Dados poderosos de pegadas podem fornecer visibilidade ao desempenho da concessionária para OEMs automotivos e grandes grupos de concessionárias - se você souber como olhar para isso corretamente. Os vendedores se encontram com os clientes pessoalmente no lote, os revendedores locais possuem o relacionamento do cliente e administram seus negócios de forma independente. Enquanto isso, os fabricantes de carros gastam bilhões em publicidade, mas têm visibilidade limitada sobre como os gastos afetam os padrões de compra e o desempenho do varejo.
Technology has changed business in so many ways around the world, yet cars are still sold the same way they have been for decades. Salespeople meet customers face-to-face on the lot, local dealers own the client relationship, and they run their businesses independently. Meanwhile, car makers spend billions on advertising but have limited visibility into how the spending impacts buying patterns and retail performance.
Em um ambiente global, onde as idéias de clientes baseadas em dados estão se tornando importantes para a sobrevivência econômica em muitos setores, Automotivo OEMs e grandes grupos de revendedores estão operando com uma lacuna de informação - é um pouco como dirigir cego.
Automotive OEMs and large dealer groups are operating with an information gap—but footfall analytics can change that.
Uma resposta é reconfigurar o modelo de vendas do setor, pois a Tesla está tentando fazer com suas próprias concessionárias diretas ao consumidor. Na Europa, empresas como Mercedes e Volvo também estão adotando essa abordagem, mas o estabelecimento dessas concessionárias levará tempo e muito dinheiro. E se houvesse uma maneira de obter uma vantagem significativa em um setor maduro, onde a tração competitiva é difícil de encontrar e até uma pequena vantagem pode fazer uma grande diferença? Através de uma fusão criativa de dados disponíveis ao público, agora é possível acessar uma mina de ouro anteriormente desconhecida. Quando usado em combinação com outras informações, os dados de pegadas contam a história do que as pessoas visitam as pessoas e é um proxy confiável para as taxas de conversão de vendas. Oems automotivos e grandes grupos de revendedores podem usar essas análises de várias maneiras para obter informações poderosas sobre o desempenho das vendas, a força do concorrente e a eficácia dos investimentos em marketing. 2021.
What if there were a solution that could deliver data-based insights and help improve productivity without the gargantuan effort of upending entire industry models? What if there were a way to gain a significant edge in a mature sector where competitive traction is hard to come by and even a small advantage can make a big difference?
Boston Consulting Group has developed a method for analyzing available data that shows how many people visit and purchase cars from a particular dealership. Through a creative merging of publicly available data, it’s now possible to access an information goldmine previously unknown.
The analysis is based on footfall data, which is foot-traffic information from mobile phone geodata (individuals are aggregated to anonymous data points, so no personal information is revealed). When used in combination with other information, footfall data tells the story of what dealerships people visit and is a reliable proxy for sales conversion rates. Automotive OEMs and large dealer groups can use these analytics in many ways to gain powerful insights into sales performance, competitor strength, and the effectiveness of marketing investments.
Conducting the Footfall Analysis
BCG and PlaceSense, an Israel-based data provider, collected and analyzed the footfall data for the major automotive brands in Germany, in 2019, 2020, and 2021.
Fontes e métodos
Para medir o desempenho da concessionária, avaliamos três fontes de informação independentes: os pontos geodatos de 10 milhões de telefones celulares, dados do registro de terrenos para 36.000 edifícios e dados oficiais de registro de carros. (Consulte o Anexo 1.)
After validating the mobile phone data and the building footprints, we combined them to capture only the people entering dealerships. We also confirmed that the data represented unique visitors, and, using logic based on duration and timing, we filtered out employees and after-hours visits.
We analyzed the data on the 5.8 million new cars registered with the German auto registry office to determine how many cars each dealer sold.
By combining the registration numbers with the dealerships’ building footprints, we were able to establish the point of sale for every car. Adding the footfall metrics per building into the equation allowed us to determine the number of visitors, number of cars sold, and conversion rate (the number of visits that are converted to sales) for each dealer. We used these findings to rank the individual dealers’ conversion rates so that we could compare the sales performance of different dealers of the same brand or across brand dealer networks.
