Quanto sono accurati davvero i dati di affluenza?

I dati di affluenza sono ormai alla base di decisioni che un tempo si prendevano a intuito: quale location prendere in locazione, come sta andando un punto vendita rispetto alla rete, se una campagna abbia davvero portato persone in negozio. Nel momento in cui un numero serve a giustificare una decisione del genere, la domanda successiva è ovvia. Quanto sono accurati davvero i dati di affluenza, e come si fa a sapere se ci si può fidare del numero che si ha davanti?

Questa guida illustra da dove arrivano i dati di affluenza, che cosa ne influenza tipicamente l'accuratezza, come l'accuratezza viene verificata e validata e a che cosa fare attenzione prima di basare su un numero la scelta della location, una revisione delle performance o una decisione di espansione.

Che cosa sono i dati di affluenza?

I dati di affluenza sono una rilevazione, o una stima, di quante persone passano davanti a una location definita, vi entrano o la attraversano in un periodo determinato. Quella location può essere l'ingresso di un singolo punto vendita, un centro commerciale o un'area più ampia come una via commerciale o un parco commerciale.

I dati di affluenza provengono da fonti diverse, e la fonte incide direttamente sull'accuratezza probabile del numero che ne risulta:

• Sensori e contatori in negozio, che registrano un conteggio in un punto fisso, per esempio una porta d'ingresso.
• Rilevamento Wi-Fi o Bluetooth, che stima i dispositivi nelle vicinanze anziché contare direttamente le persone.
• Stime modellate costruite a partire da segnali di localizzazione mobile aggregati e anonimizzati, usate per stimare l'affluenza di un'intera area, comprese le location che un'azienda non gestisce direttamente.

Ognuna di queste produce un numero che viene chiamato «dati di affluenza», ma non sono intercambiabili e ciascuna porta con sé un margine di errore di tipo e ampiezza diversi.

Perché l'accuratezza dei dati di affluenza varia

Non esiste un unico valore di accuratezza valido per tutti i dati di affluenza, perché l'accuratezza dipende da che cosa si misura, dove e come. Un conteggio all'ingresso e una stima modellata per un intero parco commerciale rispondono a domande diverse, e ciascuno è più o meno affidabile a seconda della situazione in cui viene usato.

Alcuni fattori spostano regolarmente l'accuratezza verso l'alto o verso il basso:

• Densità della location: vie commerciali e centri commerciali affollati e ben mappati tendono a produrre stime più affidabili rispetto a location rurali poco frequentate, dove i dati di riferimento scarseggiano.
• Fonte dei dati e ampiezza del campione: più la base di dispositivi o di sensori è ampia e rappresentativa, meno la stima viene distorta da un piccolo numero di visite anomale.
• Periodo di riferimento: i valori aggregati su una settimana o un mese sono di norma più stabili delle istantanee di un singolo giorno, più esposte a eventi occasionali.
• Posizionamento e copertura dei sensori: un contatore all'ingresso misura solo la sua posizione esatta, perciò un sensore mal posizionato o mal mantenuto può contare per difetto o per eccesso per mesi senza che nessuno se ne accorga.
• Validazione rispetto a punti di riferimento reali: i fornitori che confrontano regolarmente i propri valori con conteggi noti, come serie di affluenza pubblicate o andamenti delle transazioni di cassa, intercettano e correggono le derive prima degli altri.

I fornitori seri non si limitano a costruire una stima e a lasciarla lì. Confrontano i propri valori con punti di riferimento indipendenti e reali, come i conteggi comunicati dai proprietari o i dati dei sensori in negozio, in modo continuativo, e trattano ogni scostamento come qualcosa da approfondire e correggere anziché ignorare.

Come si misura l'accuratezza dei dati di affluenza?

L'accuratezza si verifica di norma confrontando un valore di affluenza con un punto di riferimento indipendente già ritenuto affidabile, come un conteggio manuale, un indice di affluenza pubblicato o i dati transazionali di un retailer. Più il valore modellato o rilevato dai sensori è vicino a quel riferimento, maggiore è la fiducia nel dataset da cui proviene.

