Wie hat der Einzelhandel bisher Passantenfrequenzen bzw. Besucheraufkommen gemessen und analysiert? Die wohl einfachste und bis heute gängigste Methode ist das manuelle Zählen vor Ort. Üblicherweise durchgeführt von studentischen Hilfen, werden täglich bis zu 12 Stunden alle Passanten "geklickt", die eine bestimmte gedachte Linie passieren. Dabei bieten diverse digitale Lösungen für jeden Use Case unterschiedlichste Alternativen.
Und genau hier liegt die Stärke der digitalen Lösungen. Nutzer müssen sich nicht mehr in ihren Fragestellungen darauf beschränken, was genau vor der Haustür passiert. Vielmehr können sie komplexe Fragen gezielt und in Echtzeit beantworten. Die gesteigerte Mobilität der innerstädtischen Bevölkerung sorgt dafür, dass es einfach nicht mehr ausreicht, sein Passantenaufkommen vor dem Schaufenster zu untersuchen. Es geht heute viel mehr darum, das Potenzial aus der Vogelperspektive und viel umfassender zu analysieren: Wie viele Personen können mit dem Auto innerhalb von 5 Minuten meinen Standort erreichen? Wer sind diese Menschen: Arbeiter, Anwohner oder Touristen? Wie alt sind diese Personen? Welche Kaufkraft? Wie hoch ist die Verweildauer? Wo befindet sich überhaupt meine Zielgruppe? Wo sollte ich noch ein Geschäft aufmachen? Kannibalisieren sich meine Standorte in Berlin? etc. etc. etc.
Auch wenn hier die Stärken der digitalen Lösungen zu finden sind, setzen die neuen Möglichkeiten auch voraus, dass Nutzer sich dieser Vielfalt hingeben und bereit sein müssen, interne Prozesse und Denkmuster anzupassen. Dieser "Move" in die digitale Standortanalyse kann schon einmal mehrere Monate dauern. Oft ist es dann bereits zu spät und aktuell vorliegende Angebote können nicht mehr rechtzeitig bewertet werden. Daher sollten Unternehmen aus unserer Sicht sich konkret mit der Schaffung von Datenkompetenz befassen. Denn Expansion Manager und Portfolio Manager sollten sich nicht mit blanken Zahlen befassen, sondern die Geschichte hinter den Daten lesen können, um erfolgreiche Entscheidungen zu treffen. Der Einkauf von Roh-Daten bedeutet auch immer ein nötiges Investment in Datenkompetenz, denn mit Excel können die Datenmengen, die digitale Lösungen liefern, nicht ausgewertet werden. Wir raten daher immer nach Lösungen zu suchen, die mit guten Daten auch die Datenvisualisierung beherrschen und mitliefern. Das spart auf Ihrer Seite nicht nur Zeit, sondern auch viele Ressourcen.
Bei WHAT A LOCATION! haben wir intern eine Regel: Unsere Nutzer müssen in der Lage sein, innerhalb von 2 Minuten einen Standort in einem Zeitraum von 3 Jahren zu analysieren. In weiteren 2 Minuten muss der Nutzer die Geschichte hinter den Daten verstanden haben und eine weitere Minute verbringt er/sie damit die ersten Anwendungen zu planen. 5 Minuten, mehr nicht. Das ist Datenkompetenz und dafür braucht es eine außerordentlich gute Datenquelle.
Damit für unseren Vergleich alle verglichenen Lösungen gleich auf ihre Vor- und Nachteile hin untersucht werden können, fokussieren wir uns für diesen Vergleich auf eine bestimmte Fragestellung, die zu meist jeden unserer Kunden antreibt: Wie viele Kunden kann ich an einem Standort erwarten? Dabei vergleichen wir Zählungen vor Ort durch eine Person, Laser- bzw. Lichtsensoren, App-getrackte Daten und anonymisierte Mobilfunkdaten wie WHAT A LOCATION! sie nutzt. Wifi- oder Bluetooth-Lösungen lassen wir für unseren Vergleich außen vor, da Sie an sich kaum noch eine Relevanz spielen.
Die händische Zählung vor Ort gehört zu den traditionellsten Methoden, um festzustellen, wie viele Passanten sich in einem bestimmten Zeitraum an einem bestimmten Ort aufhalten. In einer Zeit ohne digitale Lösungen war dies die einzig verfügbare Quelle, um Daten zu sammeln. Ein üblicher Prozess, der noch heute von vielen Unternehmen oder Forschungsinstituten unternommen wird, ist die Zählung in einem bestimmten Zeitraum von an einem bestimmten Ort vorbeilaufenden Passanten.
