Midden in de roos. Onderzoek ter ondersteuning van vestigingsplaatsevaluatie en -keuze

strategie Trefwoorden: Retail | Vestigingsplaats | Winkellocatie

‘Midden in de roos’ Onderzoek ter ondersteuning van vestigingsplaatsevaluatie en -keuze Als retailer wil je graag op de juiste locatie zitten om klanten te trekken. Een retailer kan niet meer net als vroeger voornamelijk op zijn gevoel af gaan bij een beslissing over een vestigingsplaats of uitbreidingsplan. Aan zo’n beslissing gaat tegenwoordig uitgebreid onderzoek vooraf waarin onder andere sociodemografische kenmerken en levensstijlen van de inwoners van het verzorgingsgebied in kaart worden gebracht. Een nieuw kwantitatief regressiemodel, waarin de potentiële omzet van een vestiging in verband wordt gebracht met klant-, omgevings- en winkelkenmerken, kan daarbij goede diensten bewijzen. Auke Hunneman, Alfard Clerc en Tammo Bijmolt

V

eel retailers in de grote winkelsteden zijn ontevreden over hun huidige winkellocatie, zo blijkt uit onderzoek van makelaarsvereniging NVM (bron: Winkelmarktonderzoek 2006, NVM BOG). Ongeveer 20 procent van de middenstanders wil om die reden zelfs verkassen. Hoewel een goede locatie geen garantie is voor succes, zijn de nadelen van een slechte locatie moeilijk te compenseren. Beslissingen over nieuwe en bestaande vestigingslocaties zijn dus van cruciaal belang voor retailers en andere besluitvormers. Waarom zijn beslissingen over winkellocaties cruciaal? In de eerste plaats bepaalt de reisafstand in belangrijke mate waar de consument winkelt en daarmee het verzorgingsgebied van de winkel. Wil je mogelijke kopers trekken dan is een juiste winkellocatie dus essentieel. Ten tweede zijn locatiebeslissingen moeilijk of niet

terug te draaien en hebben dus een langdurig effect op de ondernemingsprestaties. Veranderingen in de winkelomgeving kunnen er bovendien voor zorgen dat een geschikte vestigingsplaats verandert in een minder goede locatie, zodat ervaring een steeds minder betrouwbare factor wordt. Daarnaast wordt het voor retailers moeilijker om goede locaties te vinden tegen een aantrekkelijke prijs. Het adagium dat de drie belangrijkste factoren in retailing ‘locatie, locatie en locatie’ zijn, geldt daarom

Het model is geschikt voor alle winkels met een duidelijk klantprofiel

Management EXECUTIVE november/december 2007 WWW.KLUWERMANAGEMENT.NL

nog steeds. Deze factoren zorgen ervoor dat steeds meer retailers overgaan tot een voortdurende evaluatie van huidige vestigingslocaties en het inventariseren van eventuele uitbreidingsmogelijkheden. De behoefte aan geavanceerde en systematische benaderingen heeft in de wetenschappelijke literatuur geleid tot het ontwikkelen van kwantitatieve modellen. Voorbeelden hiervan zijn: gravitatiemodellen, regressiemodellen en ruimtelijke allocatiemodellen (Buckner, 1998). In dit artikel stellen wij een kwantitatieve aanpak voor waarbij het omzetpotentieel van (nieuwe) vestigingen wordt geschat op basis van gegevens over bestaande vestigingen. Waarom een kwantitatief model? Locatiebeslissingen werden in het verleden veelal genomen op basis van het ‘gevoel’ 19

strategie

van de retailer, die met zijn ervaring en kennis van de betreffende markt een oordeel vormde over mogelijke nieuwe vestigingsplaatsen. De betrouwbaarheid van deze kwalitatieve methode is in de loop van de jaren sterk afgenomen door de toegenomen concurrentie op veel markten en de toegenomen dynamiek in de retailomgeving. Daarom ontstond behoefte aan meer systematische en geavanceerde methoden die behulpzaam zijn bij het beantwoorden van de vraag waar een nieuwe winkel moet worden geopend. De vraag of en waar een nieuwe winkel moet worden geopend, is afhankelijk van de winstbijdrage van de betreffende winkel aan de winst van de hele onderneming. Dit betekent dat je enerzijds een schatting moet maken van het omzetpotentieel van

de locatie en anderzijds de kosten van deze nieuwe locatie moet ramen. De kosten van bijvoorbeeld de huur van het pand en de inzet van personeel zijn relatief eenvoudig te bepalen, voor het omzetpotentieel geldt dit echter niet. Een model dat een voorspelling geeft van het omzetpotentieel is daarom een waardevol instrument om de voorgestelde vestigingslocaties te beoordelen. Op basis van de omzetschattingen en de kostenstructuur kan het management vervolgens beslissen of er in een nieuwe locatie wordt geïnvesteerd. Deze methode is een hulpmiddel bij het zoeken naar de juiste locaties, maar zal niet direct het doorslaggevende antwoord geven. Een mogelijke andere toepassing van het model is het evalueren van de prestaties van huidige vestigingen. Door

