CPG Data Tip Sheet fokuserar på utbildning och bästa praxis för att analysera syndikerade försäljningsdata för detaljhandeln från IRI och Nielsen (och SPINS för dig som är verksam inom Natural/Organic-sektorn). Men syndikerade data är inte den enda typen av CPG-data som du kommer att stöta på. Det är faktiskt inte ens den enda typen av försäljningsdata för detaljhandeln! I det här inlägget tar vi ett steg tillbaka för att beskriva hur syndikerade data passar in i den större bilden av CPG-data. Att förstå detta kommer att hjälpa dig:
- Det är viktigt att du förstår vilka datakällor du bör använda för att besvara olika frågor
- Förstå styrkor och svagheter hos varje datakälla (och hur det kan påverka din analys) och
- Besluta om syndikerade data är något du behöver i din dataarsenal (och budget)
Fördelarna med detaljhandelsförsäljningsdata
Syndikerade data är en typ av detaljhandelsförsäljningsdata. Jag kommer nedan att tala om skillnaderna mellan syndikerade data och direktdata från återförsäljare, som är en annan viktig typ. Men först ska vi ta upp några av de speciella egenskaperna hos alla försäljningsdata från detaljhandeln.
Inte alla behöver data från detaljhandeln för att mäta försäljningen. Tillverkare av CPG-produkter vet redan exakt vad de har skickat till varje återförsäljare och när. Så varför är tillverkare av konsumentprodukter de främsta köparna av försäljningsdata från detaljhandeln? Eftersom leveranserna ligger långt ifrån konsumenternas beteende – mycket kan hända under tiden mellan det att en produkt levereras från en fabrik och köps i en butik. Försändelser berättar inte vilket pris en köpare betalade, när de köpte eller vilken typ av förhållanden i butiken som påverkade försäljningen. För detta behöver du information om detaljhandelns försäljningsnivå, som också kallas ”konsumtionsdata”. Andra termer för detta är takeaway, off-take, downstream och POS-data.
Data om detaljhandelsförsäljning ger också insikter som inte är tillgängliga genom marknadsundersökningsmetoder som t.ex. konsumentundersökningar. Tillverkare av CPG-produkter kan samla in värdefulla uppgifter genom enkätundersökningar. De segmenterar köparna i olika grupper baserat på attityd, frågar köparna om deras preferenser för produktfunktioner, testar deras reaktioner på olika förpackningsgrafik och mycket mer. Men uppgifter om detaljhandelsförsäljning skiljer sig från alla dessa källor till konsumentinsikt eftersom de återspeglar det faktiska beteendet. Den mäter inte vad människor tänker eller känner, utan snarare vad de köpte vid ett visst tillfälle i en viss butik under vissa marknads- och konkurrensförhållanden.
The Retail Sales Data Landscape
Det är bra att veta att all data om detaljhandelsförsäljning kan delas in i fyra grupper, baserat på en kombination av två parametrar.
- Datakälla: Kom den direkt från återförsäljaren (som Walmart eller Meijer) och återspeglar därför endast försäljningen för den återförsäljaren? Eller kommer de från en syndikerad leverantör (som IRI eller Nielsen) som samlar data från många detaljister för att skapa en bild av den totala marknaden?
- Datafokus: Är uppgifterna inriktade på försäljningen på butiksnivå och kombinerar transaktionerna för alla enskilda köpare? Eller ger uppgifterna dig insikter om individuellt beteende på konsument- eller hushållsnivå?
Grafiken nedan illustrerar hur dessa parametrar kombineras för att skapa fyra typer av uppgifter om detaljhandelsförsäljning.
Här är de viktigaste skillnaderna mellan var och en av de fyra typerna av försäljningsdata för detaljhandeln:
Syndikerade butiksdata
- Bästa användningsområden: Allmänt lärande om försäljningstrender, konkurrensanalyser, distribution, pris och handelsfrämjande åtgärder.
- Finns från Nielsen, IRI och SPINS för de flesta större återförsäljare inom livsmedels-, apoteks-, dollar-, mass-, bekvämlighets-, klubb- och militärkanaler.
- Data finns tillgängliga för hundratals marknader i hundratals kategorier för alla UPC:er i kategorin. Konsistensen gör det lätt att jämföra produkter, återförsäljare och marknader.
Retailer Direct Store Data
- Bästa användningsområden: samarbete med återförsäljare, hantering av kategorier och leveranskedjor. Det är återförsäljarnas faktiska data, organiserade på det sätt som de vill se dem.
- Finns från många återförsäljare, stora och små.
- Datas tillgänglighet och format varierar.
- Data kommer aldrig att inkludera konkurrerande återförsäljare och täcker ofta inte hela kategorin, utan endast dina egna produkter
Syndikerade paneldata
- Bästa tillämpningar: Förstår köparbeteenden som butiks- och varumärkeslojalitet, andel av plånboken, korsköp, kanalbyte, demografi och köpfrekvens
- Tillgängligt från Nielsen, IRI och SPINS för ett demografiskt balanserat urval av 120 000 hushåll som skannar UPC-kodade inköp i hemmet.
- Gör en fullständig bild av hushållens köpbeteende hos alla återförsäljare, även de som inte tillhandahåller butiksdata till leverantörerna. Urvalsstorleken kan dock vara ett problem för vissa produkter med låg penetration.
Retailer Direct Panel Data
- Bästa tillämpningar: förståelse av köparbeteenden som korgstorlek, resor, köphastighet och korsköp hos en viss återförsäljare
- Finns endast hos stora återförsäljare.
- Sampelstorleken kommer inte att vara ett problem för de flesta produkter, men beteendebilden är ofullständig och frågor som lojalitet och andel av plånboken kan inte besvaras eftersom det inte finns någon information om vad köparna gör utanför den aktuella återförsäljaren.
Läs mer om direkt data från återförsäljare vs. syndikerade data här. Läs mer om butiksdata vs. paneldata här och här.
Söker du utbildning i det här ämnet? Jag rekommenderar Category Management Knowledge Groups onlinekurs Understanding and Using Data (förstå och använda data). Om du redan kan grunderna kan du kolla in deras kurser Building Data Competency. Det finns en om butiksdata och en om paneldata.
Fann du den här artikeln användbar? Prenumerera på CPG Data Tip Sheet för att få framtida inlägg levererade till din e-postinkorg. Vi publicerar artiklar en eller två gånger i månaden. Vi delar inte din e-postadress med någon.