategorii i staranniej szkoli personel. Ruch się nie zmienia: tyle samo osób przechodzi obok i decyduje się wejść. Rośnie jednak odsetek kupujących, rośnie średnia wartość koszyka, a przychody idą w górę bez wydatków na marketing, które byłyby potrzebne, żeby przyciągnąć więcej odwiedzających.

To argument za tym, by traktować konwersję jako osobną dźwignię. Przyciąganie większego ruchu jest drogie i wymaga walki z konkurencją, a konwersja odwiedzających, których już masz, sprowadza się głównie do pomiaru i sprawnej realizacji.

Co dane pokazują, a instynkt nie

Kierownicy sklepów czują, kiedy okres jest ruchliwy, a kiedy spokojny, i często mają rację. Co do tego, dlaczego tak jest, prawie nigdy jej nie mają. Czy ostatni wtorek był spokojny, bo przyszło mniej osób, czy dlatego, że ci, którzy przyszli, szybciej wyszli i mniej kupili? Zza lady oba przypadki wyglądają identycznie, ale wymagają zupełnie innych reakcji: w pierwszym więcej marketingu, w drugim więcej merchandisingu lub uwagi personelu.

Dlatego dane z odpowiednio wyposażonego sklepu obejmują zarówno liczbę odwiedzających, jak i znaczniki czasu, które pozwalają zestawić ją z eksportem z POS. Jeśli brakuje jednego z nich, diagnozujesz biznes na podstawie połowy informacji. Samą liczbę odwiedzających można uzyskać bezpośrednio z istniejącej sieci Wi-Fi w budynku, bez kamer.

Konwersja według dnia, godziny i strefy

Gdy obie liczby są zbierane równolegle, pytania stają się bardziej precyzyjne. Konwersja w sobotnie popołudnia może być o piętnaście punktów wyższa niż we wtorkowe poranki, a wtedy warto zapytać, czy masz na ten czas wystarczającą obsadę. Planowanie personelu oparte na wzorcach ruchu oznacza więcej personelu na sali wtedy, gdy w sklepie faktycznie jest więcej kupujących, zamiast stałych grafików, które spłaszczają szczyty.

Po połączeniu danych o ruchu z danymi sprzedaży kolejną warstwę dodają dane na poziomie stref. Obszar sklepu o dużym ruchu, który generuje mało transakcji, często ma słaby merchandising albo złe oświetlenie. Obszar o mniejszym ruchu, który dobrze konwertuje, może zasługiwać na powiększenie.

Problem sieci

W pojedynczym sklepie sprawa jest stosunkowo prosta. W sieci handlowej działającej w dziesiątkach lokalizacji stawka jest wyższa, a porównania cenniejsze. Sieć, która może uszeregować swoje lokalizacje jednocześnie według ruchu i konwersji, szybko zobaczy, które wypadają słabo w jednym wskaźniku, a doskonale w drugim, a to rozróżnienie zmienia to, co robisz z każdą z nich. Taki ranking jest wiarygodny tylko wtedy, gdy każdą lokalizację liczono w ten sam sposób (zob. ile naprawdę wart jest benchmark ruchu pieszego).

Lokalizacja o dużym ruchu i niskiej konwersji ma inny problem operacyjny niż lokalizacja o małym ruchu i wysokiej konwersji. Pierwsza wymaga pracy nad ofertą produktową, układem lub personelem. Druga potrzebuje marketingu lub oznakowania, żeby przyciągnąć więcej przechodniów, bo już pokazała, że potrafi zamienić ich w kupujących. Bez obu liczb obie wyglądają po prostu na lokalizacje, które radzą sobie słabo.

Łączenie zliczeń z kasami przez API

Praktycznym wąskim gardłem jest zwykle integracja. Dane o ruchu pieszym i dane POS są w różnych systemach, mają różną szczegółowość czasową i różnych właścicieli. Rozwiązaniem jest platforma analityczna z łącznością API, która sprowadza oba strumienie do wspólnej osi czasu. Współczynnik konwersji staje się wtedy wskaźnikiem operacyjnym śledzonym na bieżąco zamiast liczby, którą ktoś raz w miesiącu wylicza w arkuszu kalkulacyjnym.

Gdy konwersja spada w czwartkowe popołudnie bez oczywistego zewnętrznego powodu, ktoś dowiaduje się o tym następnego dnia, a nie na kolejnym przeglądzie wyników. Dane o ruchu pieszym przestają wtedy być narzędziem raportowania, a stają się narzędziem zarządzania, i lukę między ruchem a przychodami możesz aktywnie zamykać, zamiast zauważać ją od czasu do czasu. Zarówno w sklepach flagowych, jak i w sieciach dane o ruchu zgodne z RODO, na których to wszystko się opiera, liczą odwiedzających bez kamer i nie identyfikują ani jednego klienta po imieniu.

Źródła

• 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