Findings
Our analysis revealed that the top brand attracted more than triple the number of visitors per dealership as did the bottom brand. (See Exhibit 2.)
The top performer, a volume brand, had a conversion rate of 15.5%, while the next two brands (one premium, one not) came in at around 14%. The brands on the bottom, all volume brands, had conversion rates of 10% to 12%. (See Exhibit 3.)
Na grande diferença de vendas de carros intensamente competitiva. Ainda mais valioso é saber o que influencia as taxas de tráfego e conversão de pedestres e como melhorá -las. Um revendedor com uma ligeira vantagem competitiva de vendas tem mais a gastar em publicidade ou outros investimentos estratégicos e deve aumentar sua liderança ao longo do tempo. Mas isso não significa necessariamente que seu desempenho de vendas seja abaixo. Nesse caso, os três OEMs com o menor número de visitantes têm algumas das maiores redes de lojas e confiam em uma grande presença no mercado, em vez de uma forte taxa de conversão de vendas.
As the exhibits demonstrate, the three OEMs that had the fewest visitors per dealer also had the lowest conversion rates. But this doesn’t necessarily mean their sales performance is subpar. In this case, the three OEMs with the fewest visitors have some of the biggest store networks and are relying on a large market presence rather than a strong sales conversion rate.
Estas são apenas algumas das maneiras pelas quais a análise de pegadas pode gerar informações. Para avaliar os fatores de conversão subjacentes em mais detalhes, os OEMs podem combinar os resultados com seus próprios dados (em modelos de carros, características da concessionária ou equipe de vendas) para criar métricas significativas. Eles podem obter informações sobre os tipos de carros disponíveis em diferentes locais e quão bem eles estão se convertendo e, posteriormente, otimizar a configuração de cada concessionária. Mas o benchmarking pode ser caro, demorado e limitado às empresas que participam da pesquisa. O benchmarking fornece apenas um instantâneo de ponto de ponta e a qualidade dos dados pode variar. Por outro lado, a análise de dados de pegadas pode ser realizada continuamente por um período indeterminado e em uma ampla população de concorrentes e marcas. Os dados são mais detalhados e mais confiáveis e podem ser usados de várias maneiras. concorrentes. Eles também podem avaliar o desempenho de diferentes concessionárias. Os grupos de OEMs e revendedores podem medir o impacto das promoções nas visitas de concessionária e no desempenho da conversão para entender quanto essas atividades aumentam suas vendas - e os concorrentes inferiores '. Nossa análise de dados de pegadas mostrou que o investimento adicional gerou um salto de 57% nas visitas de concessionária nos meses que se seguiram diretamente. (Veja a Anexo 4.) Por outro lado, quando o grupo de revendedores reduziu esse gasto em 67% no terceiro trimestre, as visitas caíram 64%.
Some of this type of analysis can be achieved through established benchmarking techniques. But benchmarking can be expensive, time-consuming, and limited to the companies that participate in the survey. Benchmarking provides only a point-in-time snapshot, and the data quality can vary. By contrast, footfall data analytics can be conducted on an ongoing basis over an indefinite period and across a wide population of competitors and brands. The data is more detailed and more reliable and can be used in numerous ways.
Powerful and Versatile Analytics
In addition to providing visibility into store performance, footfall analytics can be used in many different areas.
Marketing
OEMs and large dealer groups can use footfall analytics to assess their overall conversion rate against that of their competitors. They can also assess the performance of different dealerships.
Return on Investment. Footfall analytics can be used to understand the effectiveness of the marketing budget and optimize it accordingly by providing visibility into ROI and rebate steering. OEMs and dealer groups can measure the impact of promotions on dealership visits and conversion performance to understand how much these activities boost their sales—and lower competitors’.
