Promo si, promo no. Questo è il dilemma.

Rispondiamo alla richiesta di un lettore con un caso reale: cerchiamo di capire quanto una promo aiuti lo sviluppo di un prodotto. Abbiamo estratto da Dianalytics, il nostro database di dati sullo shopper e i suoi acquisti che ormai conta più di 18 milioni di casi, un prodotto che abbiamo seguito per più di un anno. Un notissimo brand nell’alimentare confezionato.

In sette mesi sono state fatte cinque attività promozionali, ciascuna con un taglio prezzo del 25 %.  Il 25 % degli shopper potenziali, ovvero coloro che guardano il prodotto, si è concentrato nei 5 periodi promo. Il 35 % degli atti di “touch” (ovvero prodotto toccato ma non comprato) sono stati fatti nelle settimane di promo. Tutto ciò ha prodotto il 55 % del totale vendite del periodo.

Se consideriamo i valori a baseline, ovvero depurati degli uplift dovuti al taglio prezzo, notiamo che il numero di shopper allo scaffale e la percentuale di prodotto toccato restano uguali; ovviamente, la percentuale di venduto in promo scende dal 55 al 23 % (esatto: su 200 giorni monitorati, 47 erano promozionali, quindi il 23,5 % del totale).

Prendiamo il totale sell-out del periodo: gli shopper crescono del 3 % durante le promo, il prodotto toccato (ma, ricordiamolo, non comprato), del 35 %, le vendite del 250 %.

Quindi: se il prodotto non fosse stato promozionato avrebbe venduto, in termini reali, il 28 % in meno. Durante le promo l’interesse degli shopper cresce in modo marginale (la percentuale di prodotto “touched” passa dal 34 %, non promo, al 37 %, promo). Il numero di shopper resta invariato. La percentuale di vendite perse, ovvero il numero di prodotti toccati che non si traducono in un acquisto, si riduce di 20 punti.

In pratica, non cresce il numero di shopper né il loro interesse per le promo: cresce ovviamente la convertion spinta dal minor prezzo: tutto ciò aumenta l’equity della marca? Lo shopper compra la marca o sta comprando un prezzo? Una analisi Gain & Loss fra prodotti concorrenti, per capire quant’è il livello di cannibalizzazione sarà trattata in un prossimo post.

Il dato di sell-out spiega l’effetto, non le cause (e può generare confusione)

La scorsa settimana eravamo in riunione con un noto retailer per analizzare l’efficacia assortimentale ed espositiva. Il gruppo di lavoro del retailer valuta i risultati solo in base all’aumento del sell-out. Più si vende, più una soluzione è efficace.

Peccato che non sia così semplice: prendiamo un caso analizzato con i nostri sensori nei punti vendita:

Stiamo analizzando una categoria food “tipica”, un classico nel consumo degli italiani. Abbiamo testato tre diversi planogrammi.

Il sell-out nel terzo plano cresce del 12 % rispetto al secondo. Bene, grande successo. Peccato che la pressione promozionale passi, nel segmento principale, dal 55 al 61 %. La crescita dipende dagli sconti che oscurano completamente il contributo (eventuale) del nuovo display? Come leggere correttamente i risultati?

Consideriamo le variabili chiave: il traffico del PV cala, così come quello a scaffale. L’attrattività dello scaffale diminuisce di 30 punti rispetto al planogramma 2 e di 6 rispetto al plano 1. Quindi, primo risultato: meno gente in corsia e meno attrattività per il plano 3.

Analogamente (guarda caso…) cala del 32 % anche la rilevanza che lo scaffale ha per gli shopper.

Il sell-out per viewer (ovvero per shopper che guarda lo scaffale) cala del 14 % rispetto al plano 2. Meno gente a scaffale e meno attrattività, con dato di vendita a baseline, quindi depurato dalle promo, si traduce in calo effettivo delle vendite della categoria.

Quindi il plano 3 è meno efficace del plano 2, anche se apparentemente (e superficialmente) sembrava il contrario.

Promozione, respirazione bocca a bocca che non rianima un prodotto

Un altro caso nell’alimentare: un’azienda ben nota attacca un competitor con un nuovo prodotto, leader di mercato e anch’esso ben noto.

Nei primi mesi, anche grazie a massicce esposizioni fuori banco, lo sfidante registra un buon sell-out. Dopo cinque mesi dal lancio parte l’iniezione di promozione. Brutto segnale di per sé: un prodotto appena lanciato che si attacca alla flebo dei tagli prezzi non dimostra di godere di buona salute. Andiamo a vedere i fatti (il riassunto è nella tabella in fondo):

Prima di iniziare le promo lo sfidante vendeva circa un terzo dei pezzi del leader. Evidenziava un buon interesse, dimostrato dalla quantità di prodotto toccato: rovescio della medaglia: l’interesse non si traduce in acquisto (pessimo segnale nel medio lungo periodo). Le vendite perse rappresentano il 47 % del totale, contro il 31 % del leader.