statistische modellen te gebruiken, kun je een inschatting maken van de ‘gebruikelijke’ omzet van een winkel met bepaalde kenmerken. Als de werkelijke prestatie van deze winkel afwijkt van de omzetschatting, dan kun je met behulp van het voorgestelde model en nadere analyse van de specifieke situatie nagaan wat de oorzaak is van het positieve of negatieve verschil. Was de weg bij het winkelcentrum lange tijd opengebroken of is er iets meer structureels aan de hand? Waaruit bestaat het model? In de wetenschappelijke literatuur zijn verschillende kwantitatieve modellen voorgesteld ter ondersteuning van vestigingsplaatskeuze (zie tabel 1; zie bijvoorbeeld ook Craig, Ghosh en McLafferty, 1984;

Kwantitatief model

Voordelen

Nadelen

Toepassing

Regressiemodellen

• Lage ontwikkelingskosten

• Model moet voldoen aan een

Meest geschikt voor heterogene

aantal statistische assumpties

markten, waar sprake is van een

• Minder geschikt voor het doen

duidelijk klantprofiel per retailer

• Eenvoudig toe te passen • Aan te passen aan de specifieke situatie

van voorspellingen voor sterk

• Mogelijkheid om een groot aantal

afwijkende winkels

variabelen in het model op te nemen • Geschikt voor het doen van voorspellingen Gravitatiemodellen

• Uitkomsten zijn gemakkelijk te interpreteren • Relatief weinig gegevens nodig

• Technische expertise vereist

Meest geschikt voor homogene

• Hoge ontwikkelingskosten

markten, waar (reis)afstand van

• Veronderstelt dat consumenten

grote invloed is op de winkelkeuze

de dichtstbijzijnde winkel bezoeken • Aanvullende gegevens over gemiddelde bestedingen per bezoek nodig • Alleen herverdeling marktvraag als nieuwe winkel wordt geopend Ruimtelijke allocatiemodellen

• Mogelijkheid om optimale winkelnetwerk te bepalen, rekening houdend met interacties tussen

• Technische expertise vereist

Meest geschikt voor retailketens die

• Hoge ontwikkelingskosten en

meer dan één winkel tegelijkertijd

lange rekentijd

willen openen

winkels Tabel 1. Een aantal kwantitatieve modellen ter ondersteuning van locatiebeslissingen, hun voor- en nadelen en toepassingsmogelijkheden (Buckner, 1998; Hernandez, Bennison en Cornelius, 1998)

20


‘Midden in de roos’

De drie belangrijkste factoren in retailing zijn nog steeds locatie, locatie en locatie

Levy en Weitz, 2004; McGoldrick, 2002). Een voorbeeld hiervan is het gravitatiemodel dat de kans voorspelt dat iemand vanaf een gegeven locatie een bepaalde winkel bezoekt. Deze kans is afhankelijk van de winkelgrootte en de afstand tot de winkel. Een nadeel van deze methode is dat het geen rekening houdt met de sociodemografische kenmerken en levensstijlen van de inwoners van het verzorgingsgebied van de winkel. Een ander voorbeeld zijn ruimtelijke allocatiemodellen. Deze modellen hebben echter als nadeel dat ze hoge ontwikkelingskosten hebben, waardoor ze in de praktijk weinig worden gebruikt (Buckner, 1998). Wij modelleren het omzetpotentieel van (nieuwe) vestigingen door gebruik te maken van een geavanceerd regressiemodel. Een belangrijk voordeel van een regressiemodel is dat je het relatief eenvoudig kunt toepassen. Daarnaast hebben regressiemodellen de mogelijkheid om verschillende verklarende factoren in het model op te nemen waardoor ze zich goed lenen voor het doen van voorspellingen. We veronderstellen in het regressiemodel een causaal verband tussen enerzijds de totale omzet van een vestiging en anderzijds klantkenmerken, omgevingskenmerken en winkelkenmerken. Het verzorgingsgebied van een winkel wordt vastgesteld door uit te gaan van de reistijd van klanten naar de winkellocatie. Door het gebruik van klantenkaarten weten veel retailers tegenwoordig waar hun klanten wonen. Hierdoor is het mogelijk om nauwkeurig het verzorgingsgebied van een winkel vast te stellen. De veronderstelde omzetformule valt uiteen in een tweetal elementen: gescande