Die zählende Person postiert sich zum Beispiel unmittelbar vor einem Ladeneingang und zählt innerhalb von 12 Stunden alle Personen, die diesen Eingang passieren. Oft werden Daten von einem Tag dann auf eine statistische Woche hochgerechnet.
Wie funktioniert die Lasermessung? Stellen Sie sich mehrere gedachte Linien vor, die ein Laser über eine Straße legt. Der Laser erfasst so Tag und Nacht jeden, der diese Linien überschreitet. Die sogenannten Laserscanner werden an die Hausfassade oder an die Dachkante montiert, womit eine Linienbreite von bis zu 32 Meter abgedeckt werden kann (abhängig vom Anbieter). Oftmals werden mehrere Laser auf sehr breiten Straßen verbaut, um auch wirklich alle Bereiche abzudecken. Wenn die Laserscanner durchgängig funktionieren, können die Geräte mit einer Größe eines Schuhkartons rund um die Uhr 99% aller Passanten erfassen.
Das größte Problem dieser Methode ist der unvorhersehbare Ausfall der Geräte sowie der Fakt, dass oft eine Stromquelle nicht verfügbar ist und private Quellen dafür herhalten müssen. Die Ausfallquote liegt laut Angaben einiger Betreiber nur bei 1% pro Jahr. Daten werden oft kostenfrei zur Verfügung gestellt, da Geschäftsmodelle bei den Anbietern noch nicht vorhanden sind. Es bleibt eine gewisse Unsicherheit, wenn man einen langfristigen und konstanten Partner sucht. Für einen hohen Aufwand im Vorfeld muss sich der Nutzer bei den Use Cases und Analysemöglichkeiten stark einschränken, bekommt dafür aber konstant Daten.
+ es werden keine personengebundenen Daten erhoben
+ Lasermessung zählen recht zuverlässig, wenn einsatzbereit
+ Informationen sind oft kostenlos
+ ein Produkt, welches ohne Hochrechnungen auskommt
+ Zonierung der Straßenabschnitte möglich
+ kleinste Granularität der Daten möglich ( bis zu 1 Minute genau)
+ Unterscheidung von Kindern und Erwachsenden (bei freiem Messfeld)
- es können keine demographische Daten erhoben werden
- das Gerät benötigt Strom (ca. 50€ Kosten pro Jahr)
- ausschließlich Zählung von Passanten auf einer gedachten Linie
- Personen werden mehrfach gezählt, was absolute Werte stark verfälscht
- die Herkunft von Passanten kann nicht ermittelt werden
- es bedarf einer Installation vor Ort
- keine Geo-Daten (Bewegung) möglich
- keine historischen Daten vor der Installation verfügbar
- langer Prozess, bis zur Nutzung von Daten
- Kosten/Nutzen Vergleich ist negativ, wenn Use Case beim Nutzer fehlt
Bewegungsdaten, die aus SDK-relevanten Quellen stammen, haben aus unserer Sicht für die Analyse von Passanten ausgedient (lesen Sie ergänzend dazu auch diesen Artikel). Die meisten Anbieter kommen ursprünglich aus der Navigation oder aus dem Routing und sehen ihre Chance, mit günstig zur Verfügung stehenden Daten Mehrwerte - zum Beispiel im Einzelhandel - zu schaffen. Neben einer sehr schwachen Quantität werden Daten oft mit Bevölkerungsdaten verschnitten, die aus dem Zensus 2011 stammen. In stark urbanisierten Gebieten sind 10 Jahre alte Daten allerdings nicht mehr zu gebrauchen. Die Veränderungen innerhalb der Bevölkerung innerhalb dieser Zeit sind einfach zu groß.
Sicherlich haben Daten, die mittels Apps getrackt werden, ihre Daseinsberechtigung (zum Beispiel im digitalen Marketing) und finden ihre Anwendung. Für eine vollumfängliche Potenzialanalyse im urbanen Raum für den Einzelhandel reichen diese Daten allerdings nicht aus, da die Datengrundlage einfach zu ungenau und nicht quantitativ genug ist. Da hilft auch keine künstliche Intelligenz oder ein schlaues Machine Learning ... im Gegenteil. Oft (nicht immer) dienen diese Buzzwords nur der geschickten Vermarktung.