Quindi, fiato alle promo, con quali risultati? L’interesse aumenta di circa il 10 % (aumentano i prodotti toccati), le vendite crescono del 70 %, cala la percentuale di vendite perse.

Nulla che impensierisca il leader i cui risultati sono decisamente superiori, senza promo, dello sfidante in taglio prezzo. Dopo la promo lo sfidante torna ai volumi (e alle vendite perse) del periodo ante cut price.

A distanza di un anno lo sfidante è a cuccia, fa quello che può, e il leader non ha subito il minimo contraccolpo. Potenza della marca. Poca lungimiranza dello sfidante: ha testato il prodotto prima di lanciarlo con la giusta metodologia?

Se siete interessati possiamo inviarvi un approfondimento scrivendo a matteo.testori@dialogica.it.

Confronto fra il leader, senza promo, e lo sfidante

Meno promozione e più sell-out. Impossibile? No.

Analizziamo un caso nei toiletries che stiamo seguendo con le tecnologie di shopper e shelf tracking Dialogica nel nostro panel di store. Da otto mesi stiamo indagando le caratteristiche degli shopper, quanti si fermano davanti allo scaffale, quanti toccano i prodotti, quanti concludono l’acquisto o lasciano il prodotto sullo scaffale.

L’analisi, che associa i dati da noi raccolti a scaffale con i dati scanner forniti dai retailer, permette una diagnosi completa e affidabile (stiamo misurando il comportamento di più di 55.000 shopper) delle dinamiche di acquisto e dei risultati in periodi con e senza promozioni.

Nella tabella abbiamo nella prima colonna il numero medio per settimana di prodotti toccati senza arrivare all’acquisto; nella seconda il sell-out, nella terza la convertion, ovvero la percentuale di prodotto acquistato rispetto a tutte le interazioni (Toccato + Acquistato). Il complemento a 100 evidenzia le vendite perse. Nell’ultima colonna abbiamo la percentuale di prodotto venduto in promozione.

D, multipack, vende sostanzialmente solo in promozione (82 % dei volumi). Quando non è in promozione vende in media 1,5 pezzi a settimana (e parliamo di marchi molto noti, leader nelle rispettive categorie). E’ molto toccato ma si arriva ad una conclusione dell’acquisto quasi solo in promo. In pratica, il 67 % delle opportunità di vendita è perso.

Consideriamo diverse confezioni/size della medesima marca: C ed E sono i prodotti più alto vendenti: le vendite di E a baseline (cioè senza promo) sarebbero inferiori a C, che non ha fatto promozioni.

Per l’SKU E (top seller) si è ridotta la pressione promozionale del 25 %. Ciò nonostante le vendite sono rimaste sostanzialmente stabili (+ 0,4 %). Non solo, le vendite “perse” sono rimaste invariate (7 % dei casi, dato fisiologico, comunque molto migliore della media della categoria – 19 %). Il mix di prodotto, il fatto che sia ricercato, la politica promozionale sono decisamente centrati e producono ottimi risultati.

Possiamo testare nel panel dei nostri punti vendita sperimentali diversi posizionamenti di prezzo, modificare le attività promozionali fino ad arrivare alla soluzione che soddisfa gli shopper e preserva i margini delle aziende e dei retailer.

Vedere Rihanna significa portarla a cena? L’illusione dell’eye tracking.

Evidentemente no. Così come vedere un prodotto non significa acquistarlo. Troppe variabili sono in gioco: la rilevanza della marca, il prezzo, la novità (e la mancanza di innovazione delle marche concorrenti a scaffale), la posizione, il numero di facing, le promozioni… Talmente tante variabili da rendere poco rilevante la mera misurazione del punto dove si posa lo sguardo. Quindi perché affidarsi all’eye tracking? E’ bello vedere dove si posa l’occhio di uno shopper ma il processo di acquisto è MOLTO più complesso e per molti professionisti dello shopper marketing è ancora oscuro.

Dobbiamo misurare tutti gli shopper che osservano una certa sezione dello scaffale per rappresentare le possibili opzioni di scelta a cui lo shopper è sottoposto. Passaggio successivo; dopo aver visto TUTTI i prodotti, cosa tocca lo shopper? Ovvero, l’attenzione come si traduce in interesse? Di tutte le possibilità offerte dalla categoria, quale attrae, coinvolge, spinge all’acquisto?

