Ukryty tygodniowy rytm ruchu pieszego (i dzień, w którym miałeś za mało personelu)

Zapytaj sklepikarza, który dzień tygodnia jest najruchliwszy, a większość odpowie bez wahania. Gdy zapytasz, czy najruchliwsza godzina w tym dniu to 11:00 czy 14:00, pewność zwykle znika, a pytanie o to, kiedy konwersja jest najwyższa względem ruchu pieszego, kończy się zazwyczaj wzruszeniem ramion. Decyzje o obsadzie psują się właśnie w tej luce między intuicją na poziomie dnia a rzeczywistością na poziomie godziny.

Wzorzec, który zakładasz, a ten, który naprawdę masz

Ludzka pamięć słabo śledzi ruch pieszy. Pamiętamy sobotnie popołudnie, gdy sklep był przepełniony, i wtorkowy poranek, gdy był całkowicie pusty. Zapominamy o czwartkowym szczycie w porze lunchu, który przewyższa każdą środę, i o niedzielnym wieczorze, kiedy ruch zamiera trzydzieści minut wcześniej, niż sugerują wywieszone godziny otwarcia. Wzorzec, który nosimy w głowach, to montaż najbardziej wyrazistych chwil.

Planowanie obsady to tygodniowy problem alokacji. Grafik jest ustalany raz na tydzień naprzód, w oparciu o jakieś założenie dotyczące tego, kiedy przyjdą odwiedzający. Jeśli to założenie jest systematycznie błędne w tym samym kierunku (jeśli poniedziałki są konsekwentnie spokojniejsze, niż przewiduje grafik, a piątkowe poranki konsekwentnie ruchliwsze), błąd kumuluje się co tydzień. W ciągu roku daje to dużo bezczynnego personelu w poniedziałki i wielu sfrustrowanych klientów w piątkowe poranki.

Jak wygląda zmierzony tygodniowy wzorzec

Każda przestrzeń ma swój własny rytm, kształtowany przez lokalizację, zasięg, kategorię i godziny otwarcia. Oddział sieci handlowej w centrum miasta ma inny wzorzec niż sklep w parku handlowym, a miejsce rekreacji osiąga szczyt inaczej niż sklep spożywczy. W sklepie przy węźle transportowym wzorzec częściowo dyktuje rozkład jazdy.

W bardzo różnych typach obiektów mierzone dane konsekwentnie pokazują, że intuicyjny obraz jest mniej więcej trafny na poziomie dnia i często dość błędny na poziomie godziny. Najruchliwszy dzień zwykle jest wskazywany poprawnie, ale godzina szczytu w tym dniu, drugi szczyt w środku tygodnia i dokładny kształt sobotniej krzywej są często źle oceniane.

Rozbieżności pojawiają się w konkretnych, przewidywalnych miejscach:

• Powolny start: w wielu przestrzeniach pierwszy wyraźny wzrost ruchu przychodzi znacznie później niż otwarcie, więc personel pierwszej zmiany głównie czeka.
• Kompresja lunchu: ostry szczyt trwający od sześćdziesięciu do dziewięćdziesięciu minut skupia więcej popytu, niż sugeruje pobieżne myślenie o „ruchliwej porze lunchu”.
• Zaskoczenie w środku tygodnia: w wielu przestrzeniach handlowych środa lub czwartek wypada lepiej niż poniedziałek i wtorek, i to z większą przewagą, niż uwzględnia grafik.
• Wczesne zamknięcie: liczba przychodzących odwiedzających często spada niemal do zera na długo przed oficjalną godziną zamknięcia, więc przedłużanie późnej zmiany to koszt, który służy bardzo nielicznym klientom.

Czas przebywania komplikuje obraz

Ruch pieszy (czyli przybycia) to tylko połowa równania. Czas, który odwiedzający spędzają w przestrzeni, decyduje o tym, ile osób faktycznie przebywa w niej w danym momencie, a zatem ile pojemności obsługi przestrzeń potrzebuje. Fala szybkich zakupów w porze lunchu obciąża personel inaczej niż wolniejszy strumień klientów, którzy oglądają towar i zostają po trzydzieści minut.

Jeśli godzina, w której przychodzi najwięcej osób, zbiega się z ponadprzeciętnym czasem przebywania, masz szczyt złożony: przychodzi więcej ludzi i każdy zostaje dłużej. Właśnie ta godzina najdotkliwiej obnaża niedoobsadzenie: kolejka tworzy się szybko i długo się rozładowuje, a wpływ na konwersję jest mierzalny. Klienci, którzy stanęli w długiej kolejce, czasem z niej rezygnują, a ci, którzy ją widzą, czasem wcale do niej nie dołączają.

