Covid 19: Come cambia lo shopper durante l’epidemia: 3 – Supermercati

Consideriamo ora il canale supermercati dopo avere analizzato gli Iper nel primo e nel secondo post pubblicati.

La situazione dei supermercati è decisamente migliore rispetto agli Iper (anche escludendo, come abbiamo fatto nella nostra analisi le superfici nei grandi centri commerciali). I flussi sembrano in qualche modo correlati alla espansione dei casi positivi: ad esempio, in Emilia, terza regione per numero di contagiati, il calo rispetto all’inizio dell’epidemia, è circa del 20 %. Nel Lazio, sesta regione in Italia e con un numero di contagi inferiore di due terzi rispetto all’Emilia Romagna, il calo è di circa 10 punti percentuali.

Quindi buona tenuta dei flussi che peraltro si inseriscono in un periodo di calo fisiologico dovuto alla stagionalità. Se consideriamo gli shopper, coloro che sono arrivati allo scaffale e hanno valutato l’acquisto, concludendolo o meno, il calo è meno deciso: sempre considerando le due regioni tipo, in Emilia rileviamo – 14 %, nel Lazio una sostanziale parità rispetto al pre virus.

Consideriamo i volumi: In Emilia gli acquisti per shopper sono più che raddoppiati (anche se il trend è in calo), mentre nel Lazio si registra, in anticipo rispetto all’Emilia una leggera flessione. Ricordiamo che stiamo analizzando una categoria food “media”.

In Emilia la suddivisione per genere si modifica leggermente, con calo dei maschi e crescita di 4 punti percentuali delle femmine, dato analogo per il Lazio. Ciò che si modifica sono i tempi di sosta davanti allo scaffale e il tempo di scelta dei prodotti (i dati sono in secondi medi):

  Emilia   Lazio  
Permanenza Scelta Permanenza Scelta
Pre Covid 6,6 1,9 8,4 3,5
Covid 6,9 2,0 10,4 4,7

Decisamente più alti nel Lazio, con una crescita del 4 % circa in Emilia (Covid vs. pre Covid). Nel Lazio la permanenza aumenta del 23 % e la scelta del 34 %.

In pratica, la geometria del comportamento dello shopper varia in maniera determinante per format e zona geografica, come c’era da aspettarsi. Meno presenze ma più acquisti: è interessante notare che sia negli Iper di piccole dimensioni (post 1, 17 aprile) sia nei super da noi analizzati, ad esempio in Emilia, l’acquisto medio per shopper tende a raddoppiare. Si nota una maggior presenza di donne ma soprattutto un aumento della indecisione. La scelta sembra decisamente più ragionata nei supermercati, cosa che non accadeva negli Iper.

Covid 19: Come cambia lo shopper durante l’epidemia- Ipermercati 2

Nel Post precedente abbiamo analizzato il calo del traffico negli Ipermercati, che rientrava in un trend già decrescente. Meno persone nei punti vendita ma anche meno shopper davanti ai prodotti. Il dato non sorprende, dato che solo un componente del nucleo familiare è autorizzato ad entrare negli store per fare la spesa.

Trattiamo ora del comportamento dello shopper e dei suoi acquisti. Intanto, il tempo medio dedicato alla scelta dei prodotti è calato del 10 %. Quindi meno gente davanti agli scaffali che effettua scelte più veloci, meno tempo di attenzione ai prodotti e minore permanenza nei punti vendita. La epidemia non genera modifiche nella composizione degli shopper per genere, mentre aumenta di 5 punti la percentuale di giovani (calano anziani e adulti).

Consideriamo i volumi:

Anche in questo caso poniamo a 100 l’acquisto medio prima dell’inizio della crisi. A fine gennaio si rileva un’importante attività promozionale, a cui segue una flessione fino alla fine di febbraio, cioè all’inizio dell’epidemia. La curva poi si impenna, fino a raggiungere un acquisto medio di 3,34 confezioni contro l’1,65 a metà gennaio. Un aumento del 120 %.

Meno shopper ma crescita delle quantità acquistate. Nel prossimo post analizzeremo la situazione nei supermercati.