Leider erleben wir sehr oft, dass Unternehmen auf uns zukommen, die das Vertrauen in digitale Lösungen verloren haben, da Sie viele Standortentscheidungen mittels falschen und ungenauen Daten getroffen haben. Sie haben viel Geld verloren und viele von Ihnen haben einen sehr langen Integrationsprozess hinter sich. Es bedarf hier viel Aufklärungsarbeit und wir raten jedem neuen Kontakt immer die exakte Datenerhebungsmethode zu erfragen und lieber zweimal hinzuschauen, bevor man in eine Lösung investiert.
+ für die Analyse von zum Beispiel eigenen Flotten finden sich viele Use Cases
- Datentracking ist Optin basiert. Nutzer können Tracking bewusst unterbinden
- wenig Signalpunkte (nur 12% aller Handynutzer erlauben das Tracking über Apps)
- kaum Daten für Lokalisation, da Daten nur anfallen, wenn Apps genutzt werden
- es werden viele statistisch geschätzte KPIs verwendet
- ohne Datenkompetenz können Informationen nur schwer verarbeitet werden
- Datenerhebung unterliegt vielen Restriktionen durch Handybetriebssysteme
- Datenschutz wird nicht geprüft /zertifiziert
- langwierige Prozessintegration für Datennutzer, hoher Schulungsaufwand
- sehr hohe Kosten, da extremer Entwicklungsaufwand
Eine Software-Lösung, wie QUANTUM sie bietet, ermöglicht Entscheidungen auf Basis des genauesten, umfassendsten und aktuellsten Indikators der Mobilität von Menschen: ihren mobilen Endgeräten. Wir alle haben unser Smartphone immer dabei – und das Mobilfunksignal ist der einzige, konsistent zuverlässige Datenpunkt der Mobilität von Menschen, denn Mobilfunkmasten empfangen im Laufe des Tages Funksignale von jedem Handy – unabhängig vom Gerätemodell und von verwendeten Apps.
Mobilfunkanbieter und weitere Dienstleister (Tochtergesellschaften) werten anonymisierte Signalisierungsdaten („Events“) der Netzbetreiber aus, um daraus Erkenntnisse zu Aufenthalts- und Bewegungsverhalten sowie weiteren Segmentierungen zu generieren. Im regulären Geschäftsbetrieb eines Mobilfunkkonzerns fallen große Mengen an diesen Signalisierungsdaten an, die vor allem dann entstehen, wenn die Mobilfunkgeräte mit den Mobilfunkzellen kommunizieren. Die mittlere Anzahl an Events pro Gerät beträgt täglich etwa 270 und steigt aufgrund des technologischen Fortschritts stetig an. In Deutschland greift WHAT A LOCATION! auf die Daten von Telefónica Deutschland GmbH &Co. OHG sowie der von Telekom Deutschland GmbH zurück, die in einem mit dem Bundesbeauftragten für Datenschutz und die Informationsfreiheit (BfDI) abgestimmten Verfahren anonymisiert und aggregiert werden.
In einem ersten Schritt werten Dienstleister die mobilen Aktivitäten aus den zugrunde liegenden Signalisierungsdaten aus. Unter einer mobilen Aktivität wird eine Bewegung von einer Mobilfunkzelle in eine andere Mobilfunkzelle verstanden, die einen Aufenthalt mit festgelegter Dauer voraussetzt. Für die Frequenzanalysen werden die Aufenthaltsorte mittels probabilistischer Methoden ermittelt und auf definierte räumliche Geometrien umgelegt. Daraufhin werden die Aufenthaltsdaten pro Geometrie mit weiteren Attributen angereichert, wie beispielsweise einer Auswertung zu Alters- und Geschlechtsverteilung aus anonymisierten und aggregierten Vertragsinformationen, oder auch mit einem aus den mobilen Aktivitäten ausgewerteten Heimatort. Die Informationen werden in einem letzten Schritt basierend auf den regionalen Marktanteilen der Mobilfunkanbieter auf die Gesamtbevölkerung hochgerechnet und sämtliche noch vorhandenen persönlichen Informationen werden noch vor der Auslieferung an WHAT A LOCATION! entfernt. Alle nationalen und internationalen Datenschutz- und Sicherheitsstandards der Regionen und Länder, in denen WHAT A LOCATION! tätig ist, werden eingehalten.