Lo shopper tocca un prodotto: poi lo compra? Non è detto. Un progetto di analisi su cui stiamo lavorando ci insegna che dal 10 % (marca) al 70 % (non marca) delle interazioni (prodotto toccato) non si trasforma in un acquisto.  Quindi, dal 10 al 70 % di opportunità perse, anche se lo shopper ha guardato i prodotti. Ho incontrato Rihanna ma, ahimè, non me la sono portata a cena…

Se inseriamo in un modello tutte le variabili otteniamo una mappa dello scaffale che descrive chiaramente cosa influisce sulla decisione di acquisto: la marca, la posizione, il facing, il prezzo, le promozioni? Se avrete voglia di scriverci (matteo.testori@dialogica.it) vi manderemo un caso reale…molto utile. Fidatevi.

Le opportunità perse (dai retailer italiani) mentre il mondo si muove

Molto spesso ci è capitato di stimolare i retailer con semplici ma efficaci suggerimenti: perché ad esempio di fianco al pesce non si inserisce un espositore con i vini da abbinare (magari con un piccolo sconto) ai diversi piatti? Esselunga ha fatto un modesto passo: nessun espositore ma almeno un cartello (piccolo) che segnala gli sconti su alcune etichette di vino bianco.

Per il resto encefalogramma piatto. Perché si continua a parlare di innovazione ma in pratica non si fa nulla, se non riproporre il sampling delle marche nei negozi? Nella foto un esempio che ho trovato in un ipermercato vicino a Dublino. Non solo un’ottima selezione di vini, un’eccellente esposizione, scaffali arricchiti con indicazioni sulla provenienza e gli abbinamenti delle etichette. Un’intera zona del punto vendita è dedicata alla promozione che in realtà è un’area di “engagement” dello shopper.

Certo, nulla di speciale, cose viste all’estero da parecchi anni; nulla (o qualche sporadico caso) in Italia. La spesa off-line vivrà se lo shopper troverà piacevole, interessante, divertente recarsi in uno store fisico. Quindi, esperienza e divertimento, non solo sconti e (vera o presunta) qualità.

La differenziazione non si giocherà solo su prezzi e assortimenti (ridondanti) ma soprattutto sulla piacevolezza. Lo store deve essere portatore di una narrazione possibilmente credibile ed esclusiva per avere successo. Ritorneremo su questo tema.

Osserviamo gli shopper mentre stanno acquistando

Riprendiamo quanto abbiamo visto nel nostro ultimo post: il nostro sguardo osserva chi compra, il suo comportamento, direttamente dallo scaffale. Nessuna intrusione con il normale processo di acquisto, nessuna influenza, solo l’osservazione dell’ordinario processo che porta dall’interesse ad un prodotto al suo acquisto.

Questa volta consideriamo un prodotto alimentare (nella precedente puntata abbiamo trattato il non food): il caso è interessante dato che confrontiamo una categoria, con un leader molto consolidato (linea a punti color ocra), un nuovo player che tenta di attaccare il leader (linea blu). In cima al pentagono consideriamo uno “shopper medio” ovvero la media di tutti gli shopper che davanti allo scaffale hanno concluso un acquisto.

La vita per lo sfidante è dura: lo shopper preferisce decisamente il leader, con cui ha interazioni ben superiori (+ 36 %). Il nuovo prodotto evidenzia un acquisto medio per shopper superiore del 17 % rispetto alla media; lo stesso dato cresce al 70 % per il leader.

In pratica, una netta preferenza per la marca leader. L’analisi può essere condotta su nuovi prodotti in test, su nuovi pack o pack design, su nuovi display, scaffali, planogrammi, nei supermercati associati a Dialogica,  per avere dati oggettivi da punti vendita veri. Ovvero, osservare lo shopper nel suo vero processo di acquisto: dati reali da persone reali, in negozi reali, quindi massima efficacia dell’analisi.

Sullo scaffale ad osservare gli shopper

Molti anni fa l’AD di Coca-Cola Company, mio capo, mi consigliava sempre di osservare gli shopper (allora non li chiamavamo così) mettendomi vicino allo scaffale. Tuttora consiglio la stessa cosa ai miei studenti: è una attività estremamente utile da cui si impara moltissimo. Purtroppo il tempo che possiamo dedicare all’osservazione dei comportamenti d’acquisto è molto poco. La tecnologia ci viene in aiuto. Con i sensori di Dialogica installati sullo scaffale possiamo raccogliere ogni giorno tutti i dati sullo shopper, i suoi comportamenti, le scelte o le non scelte (si impara di più dalle cose che non funzionano).