For example, during the second quarter of 2021, a dealer group in Germany increased marketing spending by 50%. Our footfall data analysis showed that the additional investment drove a 57% jump in dealership visits in the months that directly followed. (See Exhibit 4.) Conversely, when the dealer group reduced this spending by 67% in the third quarter, visits dropped 64%.
Footfall data can also be used to improve investment decisions.
Orçamento. Os grupos de revendedores poderiam entender o que os investimentos em capital ou marketing estão tendo o maior impacto e repeti -los ou podem priorizar os gastos com anúncios em locais de concessionária que trazem os maiores retornos. Um modelo de aprendizado de máquina pode prever quanto tráfego de pedestres aumentará se os gastos com marketing forem aumentados e quanto diminuirá se os gastos diminuirem. Footfall data can also be used to improve investment decisions, capital and otherwise, across the sales and service network. Dealer groups could understand what capital or marketing investments are having the biggest impact and repeat them or could prioritize ad spending in dealership locations that bring the greatest returns.
In addition, it’s now possible to predict the effectiveness of marketing investments before implementation. A machine-learning model can forecast how much foot traffic will grow if marketing spending is increased and how much it will shrink if spending is decreased.
Branding. Insights Pootfall Analytics também podem melhorar as decisões de marca, porque os revendedores agora têm a capacidade de medir o impacto que a publicidade tem no tráfego de pedestres da concessionária em uma região específica. Por exemplo, um veículo crossover de SUV pode ser posicionado como um veículo urbano elegante em uma região e um SUV de escala de montanha em outro. Se, por exemplo, o tráfego de visitantes em determinadas concessionárias for maior que o esperado, esses dados podem ser usados como um sinal de mercado para evitar estoques ou tempos de entrega desnecessariamente longos. Além disso, os revendedores podem extrair essas informações para obter informações para diferentes regiões e modelos individuais. As informações podem ajudar a determinar se deve aumentar a presença física em regiões estrategicamente importantes. Os dados de desempenho de conversão também devem ser considerados ao avaliar possíveis metas de aquisição. Para esses OEMs, o tráfego de pedestres pode fornecer inteligência valiosa sobre a eficácia de uma concessionária posicionando a marca. Os dados também são úteis ao identificar os melhores locais para novas concessionárias e tomar outras decisões de entrada no mercado.
Supply Chain
Footfall analytics offer another valuable benefit: they can inform supply chain decisions. If, for example, visitor traffic in certain dealerships is higher than expected, that data can be used as a market signal to avoid stockouts or unnecessarily long delivery times. In addition, dealers can mine this information to gather insights for different regions and individual models.
Network
Using the comprehensive insights across multiple dealerships, footfall analytics can also help to optimize the dealership network footprint by identifying whitespace and understanding where the competition has an exceptionally strong conversion rate. The information can help determine whether to increase physical presence in strategically important regions. Conversion performance data should be considered when valuing potential acquisition targets as well.
Electric-Vehicle OEMs
Footfall analytics can be useful for EV manufacturers, even though their dealerships typically serve as lead-generating showrooms and do not conduct sales transactions. For these OEMs, foot traffic can provide valuable intelligence on how effectively a dealership is positioning the brand. The data is also helpful when identifying the best locations for new dealerships and making other go-to-market decisions.
OEMs automotivos e grandes grupos de concessionárias podem melhorar bastante a eficácia de seus gastos com marketing com melhores informações sobre o desempenho comparativo de vendas de concessionárias de carros independentes. O método, desenvolvido pelo BCG, usa a análise de pegadas para comparar dados de telefones celulares com informações de registro de terras e registro de carros para identificar volumes de tráfego de vendas e taxas de conversão de vendas. As informações podem permitir que as empresas melhorem a tomada de decisões em áreas, desde o marketing até os gastos da cadeia de suprimentos. Artigo.
We thank Jan Barenhoff, Eyal Laxner, Philipp Kohn, Yuhang Lu, Quan Nhon Vuong, Rishit Aakash, Julia Heskel, and Pascal Bruckner for their contributions to this article.