Für unsere Software QUANTUM erfolgt die probabilistische Umlegung der Aufenthaltsorte auf Verkehrszellen, deren Grenzen sowohl natürlichen Grenzen (Seen, Berge, Parks) folgen, als auch auf administrative Gemeindegrenzen. Der Algorithmus von QUANTUM normalisiert die Zellgröße aller Verkehrszellen in gleich große Areale. So stellen wir sicher, dass mehrere Standortanalysen innerhalb einer Stadt, basierend auf der gleichen Datenerhebungsmethode, miteinander vergleichbar sind.
Diese normalisierten Areale haben in urbanisierten Gebieten eine Kantenlänge von rund 62,5 m. Basierend auf Haupt- sowie Nebenstraßen, Gewässern und vielen weiteren Faktoren, berechnet QUANTUM eine prozentual wahrscheinliche Verteilung des Aufenthalts- und Bewegungsverhaltens von Passanten.
Alle kürzeren Aufenthalte werden als irrelevanter Durchgangsverkehr verworfen. Zudem wird ein Besuch pro Verkehrszelle und Person nur einmal gezählt („POC“ / Point of Contact). Kommt ein Besucher am nächsten Tag wieder, wird er wieder gezählt. Für eine Auswertung von statistischen Tagen werden Tage genutzt, die von WHAT A LOCATION! im Vorfeld bestimmt und normalisiert werden, sodass ein optimaler Durchschnittswert pro Wochentag und Quartal zur weiteren Analyse entsteht. Die Informationen zur Anzahl von Personen pro Verkehrszelle wird mit weiteren Attributen ergänzt: Alter, Geschlecht, Herkunft und Heimatort (PLZ). Die Informationen zu Alter und Geschlecht werden aus den Vertragsdaten der Mobilfunkanbieter gewonnen. Die Informationen des Heimatortes basiert auf dem Ort, an dem die Person in den Tag gestartet ist, falls sie vor 7 Uhr Signale generiert, ansonsten basiert er auf dem Ort, wo die Person den Vortag beendet hat. Die durchgehend hohe Qualität unserer Analysen liegt uns sehr am Herzen. Entsprechend werden nur Tage in die Auswertung mit einbezogen, bei denen es weder Störfalle noch Wartungsarbeiten am Netz gab.
+ Optout basiert, dadurch sehr viele Signalpunkte
+ Datenproduktion kann nicht von Usern bewusst unterbunden werden
+ genaue KPIs aus Mobilfunkverträgen (Demografie)
+ max.30% Marktsättigung pro Datenproduzent
+ generiert ca. 60 Mrd. Datenpunkte täglich in GER
+ Skalierbarkeit ist möglich, da Daten kontinuierlich produziert werden
+ keine Restriktionen durch Handybetriebssysteme
+ bis zu 95% Datengenauigkeit
+ staatlich überwachter Datenschutz
+ Integration in Unternehmensprozesse in Minuten möglich
+ geringe Kosten, da kein Entwicklungsaufwand für Nutzer
- ohne Datenkompetenz können Informationen aus Daten nur schwer verarbeitet werden
Wir hoffen, wir konnten ein wenig Licht ins Dunkle bringen. Natürlich sind wir bei WHAT A LOCATION! große Fans von der Nutzung von anonymisierte Mobilfunkdaten und natürlich wird mit steigender Entwicklung auch die Vielfalt der Möglichkeit weiter wachsen. Für jede Datenerhebungsmethode gibt es seine Anwendungsgebiete und für den Nutzer wird es immer schwerer, sich zu entscheiden.
Echte Daten: Analysen sollten im Gegensatz zu statistischen Modellierungen auf realen Bewegungen basieren, denn diese weisen eine höhere Signifikanz auf.
Hohe Stichprobenzahl: Analysen aus Mobilfunkdaten beruhen auf dem regional hochgerechneten Mobilitätsverhalten eines großen Anteils der deutschen Bevölkerung, wodurch eine unvergleichlich hohe und valide Aussagekraft der Analyse gewährleistet wird.
Schnelle Verarbeitung: Moderne Auswertungsmethoden sollten eine Aufbereitung innerhalb weniger Tage ermöglichen.
Tagesaktuelle und historische Auswertungen: Achten Sie auf einen Zugriff auf aktuelle Daten auf Tagesbasis für ein zeitgestreutes Gesamtbild sowie historische Vergleichsdaten (mit QUANTUM ab Q1 2019).
