Besöksflöden mot försäljning: varför trafik och intäkter berättar olika historier

En handlare i en mellansvensk stad rapporterade rekordbesök en november. Besökarna var upp, uppehållstiden var upp och marknads­teamet kände sig bekräftat. Sedan anlände resultat­rapporten. Intäkterna var platta. Problemet visade sig vara enkelt när någon väl tittade: de flesta extra­besökarna var där för ett in-store-evenemang som inte innehöll vare sig visning eller köp. Besöken var verkliga. Försäljningen var det inte. Och ingen hade hållit koll på gapet dem emellan.

Måttet ingen ifrågasätter, förrän det motsäger det andra

Besöksflöden och intäkter är de två siffror varje handlare följer. De sällan är oense förrän en rör sig utan den andre, då höjs röster. Ledningen pekar på trafiken som bevis på att platsen är frisk. Ekonomi­avdelningen pekar på intäktsraden som bevis på att något är fel. Båda har rätt, och båda saknar det tal som förbinder dem: konverteringsgraden i butik.

Konverteringsgrad är transaktioner dividerat med besökare, uttryckt som ett procenttal. Enligt TruRatings analys av butikskonvertering varierar konverteringen i butik kraftigt med format: ungefär 10–20 procent för stormarknader, 15–30 procent för specialhandel och 20–40 procent för dagligvaror. Ett enda “genomsnitt” är vilseledande, en livsmedels­butik och en lyxklocke­butik har nästan ingenting gemensamt på detta mått, vilket är varför din egen rullande baslinje betyder mer än något publicerat riktmärke. Vad konverteringsgrad ger är ett rent svar på den fråga som besöksflöden och intäkter inte kan besvara var för sig: av alla som kom in, hur många köpte faktiskt?

När besöken ökar men intäkterna inte gör det

Trafikökning utan intäkts­ökning är den vanligaste overraskningen. Den dyker upp i flera igenkännliga mönster. En kampanj lockar in nya besökare som är nyfikna men oengagerade; konverteringen sjunker för att de nya ankomsterna beter sig annorlunda än den vanliga kundbasen. En livlig köpcentrums­plats fångar besökare från en populär ankartenant men lyckas sällan konvertera dessa kunder till egna köp. Säsongsbetonat väder skickar folk inomhus som inte hade som avsikt att handla alls.

I varje fall såg råtalet för besök uppmuntrande ut. Konverteringssiffran, om någon hade bevakat den, hade berättat den sanna historien tidigare.

När intäkterna ökar men besöken inte gör det

Det omvända är lika lärorikt och välkomnas ofta mer. En butik rensar sin skyltfönsterdisplay, organiserar om golvet kring ett mindre antal nyckel­kategorier och utbildar personal mer målmedvetet. Besöken är oförändrade, samma antal människor passerar förbi och bestämmer sig för att gå in. Men andelen som köper stiger, genomsnittlig korgstorlek stiger och intäkterna växer utan den marknadsförings­kostnad som krävs för att dra in fler besökare.

Det är argumentet för att behandla konvertering som en hävstång i sig. Marknaden för fler besök är dyr och konkurrensutsatt; marknaden för att konvertera de besökare man redan har är mestadels bara mätning och genomförande.

Vad data visar som instinkten inte gör

Butiksansvariga känner av när en period är livlig eller trög, och de har ofta rätt. De har nästan aldrig rätt om varför. Var förra tisdagen tyst för att färre kom in, eller för att de som kom gick ut fortare och köpte mindre? Bakom disken ser båda fallen identiska ut. Åtgärderna är helt olika, mer marknadsföring i det första fallet, mer varupresentation eller personaluppmärksamhet i det andra.

Det är därför dataleveranserna från en ordentligt instrumenterad butik inkluderar både besöksantalet och de tidsstämplar som låter dig matcha det mot kassaexporten. Den besökssiffran kan komma direkt från byggnadens befintliga Wi-Fi, helt utan kameror. Utan båda diagnostiserar man verksamheten med hälften av informationen.

Konvertering per dag, timme och zon

När man väl har båda talen igång parallellt blir frågorna mer precisa. Konvertering på lördags­eftermiddagar kan vara femton procent­enheter högre än konvertering på tisdags­morgnar, och den intressanta frågan är inte bara att den är högre utan om man är bemannad för det. Bemannings­planering byggd på besöks­mönster innebär att lägga mer resurser på golvet när fler köpare faktiskt befinner sig i byggnaden, snarare än att falla tillbaka på fasta scheman som utjämnar topparna.

Data på zonnivå lägger till ytterligare ett lager. En hög­besökt yta i butiken som producerar få transaktioner är ofta dåligt exponerad eller olämpligt belyst, inte bara ovisiterad. En yta med lägre trafik som konverterar väl kan förtjäna expansion. Kombinationen av rörelsedata och försäljningsdata är vad som gör skillnaden synlig.

Kedje­problemet

För en enskild butik är konversationen relativt begränsad. För en butikskedja som driver dussintals platser är insatserna högre och jämförelserna mer kraftfulla. En kedja som kan rangordna sina platser efter både trafik och konvertering simultant kan snabbt identifiera vilka platser som underpresterar på ett mått medan de utmärker sig på det andra, och den distinktionen förändrar vad man gör åt det. Den rangordningen håller bara om varje plats räknats på samma sätt, vilket är vad ett besöksriktmärke faktiskt är värt.

En plats med hög trafik och låg konvertering är ett annat operativt problem än en med låg trafik och hög konvertering. Den första behöver något gjort med produkt­erbjudandet, layouten eller personalen; den andra behöver marknadsföring eller skyltning för att locka in mer av den passerande trafiken den uppenbart kan konvertera när den väl har den. Utan båda talen ser båda ut likadana: underpresterande.

Att koppla räkningar till kassor via API

Den praktiska flaskhalsen är vanligtvis integration. Besöksdata och kassadata sitter i olika system, med olika tidsgranulariteter och olika ägare. Lösningen är en analysplattform med API-anslutnings­möjligheter som normaliserar båda strömmarna till en gemensam tidsaxel, vilket gör konverteringsgraden till ett levande operativt mått snarare än något någon räknar ut i ett kalkylark en gång i månaden.

När konverteringen sjunker en torsdags­eftermiddag utan uppenbar extern anledning vet någon det i dag, inte vid nästa handels­möte. Det är skillnaden mellan besöksdata som ett rapporterings­verktyg och besöksdata som ett lednings­verktyg, och det är vad som förvandlar gapet mellan trafik och intäkter från något man ibland noterar till något man aktivt stänger. För flaggskepps­butiker och kedjor lika­dant bygger den GDPR-säkra besöksanalys som allt detta vilar på utan att identifiera en enda kund vid namn.