Covid 19: Code all’esterno dei supermercati ma più gente davanti agli scaffali? 1

Vista la situazione non potevamo esimerci dall’utilizzare i dati della nostra piattaforma Dianalytics per capire se e come è cambiato il comportamento degli shopper dall’inizio della crisi. La possibilità di avere un osservatorio continuativo sul traffico degli store, il numero di shopper dei prodotti, i loro comportamenti ci pone nella condizione, quasi nell’obbligo morale, di condividere con chi ci segue dati che altrimenti non sarebbero disponibili.

Abbiamo estratto, in primis i dati degli Ipermercati (i super arriveranno nei prossimi post): abbiamo considerato i dati giornalieri di ingressi, di shopper potenziali (ovvero di coloro che arrivati davanti agli scaffali guardano i prodotti), dei loro acquisti: 281.000 casi in due mesi. Fra le possibili categorie abbiamo scelto una del beverage, per un totale di 35.000 pezzi venduti.

Se consideriamo il trend del traffico nei punti vendita (linea blu), ponendo uguale a 100 il numero di ingressi nella settimana dopo il 6 gennaio, notiamo un calo generale delle presenze: il 18 febbraio, quindi prima dell’esplosione della epidemia, il calo era già del 40 %.

Si nota chiaramente un aumento delle presenze a partire dalla metà di febbraio e un picco la prima settimana di marzo: evidente l’effetto scorta. Poi il calo. A fine marzo la flessione era pari al 56 % rispetto a gennaio. Rispetto però al dato di metà febbraio, che rileva il trend del traffico prima dell’epidemia, la caduta è di circa 15 punti. Quindi, calo delle presenze sì ma all’interno di un trend già decrescente.

Consideriamo ora il numero di shopper potenziali (linea gialla), ovvero coloro che sono arrivati alla categoria e hanno guardato i prodotti sugli scaffali.

Gli shopper sono più stabili nel tempo, in leggera crescita fino alla fine di febbraio: i dati dimostrano la elevata penetrazione della categoria: beni normalmente presenti nel paniere degli acquisti. A fine marzo il numero di shopper cala del 65 % circa, quindi più degli ingressi. Bisogna anche qui considerare la stagionalità ( – 12 %), quindi il dato reale riporta una flessione degli shopper del 53 %.

In pratica, una categoria di uso comune, ma non primaria come la pasta o il pane, ha visto calare gli shopper in modo più rilevante rispetto al punto vendita. Nel prossimo post aggiungeremo i dati sugli acquisti della categoria e degli shopper. Seguiranno i dati del canale supermercati.

A tutti coloro che fossero interessati al termine delle pubblicazioni invieremo un rapporto completo (per la richiesta contattare alessandro.marzulli@dialogica.it).

Durante una promo, la marca aiuta a vendere di più e meglio?

Cioè, se consideriamo due prodotti FMCG in promozione nel medesimo periodo, possiamo fare qualche considerazione sul differenziale offerto dalla marca nel risultato complessivo?

Estraiamo dal nostro Dianalytics, il DB che ormai ha raggiunto più di 15 milioni di shopper profilati per caratteristiche, comportamenti di acquisto e di consumo, i dati di alcuni Iper e super.

Consideriamo due competitor, entrambi promozionati nel medesimo periodo. Il dato di traffico medio degli store (circa 18.000 shopper a settimana) non si modifica durante le promo. La categoria vende in media 2.230 pezzi a settimana. Il periodo promo, tre settimane, registra un aumento del sell-out del 19 %, considerando tutti i prodotti, primi prezzi e PL compresi.

Se consideriamo la fascia medio alta del mercato e confrontiamo due prodotti in diretta competizione notiamo che:

Il prodotto A è venduto ad un prezzo medio di 6,20 €. In media si vendono, al netto delle promo (baseline) 4,6 pezzi a settimana per PV.

Il prodotto B è venduto ad un prezzo di circa 7 €. In media si vendono, sempre a baseline, 5,1 pezzi settimana, sempre per PV.

