Gyakran merülnek fel értékesítési vezetőkben olyan kérdések, hogy vajon az értékesítési pontok valóban a legjobb helyen vannak-e, mekkora potenciállal rendelkeznek valójában az egyes boltok/fiókok, illetve hogyan teljesítenek a valós potenciáljukhoz képest. Számos kérdés, amely az éves tervezést, az ösztönzést, a marketing aktivitást, a beruházási döntéseket és egy sor egyéb intézkedést meghatároz. Konkrét adatokon alapuló válaszokat azonban csak nagyon kevés hazai vállalat képes adni ezekre a kérdésekre.

Egy felmérés szerint Nyugat-Európában és Amerikában a vállalatok 45%-a alkalmaz térinformatikai eszközt és lokációs elemzést a fenti kérdések megválaszolásához, további 10%-uk pedig a közeljövőben tervezi ilyen bevezetését. De vajon miért terjednek ilyen ütemben ezek a megoldások? Cikkünkben erre keressük a választ.

A lokációs információk a mindennapi életünk szerves részévé váltak

A térkép alapú adattárolás és információfogyasztás egyre inkább meghatározza a fogyasztói viselkedést és gondolkodást, nemcsak az üzleti életben, hanem a magánéletben is. Mindenki felteszi magának a kérdést, hogy vajon mennyi idő alatt jutok el a munkahelyemre, hol találok este 8-ig nyitva tartó ügyfélszolgálatot vagy vasárnap délután boltot; hol van a közelben ATM; a közelben melyik a legjobb étterem, stb.

Mindez nem új keletű, az emberek eddig is így gondolkoztak – és a saját környezetükre vonatkozóan rendelkeznek is ezekkel az információkkal. Tudják, hogy reggel merre szokott dugó lenni, hol lehet pénzt felvenni vagy jót vacsorázni. Ezen információknak a tapasztalati úton történő megszerzése azonban időt és térbeli mozgást igényel.

Az áttörés abban van, hogy a digitalizáció korában térben és időben ezek az információk gyakorlatilag korlátlanul elérhetővé váltak különböző alkalmazások segítségével (néhány példa ezek közül: útvonaltervező, online forgalom-figyelő, üzletkereső, étterem értékelő, ATM kereső, stb.) Ezen alkalmazások révén a lokációs információk gyakorlatilag azonnal rendelkezésre állnak – saját tapasztalatok nélkül is.

A lokációs információk új lehetőségeket tárnak fel az üzleti elemzések számára

A vállalatok világában a lehetőségek ellenére a stratégiai döntések előkészítésekben, üzleti elemzésekben, teljesítménymérésben, benchmarkingban vagy versenytársfigyelésben még mindig nem elterjedt a geoinformatikai eszközök, lokációs adatok és elemzések alkalmazása, holott számos olyan információ érhető el, amely ezeket támogatni tudja. Felsorolás jelleggel néhány lokációs szinten elérhető adat:

• Külső adatok:

   
o lakosok száma
   
o cégek száma
   
o cégek árbevétele
   
o foglalkoztatottak száma
   
o közintézmények (iskola, önkormányzat, hivatalok)
   
o forgalmi pontok (vonat, busz, metró, villamos megálló, parkoló)
   
o fogyasztói gyűjtőpontok (nagyáruház, pláza, piac)
   
o vásárlóerő
   
o versenytársak
   
o ráhordó pontok (pl. olyan üzletek, amik növelik a merítés nagyságát)

• Belső adatok:

   
o marketing akciók (területhez, termékhez vagy vevőcsoporthoz kötötten)
   
o kihelyezett hirdetések
   
o értékesítési pontok adatai:

      
– árbevétel
      
– tranzakciók száma
      
– fizikai adottságok (belterület, felújított)
      
– kínált termékportfólió
      
– dolgozók száma
      
– dolgozói kompetencia
      
– dolgozói oktatások száma
      
– hűségkártya alapján vevőkör adatok

Ezen adatok szisztematikus használatával az üzleti elemzésekben a vállalatok is megtakaríthatják a területi és időbeli tapasztalat-/ információgyűjtés fázisát. Vagy akár olyan összefüggéseket vehetnek figyelembe, amelyeket eddig nem tártak fel, vagy módszertani eszközökkel nem voltak alátámasztva, csak megérzésük volt róla.

A térkép alapú lokációs információk és az üzleti információk együttes felhasználásával, vagyis a geoinformatikai (GIS, GeoInformation Systems) és az üzleti intelligencia (BI, Business Intelligence) rendszerek lehetőségeinek együttes kiaknázásával új lehetőségek nyílnak meg az üzleti elemzésekben.

Az analitikai érettséget tekintve a lokációs adatok elemzésének több szintje van

Az alapszint az, amikor a lokációs adatokat térképen jelenítjük meg. Az adatköröket (pl. lakosok száma, vállalatok száma, közintézmények száma, stb.) különböző rétegekben lehet ábrázolni, amelyeket egymásra is teríthetünk Ugyanakkor az adatkörök súlyozása még hiányzik, vagyis hogy melyiket milyen mértékben vegyük figyelembe. Ez a megoldás jól alkalmazható például boltok/fiókok lefedettségének vizsgálathoz.

