När man väljer att investera i besöksräknare så handlar det vanligtvis om att förstå ens besökare bättre, lära känna butiksbesökare, kunna analysera butikens konverteringsgrad eller förstå kundresan för besökare i gallerior.
För att kunna få svar på de frågorna och mycket mer så förlitar man sig på att besöksräknarna är träffsäker. Att man kan lita på att insikterna säger sanningen.
Men sanningen är att måttet hur träffsäker en besöksräknare är tyvärr inger en falsk trygghet. Det förklarar inte hur väl du kan lita på insikterna.
Om du provar att googla efter besöksräknare och går in på valfri leverantör av besöksräknare så kommer de prata om träffsäkerhet.
När de skriver ut träffsäkerhet så menar de att de har prövat, i en “labb-miljö” hur stor felmarginalen är på att detektera en person.
Denna labb-miljö representerar däremot inte hur väl den fungerar i din verkliga butik eller galleria. Den verkliga miljön innehåller massvis med brus. Brus är alla oförutsedda händelser som kan ske. Som att besökare går lite på sidan utanför upptagningsområdet, att ljuset i lokalen är skiljer sig åt mellan olika lokaler, att två personer går nära varandra, att en person har en annorlunda klädsel, bär med sig något osv.
Det finns massvis med brus som inte täcks av måttet träffsäkerhet. Till skillnad från trovärdighet som förklarar hur väl du kan lita på att insikterna representerar verkligheten.
Trovärdigheten mäter man genom empiriska studier som börjar med att man installerar tekniken i en slumpmässigt vald lokal. Därefter så mäter man, med en kontrollerad metod, hur väl tekniken presterar för ett antal nyckeltal.
Några av dessa nyckeltal är Visitor Detection Accuracy (ett nyckeltal som i sig består av ca 20 nyckeltal), Occlusion Accuracy, Tracing Accuracy, Exclusion Accuracy, Detection Coverage, Transition Accuracy med flera.
Därefter så analyserar man all data och säkerställer man den statistiska signifikansen. När de väl är genomfört så kan man komma fram till hur väl man kan lita på att besöksräknarens insikter representerar verkligheten.
Svaret på den frågan är nog att det beror på. Det beror på vad du använder din data för.
Använder du dina insikter för att bli mer digitalt mogen, för att ta strategiska beslut, för att öka försäljningen, för att effektivisera marknadsföringen, för att få en mer lönsam organisation, skapa en mer hållbar värdekedja?
Om svaret är ja på en av de frågorna så behöver man kunna lita på datan. Svårigheten blir annars att man alltid kan ifrågasätta datainsamlingen.
Vi började 2017 som ett humanitärt, självfinansierat forskningsprojekt dedikerade till att skapa en bättre fysisk handel.
Delvis för att vi köpte besöksräknare och insåg att det fanns stora problem med dagens lösningar, men även för att ingen var tänkte på integriteten.
Förutom brist på trovärdiga insikter så saknar fysisk handel även en stor del av de värdefulla insikterna de behöver för att lösa de knutarna är avgörande för vårt framtida välstånd.
En studie från Retail Academics Research Institute 2019 menar att butiker och gallerior saknar 77,22% av det totala behovet av insikter, så är de inte byggda för att ge en ökad digital mognad för handeln.
Därför så har vi under flera år forskat och patenterat en ny av besöksräknare som ger butiker och gallerior bättre möjligheter att bli mer digitalt mogen och lösa de knutarna är avgörande för vårt framtida välstånd.
Trovärdigheten av vår besöksräknares insikter är något som vi regelbundet ökar och testar. Förutom att vi erbjuder helt unika insikter så har vi även marknadens högsta trovärdighet.