Durante la promo (in contemporanea) B, con un prezzo superiore del 22 % (quindi, in termini reali ben superiore alla baseline (+ 13 %) rispetto ad A), vende il 20 % in più di A.

Il segreto? Sembrerebbe che la marca B sia più rilevante. La riprova? Il nostro indice Sale Index, che rileva l’interesse per una marca, risulta per B 10 volte superiore rispetto ad A.

Morale: anche in un mercato molto promozionato, con picchi di intensità promozionale dell’80 %, la marca svolge ancora un ruolo centrale, che può essere misurato. Si può, con i nostri dati direttamente dai punti vendita, con gli indici di performance, monitorare in continuo la salute della marca, confrontandola con i competitor, valutando l’impatto durante le promo, con o senza fuori banco.

Pago gli stessi soldi, ma quanto ottengo? Ovvero quanto rende un secondary display

Sappiamo tutti che un fuori banco fa crescere il sell-out. Si, ma di quanto? Dove dovrebbe essere messo in un punto vendita? Una certa posizione quante vendite in più produce? La resa vale la spesa? Ogni prodotto trae vantaggio dal fuori banco oppure solo alcuni? Se si, quali prodotti e in che misura?

Quando nel 2008 incontrai la tecnologia di shopper detection, che ancora usiamo negli store, la prima cosa a cui pensai fu proprio la misurazione dell’efficacia degli espositori. Anni fa lavoravo in Coca-Cola dove investivamo un fiume di denaro per i fuori banco. Ma qual’era il ritorno? Pagavamo la stessa cifra per diverse posizioni senza però sapere realmente la resa effettiva, ovvero senza quantificare il risultato rispetto all’investimento.

Per farlo non ci si può basare sul dato aggregato: bisogna analizzare le performance del singolo punto vendita. Bisogna scindere, con i nostri sensori shopper e scaffale (misurano la presa dei prodotti a scaffale e negli extra display), l’uscita dallo scaffale da quella del fuori banco. Come scritto in post passati, il dato cassa non è sufficiente.

Un primo esempio, a cui ne seguiranno altri nei prossimi post, evidenzia l’effetto del fuori banco:

Effetti di un cartonato fuori banco

Dalla settimana 43 le vendite extra scaffale crescono nettamente, pur seguendo la stessa dinamica delle vendite a scaffale. Risultati: + 52 % di sell-out Extra Display rispetto allo scaffale. Le vendite del fuori banco sono state il 60 % del totale venduto.

Questo è un esempio dell’effetto di un fuori banco. Quanto incide la posizione all’interno del punto vendita? La risposta nel prossimo post.

Quanto vale e quanto fa vendere un nuovo pack design?

In scaffali a dir poco affollati di prodotti la visibilità, ma anche la leggibilità/semplicità/comprensibilità diventano vitali. Abbiamo testato nei nostri punti vendita sperimentali un nuovo design per un prodotto iconico. Comprensibile timore in azienda nel momento in cui si arriva alla prova dei fatti: prodotto sullo scaffale in un vero punto vendita con veri shopper a decidere se acquistare; com’è andata?

Innanzitutto siamo tranquilli sulla solidità dei dati: abbiamo misurato il comportamento di quasi 20.000 shopper, quindi minima possibilità di errore.

La nuova confezione attrae di più della precedente (+ 4 punti %). Non solo, il nuovo design è più leggibile (+ 15 % vs. precedente). Fatto inconfutabile: due settimane dopo l’introduzione del nuovo pack, si è registrato un calo del 2 % nella presenza di shopper davanti al display, ma l’attrattività è cresciuta del 10 %. E il sell-out?

La categoria cresce, anche grazie alla stagionalità, del 21 %. Il prodotto del 30 %, con una crescita di market share di 0,7 punti.

Non solo ottimi risultati ma la possibilità di misurare finalmente in modo esaustivo e attendibile un cambiamento importantissimo, minimizzando i rischi e gli errori.