Un singolo confronto in una giornata dice molto poco. Ciò che conta è se un fornitore effettua questa verifica con costanza, su molte location e nel tempo, e se è disposto a essere trasparente su dove i suoi valori tengono bene e dove sono più deboli. Un fornitore in grado di mostrare i propri numeri rispetto a un ampio insieme di riferimenti noti, e non a una manciata di esempi favorevoli, è in genere quello su cui è più sicuro fondare le decisioni.

huq, per esempio, pubblica una scorecard di accuratezza aggiornata in modo continuativo anziché una validazione una tantum. Le sue stime di affluenza vengono sottoposte a test di regressione rispetto a centinaia di fonti esterne autorevoli, con un MAPE mediano (errore percentuale assoluto medio) del 14,5% rispetto alla ground truth in Germania. È questo genere di track record stabile e verificabile che conviene cercare prima di impegnarsi su un dataset.

Dati da sensori o dati di affluenza modellati: quali sono più accurati?

Nessuna delle due fonti è semplicemente «più accurata» dell'altra. Ciascuna ha un punto di forza e un punto cieco diversi.

• Sensori e contatori in negozio sono precisi nel punto esatto in cui sono installati, ma coprono solo le location che il retailer già gestisce, e la loro accuratezza dipende molto dal corretto posizionamento e dalla manutenzione.
• I dati di affluenza modellati sui segnali mobili coprono location in cui il retailer non ha alcuna apparecchiatura, comprese quelle che sta soltanto valutando; sono però una stima e non un conteggio diretto, e la loro affidabilità dipende dall'ampiezza e dalla rappresentatività dei dati sottostanti e dalla frequenza con cui vengono confrontati con valori reali.

Per un retailer che confronta i punti vendita già attivi, dati da sensori e dati modellati vengono spesso usati affiancati. Per la scelta della location, dove non esiste hardware su cui contare, i dati di affluenza modellati sono di norma l'unica opzione praticabile: ed è proprio per questo che la loro accuratezza conta così tanto.

Segnali che i vostri dati di affluenza potrebbero non essere accurati

Alcuni schemi vanno trattati come campanelli d'allarme e non come rumore occasionale:

• Valori di affluenza che si muovono sistematicamente in direzione opposta alle vendite o al numero di transazioni, senza una spiegazione evidente come un problema di conversione o di prezzo.
• Salti o cali improvvisi e inspiegabili dell'affluenza in una singola location, senza un evento, una promozione o un andamento stagionale corrispondente.
• Numeri che appaiono sospettosamente tondi o ripetitivi tra location diverse, il che può indicare un guasto ai sensori o un problema di modellazione anziché una tendenza reale.
• Un fornitore che non sa spiegare in parole semplici come sia stato ottenuto o verificato un valore.

Nessuno di questi elementi, da solo, dimostra che un dataset sia sbagliato, ma sono un buon motivo per risalire all'origine di un numero prima di usarlo per giustificare una decisione.

Come i retailer britannici validano i dati di affluenza nella pratica

Oltre a fidarsi di quanto dichiara il fornitore, la maggior parte dei retailer e dei proprietari immobiliari britannici che si affidano ai dati di affluenza predispone controlli propri. Gli approcci più comuni sono incrociare l'affluenza con gli andamenti di cassa o del punto vendita per verificare che i due si muovano insieme come previsto, controllare a campione alcune location rispetto a un conteggio manuale o a un sensore già presente in negozio, e confrontare una nuova fonte con un dataset già ritenuto affidabile su un sottoinsieme di sedi prima di estenderla.

Non serve che questi controlli siano elaborati per essere utili. Anche un esercizio di validazione ridotto ma mirato su una manciata di sedi rappresentative può rivelare se un dataset si comporta in modo coerente prima di applicarlo all'intero portafoglio.

Volete verificare quanto sarebbero accurati i dati di affluenza per le vostre sedi? Contattate il team huq per parlare delle vostre location e vedere i dati di validazione che le riguardano.