Kenne den Fluss! Einzigartige Bewegungs-Informationen als USP im Bereich Payment und PropTech

Im Zeitalter des Omnichannel-Einzelhandels ist die Kundenfrequenz zum wichtigsten KPI für Einzelhändler geworden. Heutzutage geht es im Einzelhandel vor Ort hauptsächlich um Kontakte und weniger um Verkäufe. Im Zuge dieser Entwicklung basieren immer mehr Mietverträge auf der Passantenfrequenz und nicht auf der OCR (Occupancy-Cost Rate; basierend auf dem Umsatz). Daher besteht sowohl bei Einzelhändlern als auch bei Vermietern ein enormer Bedarf an genauen und detaillierten Daten über die Besucherzahlen von heute, morgen und in der Vergangenheit eines Standorts. Die Untersuchung der derzeit angebotenen Lösungen wie mobile Daten, agentenbasierte Modellierung und physische Messungen wie Radar oder Laser zeigen, dass es an geeigneten Lösungen mangelt. In diesem Projekt wird ein Fußgängerdatenmodell aus realen und hochgranularen Daten entwickelt, das ortsspezifische Fußgängerdaten als Gegenwartsdaten, Prognosen und Rückblicke auf die Vergangenheit liefern kann. Wir verwenden Transaktionsdaten von SIX Payment Services (SPS) und eine Datenpipeline, die aus demografischen Daten, Händlerstruktur und standortspezifischem Nutzerfeedback von Popupshops.com (POS) besteht. Die Kernidee ist einfach und besteht im Reverse Engineering des Kaufprozesses.