Quote di mercato simili ma salute della marca molto diversa: data driven decision guidata dallo shopper

La quota di mercato misura la performance di un prodotto rispetto al totale categoria. Nulla dice sullo shopper, sulle sue preferenze. E’ di fatto un indice grossolano, influenzato da moltissimi fattori e non sempre indica in modo corretto la performance della marca e la sua salute.

Un esempio: prendiamo due concorrenti nel mercato della cura della persona, affiancati sugli scaffali, con un numero di facing molto simile. Il primo prodotto vende 81 pezzi medi alla settimana, con una quota del 11,5 %, il secondo 86 pezzi settimana, con quota del 12,2 %. Differenze non abissali.

Peccato che il 71 % delle interazioni (ovvero del numero di shopper che si avvicinano e prendono in mano il prodotto) si traduce in un acquisto per il prodotto 1. Per il prodotto 2 la percentuale di interazioni positive cala al 60 %.

Differenza molto significativa: per il secondo prodotto quasi la metà delle interazioni non si conclude con un acquisto. Il prodotto 2 attira più dell’1, più shopper lo toccano ma meno, in percentuale, concludono l’acquisto. Significa che il 40 % delle opportunità di vendita va sprecato, contro il 29 % del prodotto 1.  Più shopper (e, guarda caso, un’attività promozionale più spinta) portano a più pezzi venduti del prodotto 2, ma quanto spreco (anche di margine)! Quanto si potrebbe fare di più e quanto si potrebbe recuperare in quota prendendo atto che una percentuale molto elevata di shopper non è soddisfatta? Un buon esempio di data driven decision, ovvero come scovare informazioni preziose (magari non in mano alla concorrenza) da trasformare in valore. Un buon Natale a tutti.

Il prodotto ha la febbre? Misuriamola sullo scaffale

E’ meglio prevenire che curare: Nutella Bisquit insegna. Anni di preparazione, test, assaggi, aggiustamenti fino a creare il biscotto dei desideri, ovvero la novità più ricercata di questo fine 2019.

Se però siamo fra quelli che non ce la fanno ad applicare un processo corretto per lo sviluppo di nuovi prodotti e ci troviamo a scaffale delle SKU che ruotano poco, hanno una quota di mercato debole, insomma sembrano avere la febbre alta, come possiamo intervenire?

La regola d’oro: meglio arrossire prima che sbiancare dopo. C’è comunque la possibilità di curare un malato anche se è già (magari da anni) sugli scaffali. La diagnosi corretta della malattia permette di individuare la cura.

Prendiamo due prodotti per la cura della persona. Vediamoli dal lato dello shopper, consideriamo cioè le sue preferenze (l’analisi è stata condotta per 6 mesi).

Il Prodotto A: in confezione singola. In media si vendono 115 pezzi alla settimana. Il prodotto è stato toccato 11 volte senza essere stato comprato. In sintesi, nel 91 % dei casi l’interazione con il prodotto si è conclusa con l’acquisto. Quindi, solo il 9 % di vendite perse.

Il Prodotto B: in confezione multipla: 49 pezzi venduti, quindi una market share relativa pari al 42 % del prodotto A. Non sembrerebbe tanto malmesso. Purtroppo in 127 casi è stato toccato senza essere comprato. Quindi, nel 66 % dei casi nessun acquisto e vendite perse.

Prodotto B malato: perché? Se approfondiamo ci accorgiamo che l’88 % delle vendite è stato fatto in promo. Perché tanto interesse (prodotto toccato) ma scarsissima convertion? La confezione multipla richiede circa 60 cm di esposizione. Quindi attira molto. Lo shopper si avvicina, prende il prodotto poi…legge il prezzo e lo ripone a scaffale.

Ha senso un multipack con queste caratteristiche? Quanto si potrebbe ottenere in più con una confezione, magari da due pezzi, quindi più piccola, ad un prezzo più accessibile e che comunque, con una buona quota spazio attirerebbe lo shopper? Il prezzo medio, abbattuto dalle promo continue, non potrebbe migliorare (quindi più marginalità)? Forse la febbre calerebbe e i margini migliorerebbero…basta verificare le reazioni degli shopper nei punti vendita per trovare una cura.

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.