Guide: Lær virksomhedens offline-kunder at kende

De fleste større virksomheder benytter data til at analyse deres kunder fra den digitale verden. Men bl.a. kunstig intelligens giver også nye muligheder for at forstå kunderne i den fysiske verden, som i mange brancher stadig er langt de fleste. En stor britisk detailhandler blev meget overrasket over, hvad analysen viste.

De fleste virksomheder vil – mere eller mindre ærligt – sige, at de er til for deres kunder, og den digitale udvikling har givet muligheder for at nå et langt bedre kendskab til disse kunder. Man kan se, hvad de interesserer sig for, man kan se sammenhængen mellem de forskellige køb, og man kan nemt og hurtigt spørge kunden, om servicen har været tilfredsstillende.

Men det giver også en falsk tryghed i de mange brancher, hvor det trods alt er kunder i den fysiske verden, der lægger langt den største del af omsætningen. De tænker ikke nødvendigvis det samme, som de digitale kunder gør, og de har under alle omstændigheder en anden adfærd.

Nye og gamle data

Det har virksomheden New West End Company fået illustreret ved en dybdegående analyse af sine kunder fra den fysiske verden. Selskabet driver cirka 600 hoteller, restauranter og butikker på eksklusive adresser i London. High Streets kæmper i disse år med at finde deres nye plads i detailhandlen, efterhånden som stadigt mere af handlen foregår online.

Men det er stadig to tredjedele af købesituationerne, der genereres i den fysiske verden, ifølge en analyse fra PwC, og der er mange kunder, der foretrækker det på den måde. Så det er vigtigt at kende dem. New West End Company iværksatte, ifølge konsulenthuset , sin analyse af kunderne fra den fysiske verden ved – med respekt for persondataforordningen – at kombinere en række data. Nogle af dem var simple og lå i forvejen i systemerne. Det gjaldt f.eks. omsætningstal på forskellige tidspunkter af året, ugen og døgnet. Andre datatyper var også allerede i brug, men skulle forfines. Det gjaldt f.eks. de såkaldte footfall-tællinger af, hvor mange fodgængere, der er på et givet tidspunkt. Disse tællinger er ofte lidt skødesløse.

Det gjaldt også data for, hvor mange der får refunderet moms ved udrejse. Det siger noget om turisters køb, men informationsværdien falder drastisk, hvis man ikke skiller forretningsrejsende ud fra turister, og hvis man ikke fordeler det på nationaliteter.

Andre data igen var helt nye. Det gjaldt f.eks. data fra udbydere af mobiltelefoni. Disse må ikke fortælle, hvilke kunder der har været hvor, men de må gerne fortælle, hvor mange kunder der har været forbi en given lokalitet på et givet tidspunkt. Også trafiktal fra transportsektoren, ikke mindst antallet af passagerer fra forskellige steder i verden, indgik i analysen.

Resultaterne var på flere punkter højest overraskende for New West End Company, der ellers med god grund ser sig selv som en ekspert i sit marked. F.eks. fandt man, at nok er lørdag den travleste dag, men den mest interessante kundegruppe – folk i 30’erne – foretrækker at komme onsdage og torsdage.

Man fandt også, at nok er julehandlen travl, men ikke for turister – det er tværtimod et af de tidspunkter af året, hvor de lægger mindst omsætning. Og sidst, men ikke mindst, er der stor forskel på, hvor meget turister af forskellige nationaliteter lægger i omsætning. Mange forretninger prøver at appellere til kineserne, som man kan se, at der er kommet mange af. Men de lægger ikke nær så mange penge som amerikanere og japanere.

Det skyldes muligvis blot den teknikalitet, at kineserne foretrækker nogle betalingssystemer, som endnu ikke er almindelige i London. Men under alle omstændigheder er der en realitet at forholde sig til.

Der er en grund til, at New West End Company ikke for lang tid siden har gennemført analyser som den beskrevne. Nogle data har ikke været tilgængelige før, men først og fremmest har det været uoverskueligt at behandle dem. Det er muligt nu, blandt andet takket være kunstig intelligens, der kan finde mønstre i tallene.

Det er relevant mange andre steder end i detailhandlen, fremhæver konsulenthuset. Det gælder f.eks. i ejendomsbranchen, hvor man kan optimere værdien af en investering i ungdoms- eller ældreboliger ved at se, hvor de potentielle slutkunder foretrækker at bo, og hvad de i praksis lægger vægt på at have i nærheden af deres boliger.