omzet, waarbij de verkopen gekoppeld zijn aan een klantenkaart en ongescande omzet waarvoor dit niet geldt (Van Heerde en Bijmolt, 2005). De gescande omzet kun je vervolgens opsplitsen in verschillende elementen (zie kader ‘ Hoe wordt de gescande omzet voor een nieuwe locatie geschat?’). We kiezen voor deze aanpak omdat we verwachten dat bepaalde factoren die de winkelprestatie beïnvloeden een verschillend effect hebben op de penetratiegraad van de klantenkaart, het gemiddeld aantal bezoeken per klant en de gemiddelde bestedingen per bezoek. Zo is het bijvoorbeeld voor een retailer van cruciaal belang te weten of de afnemende verkopen het gevolg zijn van een teruglopend aantal bezoeken van bestaande klanten of dat het aantal klanten afneemt. In het eerste geval kun je de omzet verbeteren door bestaande klanten te belonen voor het aantal keren dat zij de winkel bezoeken. In het tweede geval lijkt een reclamecampagne een betere strategie. Een derde mogelijkheid is dat de bestedingen per bezoek zijn gedaald. In dat geval moet je werken aan betere verkoopprocessen in de winkel, bijvoorbeeld met promotieacties, betere winkel- en schapindelingen of personeeltrainingen. De elementen uit de omzetvergelijking (met uitzondering van het aantal inwoners) worden gerelateerd aan verschillende verklarende variabelen bestaande uit kenmerken van klanten (bijvoorbeeld gemiddeld inkomen), de omgeving (bijvoorbeeld aanwezigheid van concurrentie) en de winkel zelf (bijvoorbeeld oppervlakte winkel) (zie figuur 1). Daarnaast wordt een model geschat voor het percentage van de gescande omzet van buiten het verzorgingsgebied en één voor het percentage ongescande omzet. In totaal worden dus vijf regressieanalyses uitgevoerd. De schattingsresultaten geven inzicht in de factoren die invloed hebben op de verschillende onderdelen


van de omzetformule. Daarnaast kan voor de afzonderlijke factoren worden bepaald wat hun invloed is op de vorming van de omzet van een bepaalde vestigingslocatie. Uit de geschatte waarden van de verschillende elementen van de omzetformule kun je uiteindelijk de totale omzet van een vestiging afleiden. Met het model kun je op deze wijze: 1. de huidige omzet van bestaande vestigingen verklaren; 2. de toekomstige omzet van bestaande vestigingen voorspellen; 3. het omzetpotentieel van nieuwe vestigingen schatten; 4. de rol van verschillende beïnvloedende factoren bepalen. Toepasbaarheid van het model In het voorgestelde model wordt de (geschatte) omzet verklaard door drie groepen variabelen: klant-, omgevings- en winkelkenmerken. Welke kenmerken dit zijn, dient te worden bepaald voor de specifieke toepassing van het model. De omzet van een supermarkt kan bijvoorbeeld afhangen van de hoeveelheid (gratis) parkeerplaatsen in de directe omgeving van de winkellocatie, terwijl de prestaties van een kledingzaak vooral worden beïnvloed door de aantrekkelijkheid van de binnenstad. De voorgestelde methode is in deze verschillende situaties toe te passen, omdat je de verklarende variabelen aan kunt passen aan de specifieke omstandigheden van de betreffende retailers. Dit betekent dat het model voor een breed scala aan winkels relevant is, mits de retailer beschikt over een registratiesysteem waarmee je transactiegegevens kunt koppelen aan de woonplaats van de klant. Registratie van de klant vindt in veel branches automatisch plaats (bijvoorbeeld sportscholen) of kan anders een gunstig neveneffect zijn van een loyaliteitsprogramma. Hoewel het model in eerste instantie is ontwikkeld voor een retailcon21

strategie

text, kun je het dus ook toepassen voor locatiebeslissingen in andere branches zoals healthclubs, restaurants, banken en publieke instellingen zoals bibliotheken.

Welke gegevens zijn nodig? Om de besproken methodiek te kunnen toepassen, dient er een minimale hoeveelheid gegevens verzameld te worden:

• Aankoopgegevens per winkel op individueel klantniveau. Deze informatie kun je verkrijgen door het vastleggen van verkopen gekoppeld aan klantenkaarten.

