Market basket analysis i detailhandlen er en gammel traver. Problemet er, at det er blevet ved snakken.

Potentialet ved at se på kundernes faktiske købsadfærd er ellers meget stort. Ideen er, at man kan afdække, hvilke varer der trækker andre varer med sig i kurven. Man kan fastslå, hvordan en indkøbskurv med høj avance ser ud. Og man kan bruge den viden til prissætning, promotion og sortimentsplanlægning. Man vil også kunne foretage meget mere nøjagtige analyser af, hvad det er, som virker i ens tilbudsaviser – afdække kannibaliserings- og halo-effekter, men også koble leverandørernes markedsføringstilskud sammen med den målte kampagne-effekt. De fleste tilbudsaviser produceres fortsat på den ”gode gamle” metode, som desværre er mere gammel end god, da detailhandleren ikke har et holistisk syn på tilbudsavisen, men derimod enøjet forsøger at suboptimere hver kategori, varegruppe, side, slagtilbud, etc.

Bedre teknologi og analyseværktøjer
Nu er teknologien og analyseværktøjerne så gode, at det er blevet meget nemmere og hurtigere at udføre disse analyser. Selvom vi har langt flere data, så koster det ikke længere spidsen af en jetjager at gøre det. Analysen af indkøbskurven er et godt bud på, hvad et ellers luftigt begreb som big data kan betyde for detailhandlen. Det handler om at forstå kunden bedre og mere helhedsorienteret og dermed målrette de meste relevante og fordelagtige tilbud til kunderne.

Butikkerne har allerede en masse rapporter om, hvad der sælges i kæder og butikker. Top- og bundlister, hvad der ligger i kurven, bedst sælgende varer og tilbud, mest lønsomme kunder, fordelingen af food/ nonfood-varer og så videre. Alle disse såkaldte standardanalyser og rapporter er vigtige, men hvis man vil differentiere butikken og skabe konkurrencefordele, skal man et par spadestik dybere. Her kan man suboptimere tilbud, tilbudsaviser, priser, space, kategorier, eksponering, etc.

En udfordring for ledelsen
Det udfordrer samtidig noget af detailhandlens traditionelle organisering og beslutningsproces. Indkøbskurven vil jo fortælle en mere fuldstændig historie om kundens adfærd og præferencer, og den vil være bestemt af mange forskellige faktorer. Man kan sagtens forestille sig, at en analyse af indkøbskurven giver en ellers skjult eller blot mere detaljeret indsigt.

Måske er en lille eksklusiv fransk ost isoleret set en dårlig forretning, men hvis den ofte trækker et medkøb af seks flasker Amarone med sig, så er den pludselig afgørende for indkøbskurvens samlede avance. Sortimentsbeslutninger på ost og rødvin træffes ofte af forskellige medarbejdere, som isoleret set måles på salg og avance af netop ”deres” egne varer.

Min pointe er, at indkøbskurven måske fortæller en historie, som er værdifuld, hvis man ser på at forbedre butikkens samlede beslutningsproces. Måske har analysen en konsekvens for tilbudsavisen, for butikslayout og for andre aspekter. Der er mange lavthængende frugter, som kan plukkes (Læs: mersalg og øget indtjening) – men det kræver, at ledelsen træder i karakter.

Data er nøglen
Men hvilke barrierer har så stået i vejen for, at det er blevet til noget? Niveauet af datakvalitet og dataintegration har ikke været tilstrækkeligt. Når der er stor risiko for, at resultatet bliver "garbage in, garbage out", så kan man ikke udarbejde en positiv business case på investeringen. For bare tre-fem år siden var det yderst få detailhandlere, som havde overblik over data, datakilder og datakvalitet.

Det afgørende når man arbejder med data er, at man meget hurtigere kan lave såvel de dybe analyser som de hurtige her-og-nu-analyser. Derfor kan man også gøre det meget oftere og afprøve forskellige ideer. Man kan have en mere legende tilgang til data, afprøve hypoteser og få svar. Et vigtigt parameter for detailhandleren er for eksempel at få hurtig viden om salg og kundetrafik og få svar på, om tilbud og forskellige salgsfremmende tiltag har den ønskede effekt.

Jeg synes derfor, at market basket analysis fortjener fortsat og øget fokus. Potentialet er der stadig, og detailhandlen har alle muligheder for at udnytte de nye værktøjer til optimering og faktabaseret ledelse. Mavefornemmelserne skal nedtones og erstattes af viden og indsigt.

I min næste blogpost vil jeg gerne gå et lille spadestik dybere i dette emne og komme med et eksempel, der viser hvilke (ellers skjulte) indsigter, analyseværktøjer kan hjælpe med at afdække. Så husk at abonnere på bloggen, eller vende tilbage senere.

Denne blogpost tage udgangspunkt i en artikel i Morgenavisen Jyllandspsosten, udgivet i dag, hvor jeg besvarer 5 spørgsmål om analyse af indkøb i detailhandlen.