Besöksflöden mot försäljning: varför trafik och intäkter berättar olika historier
Fulla dörrar och fulla kassor är inte samma sak. De flesta handelsbeslut som går fel gör det i glappet mellan dem.
På den här sidan
En handlare i en medelstor svensk stad rapporterade rekordmånga besök en november. Besöken hade ökat, uppehållstiden hade ökat och marknadsteamet kände sig bekräftat. Sedan kom resultatrapporten, och intäkterna låg still. Förklaringen var enkel när någon väl tittade efter: de flesta extrabesökarna hade kommit för ett evenemang i butiken där ingen tittade runt bland varorna och ingen handlade. Besöken var verkliga men gav ingen försäljning, och ingen hade hållit koll på glappet mellan de två.
Måttet ingen ifrågasätter, förrän det motsäger det andra
Besöksflöden och intäkter är de två siffror som varje handlare följer. De går sällan isär, men när den ena rör sig utan den andra blir diskussionen högljudd. Ledningen ser trafiken som bevis på att platsen mår bra, medan ekonomiavdelningen ser intäktsraden som bevis på att något är fel. Båda har rätt, och båda saknar siffran som förbinder dem: konverteringsgraden i butik.
Konverteringsgraden är antalet transaktioner delat med antalet besökare, uttryckt i procent. Konverteringen i butik varierar kraftigt mellan format: dagligvaror konverterar högst eftersom de flesta besökare kommer för att köpa, medan format där kunderna kommer för att titta runt konverterar betydligt lägre. Ett enda “genomsnitt” är vilseledande. En livsmedelsbutik och en lyxklockebutik har nästan ingenting gemensamt på det här måttet, och därför betyder din egen rullande baslinje mer än något publicerat riktmärke. Konverteringsgraden ger ett tydligt svar på den fråga som besöksflöden och intäkter inte kan besvara var för sig: hur många av alla som kom in köpte faktiskt något?
När besöken ökar men intäkterna inte gör det
Trafikökning utan intäktsökning är den vanligare överraskningen, och den visar sig i några välbekanta mönster. En kampanj lockar nya besökare som är nyfikna men inte inställda på att köpa, och konverteringen sjunker eftersom de nya besökarna beter sig annorlunda än de vanliga kunderna. En livlig köpcentrumsplats får besökare från en populär ankarhyresgäst men gör sällan dem till egna kunder. Vädret under en viss säsong driver in folk som inte alls hade tänkt handla.
I alla dessa fall såg besökssiffran i sig lovande ut. Konverteringssiffran hade visat hur det egentligen låg till tidigare, om någon hade följt den.
När intäkterna ökar men besöken inte gör det
Det omvända är lika lärorikt och oftast mer välkommet. En butik rensar i skyltfönstret, bygger om golvytan kring ett mindre antal huvudkategorier och utbildar personalen mer målinriktat. Besöken är oförändrade: lika många människor går förbi och bestämmer sig för att gå in. Men andelen som köper ökar, den genomsnittliga korgen blir större och intäkterna växer utan den marknadsföringskostnad som det skulle kräva att dra in fler besökare.
Därför är konverteringen en hävstång i sig. Fler besök kostar mycket och konkurrensen om dem är hård. Att få fler av de besökare du redan har att köpa är däremot mest en fråga om mätning och genomförande.
Vad data visar som instinkten inte gör
Butiksansvariga känner när det är mycket eller lite folk, och de har ofta rätt. Om varför har de nästan aldrig rätt. Var förra tisdagen lugn för att färre kom in, eller för att de som kom gick ut fortare och köpte mindre? Bakom disken ser båda fallen likadana ut, men åtgärderna är helt olika: mer marknadsföring i det första fallet, bättre varuexponering eller mer uppmärksamhet från personalen i det andra.
Därför innehåller dataleveranserna från en butik med ordentlig mätutrustning både antalet besökare och de tidsstämplar som låter dig matcha det mot exporten från kassan. Besökssiffran kan komma direkt från byggnadens befintliga Wi-Fi, helt utan kameror. Utan båda ställer du diagnos på verksamheten med halva informationen.
