Skrevet av: Leif Henrik Husom og Steinar Leknessund i Perceptor.
Til tross for mer sofistikerte verktøy for shopperinnsikt, oppleves fortsatt usikkerhet knyttet til ukloke lanseringsbeslutninger. Stiller man feil spørsmål blir det fort som «å rope i skogen» etter svar man selv gjerne ønsker. Artikkelen gir noen refleksjoner om styrken i moderne shopperinnsikt gjennom vitenskapelige tilnærminger. Ved å kombinere avanserte statistiske metoder, tilgjengelige data, test av design og fysisk og digital butikkobservasjon, kan treffsikkerhet ved lanseringer og relanseringer øke.
Har vi riktig pris, porteføljepris-strategi og pakningsstørrelse?
I dyrtid utfordres markeds- og produktsjefen på pris, og både leverandør og kjedene har behov for å sikre lønnsomhet. Hva om din største varelinje øker i pris? Det er sannsynlig at varen vil selge mindre, men er det fortsatt smart om du eier varelinjen som tar mesteparten av volumet? Er det merket, andre eller EMV som tåler dyrtid best? Skal pris økes likt på hele linjen, eller tåler enkeltvarianter prisøkninger bedre? Hvor mange kampanjer bør du ha, i hvilke kjeder?
Ved siden av pris- og kampanjeoptimaliseringer er justering av pakningsstørrelse for å øke volum eller å etablere nye prispunkter eller lønnsomhet gode alternativer. Men små justeringer eller feil vurderinger kan gi uheldige utslag i salg.
Conjoint er et statistisk verktøy for å simulere prisendringer, men også hva som kan skje, gitt ulike valgmuligheter forbruker har. Selv om prisen typisk settes av en forhandler eller kjede, er det klokt å kjenne priselastisitet og merkestyrke, både relativt til konkurrenter og innad i egen portefølje. Hva med tilbudseffekter? For å utvikle gode kampanjestrategier holder det kanskje ikke å bare vite hvor mye som selges på kampanje, men like mye å være bevisst på rabattert volum inn til kjeden, og på hvor mye mindre forbruker handler etter kampanjeukene («price-lag»/ kannibaliseringseffekt). Ved å modellere (maskinlæring/AI) kampanjesalget kan risiko reduseres og muligheter identifiseres.
Hvilken «jobb» skal produktene eller lanseringer gjøre for porteføljen?
Da produkter og nylanseringer som oftest gjøres i etablerte kategorier, vil suksess ofte avhenge av hvilke andre varelinjer som finnes og er tilgjengelige i kategorien. Skal produktet kapre andeler fra konkurrenter? Skal det tilføre noe nytt, eller øke penetrasjon eller frekvens i kategorien? Skal det erstatte en vare som rullerer for dårlig? Hva er det mest attraktive sortimentet?
Ved å gjennomføre TURF analyser (Total Unduplicated Reach and Frequency) som en del av porteføljeoptimalisering, avdekkes enkeltprodukters bidrag til opplevd merverdi for merke og til kategorien (salg eller mentalt). Slik belyses både hvordan produktene kannibaliserer på dagens sortiment, og hvilken forbrukeropplevd merverdi produktene gir. Kanskje finnes det «hull» i dagens portefølje, eller konkurrerer interne varelinjer mer mellom hverandre mer enn mot konkurrenter? Forbrukernes mentale beslutningstre gir utfyllende informasjon til butikk- og interaksjonsdata om hvordan sortiment og hylleplassering kan optimaliseres.
Design: Liker, liker ikke
En relevant og forståelig utfordring for markeds- eller produktsjefer sammen med designere er gjerne at «alle» har en mening om designet – om det er et nytt produkt eller om det er en justering på eksisterende produkter. Selv om de færreste etter hvert gjør designbeslutninger ut fra tradisjonelle vurderinger knyttet til «liking», er det fremdeles ikke uvesentlig å være bevisst på hvilken jobb designet skal gjøre – om det er forretningsmessig eller helt operativt. Skal designet gi mer effektiv navigering, øke synlighet i hylla, forsterke nærsignaler eller skape nytt liv til et merke, så må testdesignet ta hensyn til oppgaven designet skal fylle. Testpaletten går fra enkle «fake-door» eller «mock-up» tester, til «shelf impact»/hylletester for å avklare tydelighet og gjenkjennelse - og mer avanserte metoder (eks. TURF eller conjoint-analyser som beskrevet ovenfor).
Power in mind er ikke det samme som power in store
Å utelukkende måle rasjonelle holdninger i håp om at det påvirker atferd, gir et snevert beslutningsgrunnlag - spesielt når majoriteten av kjøpsbeslutninger skjer på et ubevisst plan; shopperen går stort sett på autopilot. Derfor må du inn i butikken for å finne ut hva som skjer. Hvor mange stopper ved kategorien, hvor mange plukker med seg produktet, hvor mange vurderer mitt produkt uten å ta det med seg? Hvordan står mitt produkt ut i hylla?
I tillegg til etnografibaserte kundereiseprosjekter (fysisk eller digitalt), finnes det i dag gode interaksjonsbaserte verktøy som gir økt forklaring på mulig suksess eller fiasko. Du har kanskje full oversikt over inngangsporter og drivere i kategorien? Vel, vi ser ofte at holdningsbaserte egenskaper stokkes helt om i faktisk handlesituasjon.
One size does not fit all!
En barriere mot høyere suksessrater kan ofte tilskrives «metodisk-nærsynthet». I praksis: rådgivere og beslutningstakere lener seg raskt og behagelig til datakilder eller «standardiserte produkter» man best behersker. Gode beslutningsgrunnlag kommer derimot gjerne ved å vurdere ulike kilder helhetlig eller i kombinasjon: transaksjonsdata (Nielsen, Dunnhumby, Trumf, Æ), holdnings- og intensjonsdata (spørreundersøkelser), interaksjonsdata (observasjoner), finansielle data (lønnsomhet ol.) – og andre digitale kilder.
På kurset «Shopper marketing og fysisk tilgjengelighet» i regi av Kampanje den 5. september går vi litt mer i dybden på hvordan du kan jobbe målrettet med shopperinnsikt og shopper marketing. Mange merkevarebyggere er spesialister på forbrukerinnsikt, men har gjerne «mye å gå på» for å skape vekst gjennom å forstå hva som skjer inne i butikken. Den gode nyheten er at man kan komme langt – også med helt enkle type kartlegginger!