En kort introduktion om du är obekant med location analytics. Location analytics ger insikter i besökartrender. Det är en databaserat analysmetod som bygger på att vi med dedikerade sensorer fångar upp de så kallade “pings” som smarta telefoner utsänder när de letar efter Wi-Fi nätverk. Dessa signaler är unika mac-adresser som skickas ut av alla smarta telefoner som har Wi-Fi aktiverat. Vi kodar om mac-adresserna till anonyma data-strings som går in i en cloud baserat databas för att kunna återge en visuell dataanalys med hjälp av en online dashboard.

  1. Mät butiksbesökare. Möjligtvis använder ni infraröd-brytare för att få koll på hur många som besöker butikerna. Location analytics ersätter inte den nuvarande mätmetod som ni använder idag för att mäta butiksbesök. Location analytics berikar den nuvarande data med nya insikter. Där infraröd brytare tar reda på det exakta antalet besökare kan location analytics ge databaserade insikter i kundbeteende och trender. Har ni ingen mätning av butiksbesök överhuvudtaget, då finns det ännu fler anledningar att läsa vidare.
  2. POS-data (antal kunder som vi får fram från försäljningsstatistik) berättar bara en del av sanningen. När ni gör en kampanj, då mäter ni hur kampanjen påverkar försäljning. Men hur påverkas antalet personer som besöker er butik? Driver kampanjen butiksbesök men inte försäljningen eller ökar försäljning men inte antalet besökare? Driver kampanjen nya eller befintliga kunder? Ökar kampanjen kundlojalitet? Dessa frågor får du svar på med location analytics.
  3. Hur konverterar din butik footfall (människor på gatan) utanför butiken till besökare? Genom att dela antalet personer som vi mäter inne i butiken med antalet som går förbi på gatan får vi fram konverteringen på butiksnivå. Med hjälp av detta kan vi förstå vilken effekt skyltfönster eller till exempel en gatupratare med kampanjbudskap har på konvertering. Vi kan jämföra butiker och platser och förstå effekten av butiksplacering. Tar vi det ytterligare ett steg och kopplar POS data kan vi mäta hur många butiksbesökare som konverteras till kunder.
  4. Mät kundlojalitet över tid. Hur många nya och hur många återkommande kunder finns i din butik? Besöker dina kunder dig mer än en gång? Då kan det vara tid att börja mäta hur lojaliteten utvecklas över tid och hur individuella butiker driver kundlojalitet. Vilka butiker är bäst på att skapa lojala kunder? Vilka är sämst? Insikter som denna kan hjälpa butikschefer att prestera bättre och kan ge management verktyg för att utveckla sina butiker.
  5. Besöker dina kunder en och samma butik hela tiden eller besöker kunder som besöker butiken på Sveavägen oftast även butiken på Söder? Vi kan mäta det för att få data på hur kunder beter sig när det gäller att besöka en eller flera butiker. Vi kallar det för insikt i cross-shopping.
  6. Hur länge stannar butiksbesökare i snitt och vad påverkar besökstiden positivt respektive negativt? Har ökad besökstid påverkan på försäljningen eller ökar minskad besökstid försäljningen? Vi kan även få svar på vilka dagar och timmar på dygnet som genererar flest butiksbesök för att kunna optimera bemanningen och servicenivån i butiken.
  7. Genom att dela in butiken i zoner kan vi mäta varma och kalla zoner och skapa heat maps som visualiserar besöksflödet per avdelning eller plats över tid. Finns det outnyttjade delar och hur påverkar en butiksindelning butiksflödet? Hur rör sig kunden genom butiken? Vad är konverteringen från till exempel provrummen till kassorna?