Konvertering per dag, timme och zon
När du väl har båda siffrorna parallellt blir frågorna mer precisa. Konverteringen på lördagseftermiddagar kan vara femton procentenheter högre än på tisdagsmorgnar, och då är den intressanta frågan om du har bemanning för det. Bemanningsplanering byggd på besöksmönster innebär att du sätter in mer personal på golvet när fler köpare faktiskt är i butiken, i stället för att följa fasta scheman som jämnar ut topparna.
Data på zonnivå ger ytterligare ett lager. En högbesökt yta i butiken som ger få transaktioner har ofta dålig varuexponering eller olämplig belysning. En yta med mindre trafik som konverterar bra kan vara värd att utöka. Skillnaden syns först när du kombinerar rörelsedata med försäljningsdata.
Kedjeproblemet
För en enskild butik är frågan ganska avgränsad. För en butikskedja med dussintals platser står mer på spel, och jämförelserna säger mer. En kedja som kan rangordna sina platser efter både trafik och konvertering samtidigt ser snabbt vilka som presterar svagt på det ena måttet men starkt på det andra, och den skillnaden avgör vad du gör åt saken. Rangordningen håller bara om varje plats har räknats på samma sätt, och det är också det som avgör vad ett besöksriktmärke faktiskt är värt.
En plats med hög trafik och låg konvertering har ett annat operativt problem än en med låg trafik och hög konvertering. Den första behöver ändra något i produkterbjudandet, layouten eller personalen. Den andra behöver marknadsföring eller skyltning som lockar in mer av den passerande trafiken, eftersom den uppenbarligen kan konvertera besökarna när de väl kommer in. Utan båda siffrorna ser båda platserna bara ut att underprestera.
Att koppla besöksräkningar till kassor via API
I praktiken är flaskhalsen oftast integrationen. Besöksdata och kassadata ligger i olika system, med olika tidsupplösning och olika ägare. Lösningen är en analysplattform med API-anslutningsmöjligheter som lägger båda dataströmmarna på en gemensam tidsaxel. Då blir konverteringsgraden ett löpande operativt mått i stället för något som någon räknar fram i ett kalkylark en gång i månaden.
När konverteringen sjunker en torsdagseftermiddag utan någon uppenbar yttre orsak vet någon om det dagen efter och inte först vid nästa handelsmöte. Det är skillnaden mellan besöksdata som rapporteringsverktyg och besöksdata som ledningsverktyg, och det är så glappet mellan trafik och intäkter blir något du aktivt stänger i stället för något du då och då lägger märke till. Både för flaggskeppsbutiker och för kedjor fungerar den GDPR-säkra besöksanalys som allt detta vilar på utan att en enda kund identifieras vid namn.
Källor
- 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
Nyfiken på hur det skulle se ut för din plats?
- 20%
- Konvertering när 160 av 800 köper
Vanliga frågor
Vad är skillnaden mellan besöksflöden och försäljning?
Besöksflödet visar hur många personer som går in i en lokal, försäljningen hur många transaktioner som sker. En butik kan vara full av folk och ändå redovisa sjunkande intäkter om besökarna bara tittar, söker skydd för regnet eller inte hittar det de vill ha. De två måtten går bara ihop om du också följer konverteringen, alltså andelen besökare som köper.
Hur beräknar man konverteringsgraden i butik?
Dela antalet genomförda transaktioner med antalet besökare under samma period och multiplicera med 100 för att få ett procenttal. Om 800 personer går in och 160 köper något är konverteringen 20 procent. Vilken nivå som är sund varierar kraftigt mellan format, och dagligvaror, där de flesta besökare kommer för att köpa, ligger högst. Jämför därför med din egen baslinje i stället för med ett enskilt riktmärke.
Kan besöksflöden öka medan intäkterna minskar?
Ja, och det händer oftare än handlare tror. Intensiva kampanjperioder drar in kunder som mest tittar och sällan köper. Reaevenemang lockar fyndjägare som köper lite per besök. En ny konkurrent i närheten ökar den passerande trafiken men tar köparna. Besöken är en möjlighet, och det är konverteringen och det genomsnittliga transaktionsvärdet tillsammans som avgör om möjligheten blir intäkter.
Varför behöver man både besöksdata och kassadata?
Kassadata visar vad som sålde och när. Besöksdata visar vem som var där och när, och hur många av dem som inte köpte något. Tillsammans visar de om en lugn tisdag var lugn för att ingen kom in eller för att de som kom gick därifrån tomhänta. Det är två helt olika problem som kräver helt olika åtgärder.