Znajomość czasu przebywania obok liczby przybyć zmienia pytanie o obsadę z „kiedy ludzie przychodzą?” na „kiedy przestrzeń jest pod największą presją?”. Mogą to być różne godziny.

Budowanie grafiku na podstawie danych, a nie zeszłorocznego grafiku

Zmierzony tygodniowy ruch pieszy daje narzędzie planowania, a obsada oparta na ruchu pieszym zaczyna się właśnie tutaj. Jeśli dostępne są godzinowe zliczenia z ostatnich dwunastu tygodni, kierownik może zobaczyć średni kształt każdego dnia, zmienność wokół tej średniej i tygodnie, w których wydarzenie, promocja lub okres złej pogody zmieniły wzorzec. Grafik można wtedy budować na podstawie zmierzonego kształtu zamiast odziedziczonego nawyku.

Praca na danych nie oznacza sztywnego trzymania się algorytmu. Kierownik, który widzi, że dane przewidują spokojne piątkowe popołudnie, może mimo to zostawić personel ze względu na doświadczenie klienta. Chodzi o to, by była to świadoma decyzja i by mieć dowody, gdy rozmowa z centralą zejdzie na liczbę etatów. Pełny obraz operacyjny znajdziesz na stronie planowanie obsady na podstawie danych o ruchu.

Dla sieci handlowych z wieloma lokalizacjami te same dane pokazują, jak spójny jest tygodniowy wzorzec w poszczególnych oddziałach. Sieć z trzydziestoma sklepami rzadko ma trzydzieści identycznych rytmów. Oddział w mieście-sypialni osiąga szczyt inaczej niż oddział w miejscowości wypoczynkowej. Szablony obsady na poziomie sieci, które traktują wszystkie lokalizacje jednakowo, prawie zawsze mylą się w obu kierunkach naraz: gdzieś jest za dużo personelu, gdzie indziej za mało.

Godziny otwarcia jako pytanie o dane

Godziny otwarcia są zwykle dziedziczone z dnia, w którym lokalizację otwarto, i tylko od czasu do czasu korygowane po skargach albo na wyczucie kierownika. Mierzony ruch pieszy pozwala rozstrzygnąć tę kwestię empirycznie. Jeśli spójny wzorzec pokazuje, że przybycia odwiedzających spadają niemal do zera dziewięćdziesiąt minut przed zamknięciem, to jest to argument, który można przetestować: za wcześniejszym zamknięciem albo za przesunięciem kosztu personelu na szczyt.

Potrzebne tu dostarczane dane są proste: przybycia na godzinę, dzień po dniu, przez tyle tygodni, by odróżnić typowe od wyjątkowego. Decyzja o tym, co zrobić z tym wzorcem, jest handlowa, ale dowody, na których się opiera, nie muszą być zgadywaniem.

Dopasowywanie personelu do mierzonych szczytów

Każda przestrzeń fizyczna ma tygodniowy rytm ruchu pieszego. Pomiar dodaje precyzję: intuicja na poziomie dnia, którą już masz, staje się faktem na poziomie godziny. Grafik przestaje być kopią grafiku z ubiegłego miesiąca z drobnymi poprawkami i staje się odpowiedzią na rzeczywisty kształt popytu.

Tygodniowy rytm to tylko jedna warstwa. Nad nim leży kalendarz ruchu pieszego całego roku handlowego, od świątecznego szczytu po martwy styczeń, a ten sam program pomiarowy obejmuje obie skale.

Stałe niedoobsadzenie w szczytach kosztuje Cię konwersję, zadowolenie klientów, a w końcu także stopniowy odpływ odwiedzających, którzy znajdują mniej frustrujące miejsce. Godzinowy punkt odniesienia ruchu pieszego (anonimowy, zagregowany, zbierany z infrastruktury, którą już masz) to najtańsze ubezpieczenie od tego odpływu. Dane te są zbierane metodą zatwierdzoną przez organ ochrony danych: żaden klient nie jest identyfikowany.

Źródła

• 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
• Lu, Y., Musalem, A., Olivares, M., & Schilkrut, A. (2013). Measuring the effect of queues on customer purchases. Management Science, 59(8), 1743–1763. https://doi.org/10.1287/mnsc.1120.1686
• 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