Facciamo un esempio: in una categoria non food consideriamo i primi tre marchi; il Brand A è il leader.  Il modello prevede che uno “shopper medio” (In alto nel diagramma) sia davanti allo scaffale. Per ciascun prodotto e per la categoria consideriamo la differenza rispetto alla media (100) del numero delle volte in cui un prodotto è toccato (toccato), acquistato, il totale delle interazioni (toccato + acquistato) e il numero di vendite per singolo shopper.

Gli score del leader sono decisamente molto sopra la media: dove stravince? Nella preferenza accordata dagli shopper, 63 % più elevata della media, ciò porta più interazioni e acquisti. Lo shopper medio è ancora, per fortuna, affascinato dalla marca. Il modello permette una diagnosi completa della salute della marca, confrontandola con i concorrenti attraverso l’osservazione passiva e non intrusiva dello shopper. E’ come star seduti tutti i giorni sullo scaffale ad osservare: il mio ex capo sarebbe contento.

Troppa roba, troppi sconti? Quando l’affollamento e le promo ammazzano le categorie.

Confrontiamo una categoria food, con una penetrazione molto elevata in famiglia, in tre catene diverse.

Nella prima catena:

138 referenze – Il 7 % genera il 46 % del sell-out – Il 22 % vende un solo pezzo al mese.

Nella seconda catena:

158 referenza – il 10 % dei prodotti genera il 52 % delle vendite – Solo 2 prodotti vendono un solo pezzo al mese.

Nella terza catena:

260 referenze – il 9 % genera il 40 % dei volumi – Il 15 % vende meno di un prodotto al mese.

La prima e la terza catena hanno un’efficacia assortimentale molto bassa. Troppe referenze a scaffale con rotazioni che deprimono i risultati dell’intera categoria.

Nella terza catena l’intensity index (% di prodotti venduta in promozione) è del 64 %, nella seconda del 42 %.

Nel PV analizzato per la terza catena il maggior traffico davanti allo scaffale è sprecato: il PV della seconda catena, con la metà di shopper davanti allo scaffale genera 2,38 volte più vendite per singolo cliente (medio). In assoluto, il sell-out della catena 2 è stato superiore del 9,5 % alla catena 3, pur con minore pressione promozionale, meno spazio, meno referenze.

Quindi scelte assortimentali e promozionali inadeguate che trascinano verso il basso tutta la categoria. Un’ulteriore avvertenza: com’è possibile misurare la reale efficacia di una categoria, di un cambiamento di planogramma, di un progetto di category management quando il dato è inquinato da fattori che non consentono di leggere il risultato reale (referenze inutili, promo sprecate)? Una maggiore attenzione allo shopper (riuscendo però a raccogliere dati reali e significativi) e meno smanie per i listing fee o i contributi promozionali magari aiuterebbero i margini. Ma questo è un capitolo a parte…

Quante vendite perde il mio prodotto quando è in promozione?

Nel precedente post abbiamo visto che la marca analizzata era stata toccata 18 volte senza essere messa nel carrello ed era stata acquistata 4,6 volte (media giorno). In pratica, ho perso il 75 % delle opportunità di vendita. WOW!! Se recuperassi il 5 % delle vendite perse avrei una crescita (teorica) del sell-out del 14 %. Ora, possiamo capire in dettaglio cosa inibisce l’acquisto: il prezzo? La visibilità del prodotto? L’equity dei concorrenti? Mettiamoci davanti allo scaffale, accendiamo i nostri sensori e vediamo cosa succede.

Iniziamo, ovviamente, con le promozioni. Prendiamo quindici giorni di attività con uno sconto del 25 %. Prima cosa che può sembrare stupefacente: diminuiscono gli shopper potenziali (ovvero quelli che guardano i prodotti). Prima della promo registravamo circa 100 persone al giorno, che calano a 78. Nulla di strano: il 46 % delle vendite durante la promo è in fuori banco (ebbene sì, misuriamo anche da dove si genera il sell-out nel punto vendita e capiamo quante vendite vengono dallo scaffale e quante dai fuori banco).

Durante la promo 13 persone hanno toccato il prodotto senza comprarlo e si sono avuti 18 acquisti (consideriamo lo scaffale per fare un confronto omogeneo con il periodo no promo). Quindi: le vendite perse (toccato ma non comprato) diminuiscono del 28 %. Gli acquisti sono più che triplicati. Ottimo risultato, anche economico: il ROI è positivo (+ 1,88), risultato non banale dato che molto spesso rileviamo ROI negativi nelle attività promozionali. Rimangono comunque da recuperare 13 acquisti potenziali non conclusi: che fare? Forse il prezzo non è l’unico fattore, o comunque non il più rilevante?

Nel prossimo post proseguiremo l’analisi e introdurremo l’intelligenza artificiale per definire le regole che determinano il sell-out.