Samarbeid - Kundeinnsikt

1. Verditrær

1.1 Verditre kategori

1.2 Verditre merkevare

1.3 Verditre produkt

2. Kroneeffekter

3. Kundesegmenter

Verditrær

Tolkning av verditrær

Alle verditrærne i REMA Connect baserer seg på rullerende 12 måneders data og effektene beregnes som endringer mellom siste 12 måneder mot de foregående 12 måneder.

I samarbeidsversjonen av verditre-rapporten kan du også få et innblikk i hva som driver omsetningen i kategoriene du er i. Effektene beregnes som endring i omsetning valg periode mot foregående periode. Verditreet viser hvordan måltallene brytes ned, slik at du har mulighet for å spotte "driverne" bak oppgang eller nedgang.

Er det antall kunder eller endringer i kundenes kjøp som påvirker kategoriutviklingen mest? F.eks. ser du om kategorien får flere/færre kunder eller kjøper de kategorien hyppigere/lavere?

Kroneeffekter

Merk at denne rapportsiden er på kategorinivå - på tvers av leverandører. Leverandørfilteret her filtrerer kun hvilke kategorier man får opp.

Formålet med rapportsiden «Kroneeffekter» er å gi et innblikk i hva som driver omsetningen i kategoriene du er i, i R-universet. Du kan selv velge tidsperioder og tallene sammenlignes med samme periode foregående år. Til forskjell fra Verditre-fanen kan du dessuten her fritt velge kategorier, produkter og merkevarer. Du kan også filtrere tallene på kundesegmenter. I tabellen kan du se hva som driver omsetningsendringen for hver enkelt leverandør i kategorien(BO3), samt for produktene deres.

Om man ønsker å filtrere på enkeltleverandører innad i valgt kategori - se denne artikkelen om filtrering via tabell.

OBS: Denne rapporten stiller store krav til prosesseringskraft og kan til tider være noe treg. Begrens utvalget / tidsperioden for å gjøre kjøringen mindre krevenet.

Effekt* = endring i omsetning mellom gjeldende periode og samme periode foregående år.

Kundesegmenter 

Kundeinnsikt

I rapporten kundesegmenter får du en god forståelse av hvilke kunder som i størst grad handler dine produkter. Verditreet viser hvilken effekt endringer i kundens handlemønster har på omsetningen og kan for eksempel brukes i kategori-, innovasjons- og merkevareplaner.

Hvilke segmenter tilhører kundene, og hvordan utvikler det seg over tid?

I denne rapporten får du innsikt i hvordan omsetningsandelene for ulike kundesegmenter er for leverandører i kategorier du har varer i. I filteret for segment er det mulig å velge mellom ulike segmentkategorier:

Alder

Satte alderssegmenter for å formidle hvilken aldersgruppe kundene befinner seg i. Rapporten har fem ulike alderssegmenter: 

Hverdag/helgehandel: 

Kjønn

Prissegmentering

Vi har tatt utgangspunkt i de ulike kundebehovene og scoret alle varer avhengig av hvordan universalprisen (pris per stk/kg/ltr) er sammenlignet med andre varer i samme kundebehov. Deretter har vi sett på all handel over 52 uker på tvers av kunder og målt en snittscore per kunde som plasserer kunden enten i segmentet Prisfokusert, Balansert eller Kvalitetsbevisst. 

Segmentene oppdateres ukentlig og er basert på siste 52 ukers handel.

Lojalitetssegmentering

Lojalitetssegmenteringen er en klassifisering av kunder utfra deres lojalitet til REMA 1000. 
Modellen ser på 2 faktorer. Hvor ofte kundene handler og hvor bredt de handler (målt i antall BO2 kategorier )
Segmentene oppdateres ukentlig og er basert på siste 8 ukers handel.

Livsfasesegmentering​

Målet med denne segmenteringen er å identifisere kundegrupper med ulike behov og handlemønstre for bedre innsikt og mer målrettede tiltak​

Segmenteringen deler kundene inn i 5 ulike livsfaser basert på demografi (alder), hvilke type produkter man handler og hvor ofte og mye man handler – se detaljer under​

Segmentene oppdateres ukentlig og er basert på siste 52 ukers handel​

Vi har brukt følgende variabler for å bygge segmenteringen:​

• Alder
• Antall personer i husholdningen​
• I hvor stor grad man handler produkter til små barn som bleier og barnemat​
• I hvor stor grad man handler produkter til litt eldre barn som barneklær, frokostblandinger etc.​
• Størrelsen på handlekurvene​
• Antall transaksjoner​
• I hvor mange kategorier man handler i snitt per besøk​

​Dette har gitt oss følgende segmenter:​

​

Rapportside-oversikt

I den første tabellen vil du se segmenteringsindeksen per segment, for alle produkter og alle leverandører i valgt kategori. Tallene vises i prosentpoeng(pp).

Indeksen beregnes ved å se på forskjellen mellom andel omsetning for dine valgte produkter for ett segment i forhold til andelen for REMA 1000 totalt i samme segment – det vil si alle varer solgt, alle leverandører. 

Ved å drille ned i tabellen kan du se de samme tallene, men på leverandør/merkevare/produktnivå, og for eksempel se hvordan ulike leverandører i samme kategori gjør det innen et gitt segment.

I stolpediagrammet til høyre vil man se de faktiske andelene for henholdsvis valgte kategorier og for hele REMA 1000:

På bildet med andelsindeksene lenger over, ser vi for eksempel at det er de 60-69 år som i minst grad handler Dypfryst Pizza: Norsk (Indeks -4,2). Hvis vi ser på omsetningsandelene for Dypfryst Pizza: Norsk i dette segmentet er den 9,3 %, mens kunder 60-69 år står for 13,5 % av all omsetning i REMA 1000: 9,3 - 13,5 = -4,2 i segmentindeks, hvilket tilsier at de som er 60-69 år handler mindre i Dypfryst Pizza enn de i andre produktkategorier.

Den nederste tabellen på rapportsiden viser omsetning per segment og kategori. Ved å drille i tabellen kan du se omsetningen på lavere nivå - leverandør, merkevare eller produktnivå. Denne innsikten vil gi et bilde av hvor stor verdi de ulike segmentene har. Tabellen kan også eksporteres til Excel for videre analyse

Ved å trykke på Historikk øverst til venstre i rapporten, vil du få opp to andre diagrammer:

Øverst vises et stolpediagram med tilsvarende endring, men for hele REMA 1000 totalt. Nederst vises endringen i omsetningsandel for valgt periode mot samme periode i fjor, for de produktene man har filtrert på. Her er det interessant å se om utviklingen man ser stemmer overens med utviklingen for REMA 1000 totalt, eller om det er noe som er unikt for de produktene man har filtrert på. I bildet over ser vi for eksempel at andel omsetning blant kunder som er 30-39 har økt mindre for egne produkter (+ 0,3 pp) enn totalt for REMA 1000 (+0,7 pp).