Når man vælger at investere i en kundetæller, så handler det normalt om at forstå ens besøgende bedre, lære dem at kende og kunne analysere butikkens konverteringsgrad - eller forstå kunderejsen for de besøgende i et center eller et magasin.
For at få svar på alle disse spørgsmål og meget mere, så stoler man på, at ens kundetæller er træfsikker, altså at man kan stole på, at indsigterne er korrekte og nøjagtige.
Men sandheden er mere nuanceret, for målepunkterne for, hvor træfsikker en kundetæller er, giver desværre ofte en falsk tryghed. Det forklarer ikke, hvor meget du kan stole på indsigterne.
Hvis du er i markedet efter en kundetællere og vælger en vilkårlig leverandør, så vil de helt sikkert snakke om træfsikkerhed.
Ofte dækker træfsikkerheden udelukkende over data fra et "lab-miljø" samt hvor stor en fejlmargin der har været da man detekterede en person i test-miljøet.
Det som lab-miljødata ikke repræsenterer er, hvordan løsningen virker i produktion, i din reelle butik, center eller magasin. Produktionsmiljø indeholder en masse støj. Støj er alle slags uforudsete hændelser. Det kan f.eks. være at en besøgende går lidt uden for optagelsesområdet, at lyset varierer fra lokale til lokale, at to personer går tæt på hinanden, at en person bærer på noget, benytter en kundevogn eller andet.
Der findes uanede mængder af støj, som ikke dækkes af målt træfsikkerhed. Til forskel fra troværdighed, som forklarer, hvor meget du kan stole på, at indsigterne repræsenterer virkeligheden – hvorfor troværdighed altid skal italesættes som et målepunkt.
Troværdigheden måler man gennem empiriske studier, der starter med, at man installerer teknikken i et tilfældigt lokale. Derefter måler man ud fra en kontrolleret metode, hvor godt teknikken præsterer ud fra et antal definerede nøgletal.
Eksempler på nøgletal kan være: Visitor Detection Accuracy (et nøgletal som i sig selv består af ca. 20 yderligere nøgletal), Occlusion Accuracy, Tracing Accuracy, Exclusion Accuracy, Detection Coverage, Transition Accuracy m.m.
Derefter analyserer man al data og sikrer den statistiske signifikans. Når det er analyseret og gennemarbejdet, så kan man komme frem til, i hvor høj grad man kan stole på, at kundetællerens indsigter repræsenterer virkeligheden.
Det sande svar er nok, at det kommer an på. Det kommer an på, hvad du bruger din data til.
Bruger du dine dataindsigter til at blive mere digitalt moden og til at tage strategiske beslutninger, såsom at øge salget, at effektivisere markedsføringen, at få en mere profitabel organisation eller til at skabe en mere bæredygtig værdikæde?
Hvis svaret er ja til bare ét af de spørgsmål, så skal man kunne stole på de data man får fra sin kundetæller.
Vi startede i 2017 som et humanitært, selvfinansieret forskningsprojekt for at skabe en bedre fysisk handel.
Delvist, fordi vi købte kundetællere og indså, at der var store problemer med daværende løsninger, men mest fordi ingen leverandører havde fokus på integriteten.
Foruden mangel på troværdige data og indsigt, så savner fysisk handel også en stor del af de værdifulde indsigter, som de behøver for at løse de problemer, der er afgørende for deres fremtidige indtjening.
Et studie fra Retail Academics Research Institute 2019 viser, at butikker, centre og magasiner mangler 77,22 % af det totale behov for indsigter, hvorfor de langt fra er ikke parate til en øget digital modenhed indenfor handel.
Derfor har vi i flere år forsket og efterfølgende patenteret en ny kundetæller, som giver butikker, centre og magasiner bedre muligheder for at opnå digitalt modne og løse de problemer, som er afgørende for deres fremtidige overlevelse.
Troværdige indsigter er noget, som vi løbende tester og forbedrer så vi kan bibeholde markedets højeste troværdighed.