Hoe wordt de gescande omzet voor een nieuwe locatie geschat? Het schatten van de gescande omzet voor een nieuwe winkellocatie

Als je nu per postcodegebied het totaal aantal inwoners vermenigvuldigt

gebeurt volgens een vast stappenplan. Eerst stel je het verzorgingsgebied

met de bovenstaande elementen, krijg je een nauwkeurige schatting

van de nieuwe winkellocatie vast op basis van de reisafstand van klanten

van de gescande omzet per postcodegebied. Deze schattingen voor alle

naar de nieuwe locatie. De afstand die klanten bereid zijn af te leggen

postcodegebieden tezamen geeft een indruk van de omzet die op een

voor een winkelbezoek wordt afgeleid van de ruimtelijke verdeling van

bepaalde locatie te behalen valt. In onderstaande figuren is voor een

klanten van bestaande vestigingen. Het verzorgingsgebied bestaat vaak

nieuwe winkellocatie in Groningen (aangegeven met een zwarte stip) een

uit meerdere postcodegebieden met een verschillend aantal inwoners.

schatting gemaakt van de penetratiegraad van de klantenkaart (A), het

Vervolgens maak je voor alle postcodegebieden binnen het verzorgings-

gemiddeld aantal bezoeken per klant (B) en de gemiddelde bestedingen

gebied een schatting van:

per bezoek (C). Uiteindelijk resulteert dit in de gescande omzet per post-

1. De penetratiegraad van de klantenkaart.

codegebied zoals weergegeven in figuur D.

2. Het gemiddeld aantal bezoeken per klant. 3. De gemiddelde bestedingen per bezoek.

0,00-0,08

0-3

0,09-0,16

4-6

0,17-0,24

7-9

0,25-0,32

10-12

0,33-0,40

13-15

A. Penetratiegraad klantenkaart

C. Gemiddelde bestedingen per bezoek

22

B. Gemiddeld aantal bezoeken

0,00-30,00

0-150.000

30,01-60,00

150.001-300.000

60,01-90,00

300.001-450.000

90,01-120,00

450.001-600.000

120,01-150,00

600.001-750.000

D. Totale omzet


‘Midden in de roos’

Het opsplitsen van de omzet in componenten geeft meer inzicht

• Geodemografische gegevens op postcodeniveau. • De totale verkopen per winkel. Daarnaast is het van belang om gegevens te verzamelen over de directe omgeving van de verschillende winkels (aanwezigheid van concurrentie en soort winkellocatie) en over de winkels zelf (bijvoorbeeld VVO). Conclusie De beschreven methode voor het evalueren van huidige en toekomstige ves-

tigingsplaatsen geeft de retailer inzicht in welke kenmerken en verschillen in het verzorgingsgebied van invloed zijn op de vorming van omzet van verschillende locaties. Ook wordt de mate waarin de verschillende factoren bijdragen aan de omzet van een bepaalde locatie inzichtelijk gemaakt. De retailer kan deze resultaten gebruiken om het omzetpotentieel van (nieuwe) vestigingslocaties te schatten. De voorgestelde procedure is eenvoudig toe te passen, omdat gebruik wordt gemaakt van een regressiemodel dat kan worden omgezet in een decision support system in bijvoorbeeld Microsoft Excel. Door gebruik te maken van de beschreven methode kun je op eenvoudige wijze per (nieuwe) locatie een inschatting maken van het omzetpotenti-

Literatuur • Buckner, R.W., Site Selection: New Advancements in Methods and Technology (2nd edn.), Chain Store Publishing Corp., New York ,1998. • Craig, C.S., A. Ghosh en S. McLafferty, ‘Models of the retail location process: A review’, Journal of Retailing, 60(1), 1984, p. 5-36. • Heerde, H.J. van, en T.H.A. Bijmolt, ‘Decomposing the promotional revenue bump for loyalty program members versus nonmembers’, Journal of Marketing Research, 42(4), 2005, p. 443-457. • Hernandez, T., D. Bennison en S. Cornelius, ‘The organisational context of retail locational planning’, GeoJournal, 45(4), 1998, p. 299-308. • Levy, M. en B A. Weitz, Retail Management (5th edn.), McGraw Hill, Boston, 2004. • McGoldrick, P., Retail Marketing (2nd edn.), McGraw Hill, Londen, 2002.

Auke Hunneman is als promovendus werkzaam bij de vakgroep Marketing van de Rijksuniversiteit Groningen. Hij houdt zich bezig met het ontwikkelen van modellen ter ondersteuning van vestigingsplaatsevaluatie en -keuze. [email protected]

Winkelkenmerken

Klantkenmerken

eel, waarbij tevens de totstandkoming van het omzetpotentieel duidelijk wordt. Het is kortom een waardevol instrument op zoek naar de beste ‘locatie, locatie en locatie’.

Componenten van de winkelomzet

Omgevingskenmerken

Figuur 1. Conceptueel model van factoren die van invloed zijn op de omzet van zowel bestaande als nieuwe winkels


Alfard Clerc is als senior business consultant werkzaam bij Atos Consulting (World Class Customer Management). [email protected] Tammo Bijmolt is als hoogleraar Marktonderzoek verbonden aan de vakgroep Marketing van de Rijksuniversiteit Groningen. [email protected]

23

Midden in de roos. Onderzoek ter ondersteuning van vestigingsplaatsevaluatie en -keuze

Recommend Documents