Fondata a San Jose, in California, nel 1993 dalla famiglia Mersho, Shoe Palace è passata da un unico negozio a diventare uno dei principali rivenditori di sneakers e streetwear del Paese. Oggi gestisce più di 250 negozi negli Stati Uniti occidentali e meridionali, con legami profondi con la cultura delle sneakers e collaborazioni di lunga data con marchi come Nike, Jordan e Adidas. Questa crescita ha comportato l’espansione della rete di negozi in contesti molto diversi tra loro — dai centri commerciali affollati ai negozi indipendenti in centro — ognuno con le proprie dinamiche di affluenza e le proprie esigenze in termini di personale.
La sfida
Per anni, Shoe Palace ha gestito i propri negozi senza un modo affidabile per misurare le prestazioni rispetto alla domanda. I dati sulle vendite dicevano al team cosa era successo, ma non perché — e nemmeno se una giornata fiacca fosse davvero fiacca. Senza dati sull’affluenza, le discussioni sulle prestazioni dei negozi si basavano solo sull’istinto. Le ipotesi sulle ore di punta, sui livelli di personale e sui confronti tra un negozio e l’altro non avevano un punto di riferimento con cui confrontarle.
«È difficile immaginare di gestire questa attività senza dati sull’affluenza. Ma la realtà è che ci sono molti rivenditori che non li hanno. Un tempo, anche noi eravamo tra questi.»
— David Lizak, Platform Manager, Shoe Palace
Come dice Lizak, gestire un negozio senza dati sul traffico è come guidare un’auto senza tachimetro: puoi avere la sensazione di andare veloce, ma non hai modo di confermarlo.
La soluzione
Shoe Palace ha iniziato a implementare le soluzioni di monitoraggio del traffico di RetailNext nel 2018. Quando David Lizak è entrato a far parte dell’azienda nel 2019, la sfida era passata dall’adozione alla formazione, e il team ha costruito il proprio programma su tre principi.
Punta sulla semplicità. Anziché sommergere i team dei negozi con metriche complesse, Shoe Palace ha tradotto i dati sul traffico in termini chiari e concreti. Invece di chiedere a un collaboratore part-time di calcolare le percentuali di conversione, il team ha riformulato gli obiettivi in base a qualcosa che il personale già capiva: servire un cliente in più rispetto a ieri.
Creare un linguaggio comune. Shoe Palace ha sviluppato un rapporto tra personale e affluenza soprannominato TPLH — traffico per ora lavorativa — che offre a ogni responsabile di negozio un’indicazione intuitiva per capire se un turno è adeguatamente coperto. Il rapporto trasforma un numero astratto in una domanda a cui qualsiasi collaboratore può rispondere: tu ed io riusciamo a gestire tutti questi clienti in un’ora?
Standardizza i dati su una rete diversificata. Con negozi sparsi tra California, Texas, Arizona, Nevada e Florida, non esistono due punti vendita uguali. Il TPLH permette a Shoe Palace di confrontare le prestazioni in modo equo, tenendo conto della differenza tra centri commerciali e negozi su strada, invece di applicare lo stesso standard a tutti i negozi.
Ogni dato alla base di queste decisioni sul personale parte da un unico dispositivo. Aurora®, il sensore IoT “tutto in uno” di RetailNext, garantisce un conteggio delle persone con un’accuratezza dal 95 al 99% — verificata manualmente ad ogni installazione — da un’unica unità montata a soffitto. Per una rete che abbraccia diversi stati e diversi formati di negozio, è proprio questa precisione a rendere affidabile la pianificazione del personale su larga scala.
I risultati
Già al secondo anno di monitoraggio e formazione basata sui dati, Shoe Palace aveva raggiunto un aumento medio del tasso di conversione del 10% rispetto all’anno precedente. Un negozio è passato da un tasso di conversione del 15% a quasi il 17% in quel periodo.
Pianificazione del personale più intelligente. TPLH ha fornito al team operativo un solido parametro di riferimento per l’organico, flessibile a seconda del tipo di negozio. Mostrare ai team esattamente dove si verificavano i picchi di affluenza — e quanto questi variassero da un negozio all’altro — ha dato ai manager la precisione necessaria per orientare il personale di conseguenza, fornendo all’azienda dati aggregati per la pianificazione a livello di intera rete.
Confronto equo tra negozi. Due negozi a poche miglia di distanza, come la sede originaria di Shoe Palace a San Jose e un negozio in un centro commerciale vicino, possono non avere nulla in comune in termini di flussi di clienti o dati demografici. I dati di RetailNext permettono al team di confrontare tra loro tipi di negozi simili, invece di dover fare un confronto improponibile tra cose completamente diverse.
Decisioni interfunzionali più efficaci. I team di marketing e di prodotto non si basano più solo su ipotesi legate alle vendite per capire dove la domanda è più alta. I dati sul traffico e demografici ora guidano l’allocazione delle scorte e la strategia regionale.
Ipotesi messe in discussione dai dati storici. Laddove i manager pensavano di conoscere il ritmo del proprio negozio, le ore di punta e il fabbisogno di personale, Shoe Palace ha iniziato a verificare queste ipotesi confrontandole con i dati storici sull’affluenza. Il risultato: opportunità perse durante le fasce orarie di maggiore affluenza che erano passate inosservate per anni.
Shoe Palace ora combina i dati sul traffico di RetailNext con piattaforme di pianificazione del personale come StoreForce, riunendo in un’unica vista il TPLH, le vendite orarie e la metratura. Questa integrazione aiuta il team a individuare con precisione le ore di punta e i periodi di massimo afflusso negozio per negozio — cosa che prima, quando non c’erano i dati sul traffico, era impossibile da capire.
