Do klientów dataplace.ai należy jedna z najszybciej rozwijających się sieci handlowych w Polsce, będąca wiodącym graczem w segmencie supermarketów.
Działania przedstawicieli handlowych mogą być jeszcze bardziej efektywne dzięki wykorzystaniu location intelligence i wiedzy o punktach sprzedaży i ich klientach. Zobacz jak nasz klient z pomocą technologii dataplace.ai wszedł na wyższy poziom sprzedaży.
Firma z branży FMCG swój model sprzedażowy opiera na działaniach przedstawicieli handlowych, którzy realizują wyznaczone plany sprzedażowe dotyczące wprowadzenia nowych kategorii produktów poprzez utrzymywanie relacji z detalistami będącymi już w sieci sprzedaży, jak i poszukiwanie i nawiązywanie współpracy z nowymi kontrahentami. Swoje działania koncentrowali jednak na punktach, które znali, a które nie były odpowiednie pod wprowadzany produkt, ponieważ nie trafiały do wyznaczonej grupy docelowej. Przez to osiągane wyniki konkretnego produktu nie były aż tak rozwojowe, jak mogłyby być.
Było to spowodowane kilkoma czynnikami, m.in. ograniczonym dostępem do rzetelnych danych o klientach przebywających w wybranych sklepach, charakterystyce okolicy, jak i samych POS, przez co przedstawiciele kierowali się jedynie subiektywnymi odczuciami co do potencjału lokalizacji i zbiorczymi wynikami sklepów.
Warto zaznaczyć, że takie subiektywne oceny nie zawsze są błędne, ponieważ dzięki wypracowanym relacjom z detalistami, często realizowane działania w punktach, nawet o mniejszym potencjale są możliwe do wykonania. Nie mniej jednak to twarde dane i analizy zapewniają pewny sukces. Problemem był również brak spójnej strategii marki i skupienie swoich sił w miejscach, gdzie wyniki sprzedażowe są już wysokie zamiast w punktach, gdzie możliwe jest wzrost wolumenu sprzedaży.
"Dodatkowo szersza wiedza na temat POS i ich okolicy pozwoliła na lepsze negocjacje warunków umowy. Jednymi z kluczowych informacji, to umożliwiających były dane o występowaniu konkretnej grupy docelowej, ale także potencjale sprzedażowym punktów z sieci. Firma zrozumiała także, jak zmieniała się ich sieć dystrybucji przez okres pandemii. Punkty, które kiedyś przynosiły wysokie wyniki po zmianie zachowań klientów i ich sposobów kupowania zmniejszyły się, i to inne punkty mają obecnie lepszy potencjał."
Aby umożliwić i ułatwić przedstawicielom handlowym wybór odpowiednich lokalizacji pod ich działania, zdecydowaliśmy wspólnie z klientem, że niezbędne będzie stworzenie systemu oceny sklepów, jakimi mają się kierować pracownicy w procesie decyzyjnym, aby móc działać w zgodzie ze strategią firmy. Następnym krokiem miała być analiza punktów, na podstawie wybranych kryteriów i dostarczenie narzędzia, które ułatwi pracę przedstawicieli handlowych pod kątem oceny i wyboru miejsc, z którymi następnie były podpisywane umowy, czy prowadzone dalsze działania.
"Po określeniu przez klienta fundamentalnych dla niego aspektów (m.in. liczby odwiedzających dane POS, wydatki mieszkańców na żywność, wiek osób zamieszkałych w okolicy, i wiele innych), które zostały wzięte do modelu określającego poszczególne lokalizacje, zdecydowaliśmy się na stworzenie analizy przedstawiającej potencjał wzrostu sprzedaży odwiedzanych miejsc."
Po określeniu przez klienta fundamentalnych dla niego aspektów (m.in. liczby odwiedzających dane POS, wydatki mieszkańców na żywność, wiek osób zamieszkałych w okolicy, i wiele innych), które zostały wzięte do modelu określającego poszczególne lokalizacje, zdecydowaliśmy się na stworzenie analizy przedstawiającej potencjał wzrostu sprzedaży odwiedzanych miejsc.
Każde z kryteriów miało przypisaną odpowiednią wagę (np. waga 5 odpowiadała za poziom natężenia ruchu wokół sklepu, a waga 2 za poziom miesięcznych dochodów mieszkańców okolicy). Wyniki zaprezentowaliśmy poprzez zestawienie ze sobą placówek.
Podczas wyboru ważne było także określenie odległości od punktów konkurencyjnych oraz prawdopodobieństwa, z jakim dany punkt handlowy zostanie wybrany, jako miejsce zakupu przez okolicznych mieszkańców. Dlatego udostępniliśmy klientowi dostęp do dodatkowej funkcjonalności - badanie ruchu wspólnego oraz prognozę przyciągania klientów.
Rezultaty analizy pogrupowane zostały w taki sposób, aby na samej górze pojawiały się miejsca o największym potencjale sprzedażowym dla danego produktu.
Aby lepiej to zobrazować, użyta została metoda color coding, która w przejrzysty sposób oceniała sklepy w regionie. Pozwoliło to na skupienie swoich sił przedstawicieli handlowych na punktach, w których wreszcie mogli skalować sprzedaż, a tym samym spełniać postawione cele.
Dodatkowo szersza wiedza na temat POS i ich okolicy pozwoliła na lepsze negocjacje warunków umowy. Jednymi z kluczowych informacji, to umożliwiających były dane o występowaniu konkretnej grupy docelowej, ale także potencjale sprzedażowym punktów z sieci. Firma zrozumiała także, jak zmieniała się ich sieć dystrybucji przez okres pandemii. Punkty, które kiedyś przynosiły wysokie wyniki po zmianie zachowań klientów i ich sposobów kupowania zmniejszyły się, i to inne punkty mają obecnie lepszy potencjał.
Jeśli Ty również chcesz efektywnie kierować działania przedstawicieli handlowych do odpowiednich POS, przy niższych kosztach i zwiększonych zyskach, to skontaktuj się z nami!
Zyskasz wówczas wgląd w rzetelne dane, które pozwolą:
