Masterclass Big Data in de winkelstraat tellen is het nieuwe voorspellen Huib Lubbers 24-11-2015 1
CityTraffic in het kort Onderzoeksbureau met eigen unieke data Marktleider Benelux op het gebied van 24/7 bezoekersmetingen Actief in 86 binnensteden in Nederland en België 24-11-2015 2
Retail Intelligence Group Retail Intelligence Group PFM Automatisch tellen Data validatie Data management Software ontwikkeling Installatie Onderhoud Retail Management Center Advies Strategie Formule Onderzoek Interim Opleiding Organisatie CityTraffic Passanten onderzoek Loopstromen Binnenstadsonderzoek Retail dashbord Parkeer monitor Strand monitor Event monitor 24-11-2015 3
Werkveld opdrachten groep 24-11-2015 4
Onze klanten 24-11-2015 Copyright RMC 2015 24-11-2015 5
Alkmaar Almere Almelo Alphen a/d Rijn Amersfoort Amstelveen Amsterdam Antwerpen Apeldoorn Arnhem Assen Bergen op Zoom Beverwijk Bolsward Breda Brugge Brussel Delft Den Bosch Den Haag Deventer Doetinchem Dordrecht Ede Eindhoven Emmen Enschede Gent Gouda Groningen Haarlem Groningen Haarlem Hasselt Heerenveen Heerlen Helmond Hengelo Hilversum Hoofddorp Hoorn Katwijk Kortrijk Leeuwarden Leiden Leidendorp Leuven Maastricht Middelburg Nieuwegein Nijmegen Oegstgeest Oostende Oss Purmerend Rijnsburg Roermond Roeselare Roosendaal Rotterdam Scheveningen Sittard Sneek Spijkenisse Tilburg Tongeren Uden Utrecht Veenendaal Venlo Vlissingen Voorschoten Wassenaar Weert Winterswijk Zaandam Zeist Zoetermeer Zoeterwoude Zutphen Zwolle 24-11-2015 6
Wat doet CityTraffic? Big Data omzetten in informatie voor diverse toepassingen: Centrummanagement Retail Toerisme Verkeer Vastgoed 24-11-2015 7
Onze Methode Een visuele demo Friesland Groningen Drenthe Noord-Holland Flevoland Overijssel Gelderland Utrecht Zuid-Holland Noord-Brabant Zeeland Limburg 24-11-2015 8
GEBASEERD OP BLUETOOTH/WIFI TECHNOLOGIE 24-11-2015 9
Scanner SCANNER NIET ZICHTBAAR VOOR CONSUMENTEN 24-11-2015 10
MOBIELE TELEFOONS MET BLUETOOTH/WIFI AAN WORDEN GESCAND Scanner 000128 24-11-2015 11
Scanner 000128 TELEFOONS MET BLUETOOTH/WIFI UIT WORDEN NIET GESCAND 24-11-2015 12
Scanner 000128 00:21:3E:C2:AB:2A 00:19:5E:C9:ED:5C 00:26:9B:D1:ET:3D SCANNER MEET UNIEKE EN TOTALE MAC-ADRESSEN PER STRAAT 24-11-2015 13
REIKWIJDTE SCANNER IS IN TE STELLEN PER SITUATIE 00:21:3E:C2:AB:2A 00:26:9B:D1:ET:3D 00:16:1E:U2:LB:4G 00:19:5E:C9:ED:5C 24-11-2015 14
PASSANTEN TELLEN MET MEERDERE MEETPUNTEN PER STAD 00:26:9B:D1:ET:3D 14:20 uur 00:26:9B:D1:ET:3D 00:26:9B:D1:ET:3D 15:08 uur 14:29 uur 00:26:9B:D1:ET:3D 16:02 uur 24-11-2015 15
REAL TIME KPI S Druktepatroon Uniek nummer 40:5F:BE:C5:28:7C Datum & Tijd 27-07-2014 13:14 Locatie Amsterdam_Nieuwestr. Unieke bezoekers Frequentie bezoek Verblijfsduur Nieuwe bezoekers Loopstroom passant Doorstroom vervoer Woon-werk-winkel 24-11-2015 16
Wet bescherming van de persoonsgegevens Privacy gebruikers gewaarborgd Geen gebruik IMEI-code, GSM-nummer of provider informatie Geen persoonsgegevens bekend Alleen werkzaam binnen bereik meet- en zendunit. Blacklisting mogelijk Privacy protocol beschikbaar 24-11-2015 17
Petje op petje af Hoeveel procent van het winkelend publiek heeft wifi aanstaan? Petje op: 50% Petje af: <50% 24-11-2015 18
Smartphone gebruik in de winkelstraat 80% heeft een smartphone 70 % heeft een smartphone en neemt het mee met winkelen 67% wifi aan 37% bluetooth aan (n=1.025) Bron: Ipsos (2015) 19
Ontwikkelingen in Nederland Friesland Groningen Drenthe Big Data in winkelstraten koppelen aan consumententrends Noord-Holland Flevoland Overijssel Gelderland Utrecht Zuid-Holland Noord-Brabant Zeeland Limburg 24-11-2015 20
De Retail revolutie 1860 1960 1975 REtail wordt MEtail 2000 2010 2020 24-11-2015 21
Index We know where people go Zijn de traditionele indexen nog voldoende om te sturen? 140 Januari 2011 = 100 130 120 110 100 90 80 70 60 50 40 2011 2012 2013 2014 2015 Maanden CBS Detailhandelindex CBS Consumentenvertrouwen CBS Koopbereidheid Citytraffic Index 24-11-2015 22
Minder passanten in winkelstraten 140 120 100-19,5% 80 60 40 20 0 2007 2008 2009 2010 2011 2012 2013 2014 2015 24-11-2015 23
maar bezoekers zijn vaker kopers 24-11-2015 24
Petje op petje af Hoe groot was het online aandeel in detailhandelsomzet in 2014? Petje op: 20% Petje af: <20% 24-11-2015 25
Online bestedingen 2014 14,5% 85,5% Totale bestedingen 96 miljard Bron: Thuiswinkel.org en Detailhandel Nederland 24-11-2015 26
Methode customer journey 1. KLANTBEHOEFTEN THUIS WINKELSTRAAT THUIS 2. ANTWOORD OP KLANTBEHOEFTEN 24-11-2015 27
Consumer behaviour Bricks Clicks Mobile KOMEN KIJKEN KEUREN KIEZEN KOPEN 24-11-2015 28
Onvoorspelbaarheid Consumenten zijn tegenwoordig een beetje. Schizofreen 24-11-2015 29
Altijd en overal beschikbaar 24-11-2015 30
Als alles online en offline kan 24-11-2015 31
Impulsgedrag Bij het winkelen koop ik vaak iets dat ik van tevoren eigenlijk niet van van plan plan was was Bij het winkelen koop ik vaak iets dat ik van te voren eigenlijk Totaal 3,3 3,2 3,1 3 2,9 2,8 2,7 2,6 2,5 2,4 2,3 2,2 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2010 2015 Totaal Lineair (Totaal) Bron: Trendbox 24-11-2015 32
Shoppers switchen van kanaal Webrooming Oriënteren Kopen Showrooming Oriënteren Kopen 24-11-2015 33
Petje op petje af Komt in de winkel oriënteren en vervolgens online kopen vaker voor dan andersom? Petje op: ja, showrooming komt vaker voor Petje af: nee, webrooming komt vaker voor 24-11-2015 34
Als shoppers switchen Als shoppers switchen komt online oriënteren en vervolgens offline kopen 9x vaker voor dan andersom 24-11-2015 35
We begrijpen de customer journey vanuit data Hotspot in Winkel Winkelbezoekers Wachtrij MT Passanten buiten Terugkerende bezoekers Behoefte klant Customer Journey 24-11-2015 36
Tellen is het nieuwe voorspellen! Passanten tellen Bezoekers tellen Bezoek aan afdeling tellen Wachttijd tellen Terugkerende Bezoekers tellen 24-11-2015 37
Toekomstig koopgedrag en consumententrends 2020 38
Consument steeds minder tijd Tijd in in de de keuken: keuken: gemiddelde gemiddelde tijd voor het tijd bereiden voor het van bereiden van de maaltijd een maaltijd 45 40 35 30 41 36 Maar het moet wel gezond! 25 20 15 10 5 23 18 18 18 0 1978 1983 1989 1995 2000 2005 2010 2015 minuten Lineair (minuten) 20% van de Nederlanders is een weekendkoker 20% van de Nederlanders is weekend koker (Bron: Trendbox Focus on Food) Bron: Trendbox 24-11-2015 39
Winkelen doen we graag! Bron: NBTC-NIPO Research 24-11-2015 40
Verandering van openingstijden 24-11-2015 41
Drukte weekdagen groeit naar elkaar toe 30% 25% 20% 15% 10% 2011 2012 2013 2014 2015 YTD 5% 0% Maandag Dinsdag Woensdag Donderdag Vrijdag Zaterdag Zondag 24-11-2015 42
Donderdagkoopavond neemt fors af 200 180 160 140 120-43% 100 80 60 40 20 0 2011 2012 2013 2014 2015 43
Omzet van een winkel of winkelgebied is een simpele rekensom! OMZET = Verzorgingsgebied x Opkomst x Conversie x Bonbedrag Domein van de marketing manager Domein van de sales manager Bron: Formule Prof. dr. R.P. van der Kind 24-11-2015 44
Big Data tools voor de retailmanager Conversion rate = Aantal kopers Aantal winkelbezoekers Kopers Capture rate = Aantal winkelbezoekers Aantal passanten Winkelbezoekers Passanten 24-11-2015 45
Petje op petje af Hoe groot is de gemiddelde capture rate van een modewinkel in een A1-winkelstraat? Petje op: 5% Petje af: <5% 24-11-2015 46
Petje op petje af Kleine winkel 1-2% Grote winkel 3-4% 24-11-2015 47
Het internet is altijd open 24-11-2015 48
Online kopen wordt graag op zondag gedaan Gemiddeld drukteverloop 20% 18% 16% 14% 12% 10% Conversion Visit Winkelstraat 8% 6% maandag dinsdag woensdag donderdag vrijdag zaterdag zondag 24-11-2015 49
Petje op petje af Hoe groot is de gemiddelde conversion rate online? Petje op: <5% Petje af: 5% 24-11-2015 50
Petje op petje af 2,2% 24-11-2015 51
Google analytics van de winkels Weet u het nog? Kunt u nog goed voorspellen of begroten? 24-11-2015 52
De retailmanager van nu weet dit elke dag! 24-11-2015 53
De beleidsadviseur van nu stuurt zijn beleid hierop! 24-11-2015 54
Petje op petje af Ik heb al voldoende informatie om goede beslissingen te nemen Petje op: eens Petje af: oneens 24-11-2015 55
Regionale ontwikkeling 24-11-2015 56
Regionale ontwikkeling Q3 2015 t.o.v. Q3 2014 Noord -19% Landeiljk +1% West +1% Oost +1% Zuid +5% 24-11-2015 57
Is uw stad of winkel fit for the future? Oplossingen met Big Data: Verblijfstijd Monitor Uitwisselingstabel Event Monitor Winkelcentrum Strandmonitor 24-11-2015 58
CASE BIG DATA IN RETAIL Verblijfstijd Monitor Hoe lang blijft de bezoeker in de binnenstad? Rotterdam 24-11-2015 59
Verblijfstijd Monitor Rotterdam Vraag: Onderzoek continu verblijfstijd van de gehele binnenstad Besluit: Cordon om de binnenstad met sensors Effect van beleidsmaatregelen voor de binnenstad monitoren 3 jaar lang 24-11-2015 60
Inzicht in verblijfstijd door big data onderzoek Doelgroepen die uitgesloten dienen te worden zijn: 1. Bewoners van het gebied 2. Mensen die in het gebied werken Interval # Verblijfstijden % Totaal 6.629.976 100% 0 30 minuten 4.297.391 65% 30 60 minuten 343.921 5% 60 120 minuten 488.346 7% 120 180 minuten 359.587 5% Langer dan 180 min 1.140.731 17% 24-11-2015 61
Data koppelen aan gedragspatronen Doelgroepen die later uitgesloten konden worden: 3. Bezoekers die het cordon schampen Interval # Verblijfstijden % Totaal 2.332.585 100% 30 60 minuten 343.921 14,7% 60 120 minuten 488.346 20,9% 120 180 minuten 359.587 15,4% Langer dan 180 min 1.140.731 48,9% 24-11-2015 62
CASE BIG DATA IN RETAIL Loopstromen in winkelgebieden als bouwsteen voor de regionale Retailvisie Leidse regio 24-11-2015 63
Waar loopstromen Vraag: Hoe gebruikt de consument de winkelgebieden in de Leidse regio? Besluit: 24/7/365 uitwisseling van passanten meten Grote winkelgebieden uitgevoerd met sensors Monitoring per kwartaal 24-11-2015 64
bouwstenen resultaat input We know where people go Bouwstenen Retailvisie Leidse regio Informatie huidige retailaanbod Trends Aanbod winkels Trends in retail Bezoekersstromen CT Loopstroom Scan Werkateliers BSR Identiteit Scan Werkateliers 071 DNA bewoners Retailvisie Leidse regio 24-11-2015 65
Uitwisseling meten winkelgebieden Leidse regio 32% 11% 11% 10% 16% 66
Uitwisselingstabel Leidse regio 24-11-2015 67
Doen wat we zeggen? Of zeggen wat we doen? C. Rijnsburg 100% C. Katwijk 32,1% C. Leiden 15,5% t Heen 11,2% Lange Voort 11,1% Kempenaerstraat 9,8% Luifelbaan 4,6% De Baanderij 3,0% Rijneke Boul. 2,2% WOOON 2,1% Kopermolen 2,0% Lammenschansweg 1,2% C. Voorschoten 1,1% C. Zoeterwoude 0,4% 24-11-2015 68
CASE BIG DATA IN RETAIL Event Monitor Alkmaar 24-11-2015 69
Event monitor Kaasmarkt Alkmaar Vraag: Permanent meten van de drukte oa tijdens vrijdag Kaasmarkt en bepalen of deze economische relevant is voor de binnenstad? Besluit: Monitoren van verschillende evenemententerreinen in binnenstad Vergelijken met drukte winkelstraat 24-11-2015 70
Economische relevantie Kaasmarkt Gemiddelde drukteverhouding binnenstad Alkmaar Shoppers Maandag Dinsdag Woensdag Donderdag Vrijdag Zaterdag Zondag 24-11-2015 71
Dagverloop vrijdag 1400 1200 Kaasmarkt Horeca 1000 800 600 400 200 0 24-11-2015 72
Economische relevantie Kaasmarkt 24-11-2015 73
CASE BIG DATA IN RETAIL Strandmonitor Katwijk 24-11-2015 74
Strandmonitor Katwijk 2015 Vraag: Hoe verhoudt de drukte in de winkelstraten zich met de drukte op het strand? Besluit: Sensoren op strandopgangen en in het centrum Per maand monitoren uitwisseling tussen strand en winkelgebied 24-11-2015 75
Netwerk op verschillende locaties in Katwijk Strand Centrum Horeca 24-11-2015 76
Unieke passanten Zonuren We know where people go Wisselende weekdrukte strand Katwijk 70.000 60.000 50.000 80 70 60 40.000 30.000 20.000 10.000 50 40 30 20 10 Unieke passanten Zonuren 0 14 15 16 17 18 19 20 21 22 23 24 25 26 Weeknummers 0 24-11-2015 77
Kwartaalrapport Weekrapport 10.000 8.000 6.000 4.000 2.000 0 ma di wo do vr za zo 24-11-2015 78
CASE BIG DATA IN RETAIL Uw winkelcentrum?? 24-11-2015 79
Wat is het effect van - een wegomlegging bij het sluiten van een brug? - van een parkeertariefverlaging op winkelbezoek? - het weer op de stranddrukte? - het gebruik van een nieuwe fietsroute? Hoe - presteert het winkelcentrum t.o.v. binnenstad? - goed is de doorstroming van vervoer door de binnenstad/straat? 24-11-2015 80
Zet small steps in big data Success is not final, failure is not fatal: it is the courage to continue that counts Winston Churchill 24-11-2015 81
Zet small steps in big data Wekelijks CT index Maandelijks binnenstad monitor Data van bestaande sensors Eigen sensor voor de winkel Datascience en consultancy 1.649 per jaar 3.500 per jaar 299 per jaar 499 per jaar 100 per uur 24-11-2015 82
Vragen? CityTraffic Berghaus Plaza Koningin Wilhelminaplein 2-4 1062 HK Amsterdam www.citytraffic.nl Directeur Huib Lubbers Tel. 020-6070 773 E-mail: h.lubbers@citytraffic.nl Twitter: @citytrafficnl 24-11-2015 83