A következő szint az, amikor a geoinformációs adatokra statisztikai modellt építünk. A statisztikai modellek segítségével lehetővé válik, hogy üzleti problémákat, összefüggéseket módszertanilag is megalapozott módon válaszoljunk meg. Ebben az esetben a kapott eredményeket jelenítjük meg geoinformatikai alkalmazásokon. Erre egy alkalmazási példa a terület/értékesítési pont piaci potenciáljának meghatározása és ábrázolása a hálózat árbevételi és környezeti adatainak elemzésével.

A fejlett statisztikai elemzések segítségével választ adhatunk arra, hogy például egy postahelyen a biztosítási termékek esetében

  
• milyen mutatók (magyarázó változók) befolyásolják szignifikáns módon az árbevételt
  
• ezek együttesen mennyiben határozzák meg (determinációs együttható) az adott pont
     értékesítését
  
• egy-egy magyarázó változó egységnyi változása mekkora növekedést idéz elő a
     forgalomban (regressziós együttható)
   • a magyarázó változók függvényében mekkora a becsült piaci potenciál

A lokációs adatok fejlett alkalmazása sokszor meglepő eredményekre vezethet. A fenti példánál maradva kiderült, hogy a postahely közelében élő lakosok száma negatívan befolyásolja a biztosítási termékek árbevételét: minél többen laknak egy településen, annál kevésbé valószínű, hogy a potenciális ügyfelek egy postahelyen kötnek biztosítást – míg egy kisebb lélekszámú településen ennek az esélye nagyobb, mivel a postahely az egyetlen elérhető értékesítési pont.

Végezetül a lokációs adatok felhasználásának legmagasabb szintje az, amikor a lokációs adatbázist az elkészült statisztikai modellekkel és eredményekkel együtt beépítjük a vállalatirányítási rendszerbe: például az üzleti tervezésbe, előrejelzésbe, teljesítménymérésbe, ösztönzésbe, beruházási döntésekbe stb.

A Bank of America például egy külön csapatot állított fel lokációs elemzésekre, és minden üzleti döntés előtt lokációs elemzést készítenek ugyanolyan kötelező jelleggel, mint ahogyan az üzleti döntések előkészítéséhez business case-t is össze kell állítani. A lokációs adatok szisztematikus feldolgozásával a bank teljesen átalakította a fiókhálózatát, amivel sikerült közel 800 millió dollárral csökkentenie a hálózat működési költségeit, miközben alig veszített ügyfeleket.

A lokációs adatokon alapuló fejlett értékesítési elemzések alkalmazásának számos területe van

Az alábbiakban néhány lehetséges területet sorolunk fel, ahol a lokációs adatoknak és elemzéseknek szerepe lehet:

1. Értékesítési hálózat optimalizálása:

   
• Hol érdemes új értékesítési pontot nyitni?
   
• Honnan érdemes inkább visszavonulni?

2. Értékesítési pont értékelése:

   
• Mekkora egy pont értékesítési potenciálja, mekkora a valós teljesítménye, és mi
      okozhatja az eltérést?
   
• Mekkora a külső (lakosság, közlekedési pontok…) és mekkora a belső (építészeti,
      kialakítási adottságok, dolgozók száma, oktatások száma…) magyarázó változók
      befolyásoló ereje?
   
• Melyek a legerősebb magyarázó változók, mit érdemes befolyásolni, figyelni?
   
• Melyek a valóban legjobban teljesítő / best practice értékesítési pontok?
   
• Az értékelés és jutalmazás összhangban van az értékesítési pont lehetőségeivel?
   
• Vajon reálisak a (jellemzően bázisalapon meghatározott) forgalomra vonatkozó tervek?

3. Termékportfólió elhelyezés:

   
• Milyen „terméknyitási" lehetőségek látszanak a jelenlegi piaci igények és a vállalati
      képességek alapján?
   
• Hogyan érdemes differenciálni a termékportfóliót az árushelyi adottságok függvényében?
   
• Hogyan lehet egy-egy termékcsoport forgalmát növelni?

4. Versenytárselemzés:

   
• Hol helyezkednek el a versenytársak, mekkora a lefedettségük?
   
• Hogyan lehet eltérő értékesítési stratégiát folytatni attól függően, hogy mennyire van
      verseny az adott lokáció környezetében?

Megannyi kérdés, melyre lokációs adatok és elemzések segítségével adhatunk választ. Ezek alapján egyetlen jó tanácsunk van: ne csak a magánéletben használjuk aktívan a lokációs alkalmazásokat, építsük bele ezeket az adatokat és elemzéseket a vállalati döntéshozatalba is!

Lábjegyzet: Természetesen minden megállapítást az alkalmazott módszertan korlátai ismeretében kell megtenni, és bizonyos kérdésekhez további modellek felállítása is szükséges lehet, pl.: a korreláció nem jelent okozati viszonyt, ha kauzalitást is szeretnénk vizsgálni, nem elegendő a regressziós modellezés, hanem pl. a Granger-okság tesztelését végző modellt kell felállítani/lefuttatni