Le blog de Nestore

Mesurer le trafic en point de vente : mais pourquoi faire ?

Dis Jamy, si les clients entrent dans la boutique et achètent, le CA sera bon : pas besoin de faire l’X ?

Oui et non Fred. Bien sûr, le chiffre d’affaires est un indicateur important de succès et de pérennité du point de vente. Mais il ne suffit ni à mesurer la performance relative ni à exploiter le potentiel d’une boutique.

Un bon chiffre d’affaires peut donc aussi bien révéler une sous-exploitation d’un potentiel (une conversion faible par exemple) qu’une surperformance. Il est donc intéressant de l’éclairer par un faisceau d’indicateurs qui viennent compléter le tableau.

Évidemment plus le réseau d’une enseigne est étendu, plus la complexité de la donnée récoltée pourra offrir d’enseignements et d’axes de progression pour chaque emplacement. A l’inverse, les marques qui se développent devront être attentives à se focaliser sur quelques indicateurs et sur la manière de faire progresser leurs performances.

Mesurer la donnée oui mais quoi, pourquoi et comment ?

On peut envisager de multiples classifications de ces données mais chez Nestore, on les résume en 5 grandes catégories : 

• Les données brutes : Notre côté béton !
• Les données qualifiantes : Allez les bleus !
• Les données comportementales : File dans ta chambre.
• Les données personnelles : Nestore, 7 ans, 01 79 72 71 77
• Les données qualitatives : Un faible pour le chocolat moi ? 

Certaines de ces données reposent principalement sur des modèles statistiques, d’autres sont le fruit d’observations réelles et enfin certaines sont issues d’une intervention humaine. Bien entendu, la difficulté à capter cette donnée, la scalabilité de cette démarche et son coût varient sensiblement selon le degré de précision retenu.

Se poser la question de l’utilité de la donnée collectée est primordial. Face à ce chantier immense, les marques ont trop souvent choisi la solution de tout collecter. Elles stockent alors ces données dans un datalake : un grand truc paisible, profond dans lequel on ne pêche pas grand-chose mais qui peut vite occasionner noyade ou rencontre avec Nessie !

Une fois les objectifs posés, voici une liste non exhaustive de ce que vous pouvez collecter en point de vente.

1. Les données brutes 

Ce sont les données qui ne donnent aucune indication quant à la spécificité des clients. Ce sont des données à vocation statistique.

La plus basique est le flux devant la boutique. Il se mesure soit grâce à des technologies GSM et wifi placées en boutique soit grâce à des agences agrégeant les estimations des opérateurs téléphoniques (qui n’est donc jamais une donnée en temps réel) ou encore grâce à la technologie GPS (via l’intégration d’un SDK) mais dont la précision reste très discutable.

On peut y ajouter la conversion (qui peut aussi se mesurer grâce à l’infrarouge permettant de compter le nombre de personnes entrant dans la boutique), la fréquence de revisite, le temps passé en magasin.

Enfin, il faut penser aux données de caisse (CA moyen, nombre de tickets) qui complètent cette analyse.

Ainsi, le succès d’une campagne de drive To Store peut se mesurer grâce à l’augmentation du trafic en boutique ou du CA sur une période.

On peut aussi considérer l’évolution de la notoriété de la marque (réseaux sociaux, part de voix, etc.) suite à l’ouverture d’un point de vente, d’un pop-up ou la création d’un nouveau concept. 

2. Les données qualifiantes

C’est une première qualification de ces données brutes, une première segmentation. 

Tranches d’âge, sexe, CSP, origine (touristes vs locaux) ou encore gamme de produits achetés. Ces données sont nettement plus complexes et coûteuses à obtenir. Les technologies GSM, Wifi et Bluetooth peuvent en fournir une partie sinon il faut passer par la vidéo qui permet ces segmentations et lier ces informations aux données de caisse.

3. Les données comportementales

Pour aller une étape plus loin, on peut s’intéresser au comportement des clients. La vidéo permet de comprendre quels produits appellent et lesquels convertissent en s’intéressant au trajet des clients dans le point de vente. 

Pour les grands magasins, c’est aussi l’occasion de voir quelles sont les zones chaudes et froides et quels clients ne réalisent pas d’achat faute de conseil. Cette étape nécessite un paramétrage fin et une personnalisation forte de l’outil.

4. Les données personnelles

On sort ici un peu du cadre de la captation classique. Et également du cadre juridique classique puisque cela nécessite le consentement des clients dans le cadre du RGPD.

La donnée personnelle est celle qui permet de vous identifier : nom, adresse mail, numéro de téléphone parmi les plus évidentes. Pour le magasin, elles sont intimement liées à l’achat et à la fidélisation. Et comme souvent, les clients les plus fidèles sont ceux sur lesquels il faut le plus investir, c’est une donnée à manier avec précaution.

Ne pas trop en demander (avez-vous absolument besoin de l’âge du chien ?) mais la lier avec l’ensemble des données à votre disposition : les achats antérieurs, les canaux d’achat (site, boutiques…), les tailles achetées, …

L’enjeu étant d’optimiser cette captation et cette fidélisation. Elle peut se monnayer, se gamifier.

5. Les données qualitatives

Ici pas de bon outil. Et celui qui me parle de NPS avec trois boutons… 😡

C’est la strate ultime. Celle que ne permet pas aujourd’hui le web. C’est apporter les nuances et les filtres humains sur ce qui a plu ou non aux clients. Cela peut prendre la forme de remontées vendeurs, d’informations ajoutées aux profils clients, de questionnaires de satisfaction, d’un NPS mais travaillé ou encore de clients mystères.

L’important est de prendre ces éléments en compte dans la durée pour assurer un développement continu de la marque.

Pour aller plus loin dans la mesure du flux en magasin

Ces données peuvent avoir des répercussions dans tous vos process. Votre logistique bien sûr, votre chaîne de production, vos créations et votre stratégie. C’est aussi le complément idéal de vos données collectées en ligne. Reste donc à s’attacher les services du bon ERP.

Les datas collectées doivent offrir des pistes pour mieux capter le potentiel d’un point de vente. Elles ne permettront jamais de s’affranchir des basiques de la vente ou de l’emplacement. Le test en pop-up store peut ainsi permettre de collecter des données et d’ABtester différents types d’emplacements pour voir quels sont les plus efficients.

‍

‍