TL;DR
Analitik ritel toko fisik berdiri di atas metrik yang beda dari e-commerce karena nggak ada log klik dan sesi. Enam angka intinya: footfall, tingkat konversi toko, average transaction value, unit per transaksi, penjualan per meter persegi, dan penyusutan stok. Semua bisa dihitung dari data kasir plus satu penghitung pengunjung di pintu.
Analitik ritel toko fisik berdiri di atas metrik yang beda dari e-commerce, soalnya nggak ada log klik dan sesi buat dianalisis.
Toko online tau persis siapa yang mampir, berapa lama, dan halaman mana yang bikin dia kabur. Toko fisik cuma punya struk dan hitungan orang di pintu.
Enam metrik di bawah nutup celah itu. Aku pakai data Toko Berkah, toko peralatan rumah tangga seluas 120 meter persegi di Bandung.
Metrik ritel toko fisik adalah angka yang ngukur performa toko dari lalu lintas pengunjung, isi struk, dan pemanfaatan ruang. Enam yang paling dipakai: footfall, tingkat konversi toko, average transaction value, unit per transaksi, penjualan per meter persegi, dan penyusutan stok. Semuanya bisa dihitung dari data kasir plus satu penghitung pengunjung di pintu.
Semua metrik itu jawab satu pertanyaan yang sama: dari orang yang udah repot-repot datang, berapa yang keluar bawa belanjaan, dan seberapa besar belanjaannya.
| E-commerce | Padanan di toko fisik | Bedanya di mana |
|---|---|---|
| Sesi / kunjungan | Footfall | Satu orang bisa bikin banyak sesi online, di toko dia dihitung sekali |
| Conversion rate | Tingkat konversi toko | Toko fisik biasanya 15-30%, e-commerce 1-3% |
| Average order value | Average transaction value | Konsepnya sama, sumbernya struk kasir |
| Cart abandonment | Nggak ada padanan langsung | Orang naruh balik barang tanpa jejak digital |
| Biaya akuisisi per pelanggan | Biaya sewa per meter persegi | Ruang jadi biaya tetap terbesar, bukan iklan |
| Return rate | Penyusutan stok | Barang hilang, rusak, atau salah catat |
Perbedaan paling besar ada di baris terakhir dan baris keempat. Toko online tau persis di langkah mana orang batal beli. Toko fisik cuma tau hasil akhirnya.
Jumlah orang yang masuk toko dalam periode tertentu. Ini penyebut buat hampir semua metrik lain.
Alat ukurnya bisa sensor inframerah di pintu, kamera dengan penghitung otomatis, atau hitungan manual di jam-jam tertentu.
Konversi = jumlah struk / footfall
Angka ini yang paling sering diabaikan pemilik toko kecil, dan paling cepat ngasih arah perbaikan.
ATV = total penjualan / jumlah struk
UPT = total unit terjual / jumlah struk
ATV bisa naik gara-gara harga naik. UPT naik cuma kalau orang beneran bawa lebih banyak barang, jadi baca dua-duanya bareng.
Penjualan per m2 = total penjualan / luas area jual
Pakai luas area jual, bukan luas total. Gudang dan toilet nggak menghasilkan penjualan.
Penyusutan = (stok tercatat - stok fisik) / stok tercatat
Selisih ini datang dari barang hilang, rusak, atau salah input. Di toko kelontong, angka 1-2% masih dianggap wajar.
Ini angka satu bulan penuh dari dataset latihan ngulikdata.
| Angka dasar | Nilai |
|---|---|
| Footfall | 8.400 orang |
| Jumlah struk | 1.596 |
| Total penjualan | Rp 213.864.000 |
| Unit terjual | 3.352 |
| Luas area jual | 120 m2 |
Hasil hitungannya:
Konversi toko = 1.596 / 8.400 = 19,0%
ATV = 213.864.000 / 1.596 = Rp 134.000
UPT = 3.352 / 1.596 = 2,1 unit
Penjualan per m2 = 213.864.000 / 120 = Rp 1.782.200 / m2 / bulan
Sampai sini semuanya kelihatan normal. Yang menarik muncul waktu angkanya dipecah jadi hari kerja dan akhir pekan.
| Periode | Hari | Footfall | Struk | Konversi |
|---|---|---|---|---|
| Senin-Jumat | 22 | 5.060 | 1.012 | 20,0% |
| Sabtu-Minggu | 8 | 3.340 | 584 | 17,5% |
Akhir pekan ramai banget, 417 pengunjung per hari dibanding 230 di hari kerja. Tapi konversinya justru turun 2,5 poin persen.
Penyebab paling masuk akal: jumlah staf sama di dua periode itu. Waktu toko penuh, orang nggak dapat bantuan dan pergi.
Hitungan kasar potensinya: kalau konversi akhir pekan naik ke 20%, tambahan struknya 3.340 x 2,5% = 84 struk. Dikali ATV Rp 134.000, itu Rp 11,2 juta per bulan.
Biaya satu staf paruh waktu akhir pekan jauh di bawah angka itu. Keputusannya jadi gampang.
Susun satu baris per hari dengan kolom tanggal, footfall, jumlah struk, total penjualan, dan unit terjual.
Buat misahin hari kerja dan akhir pekan, bikin kolom bantu dulu:
=TEXT(A2;"ddd")
Fungsi TEXT ngubah tanggal jadi nama hari. Dari situ kamu bisa nyaring Sat dan Sun.
Total footfall akhir pekan:
=SUMIFS(B:B; F:F; "Sat") + SUMIFS(B:B; F:F; "Sun")
Kolom F itu kolom bantu nama hari. Sintaks lengkap SUMIFS juga jalan sama persis di Google Sheets, dan versi resminya ada di halaman bantuan Google Sheets.
Konversi harian tinggal bagi dua kolom, dibungkus penjaga error:
=IFERROR(C2/B2; 0)
Pakai IFERROR biar hari libur dengan footfall nol nggak bikin kolomnya penuh error.
Buat ngeliat pola per jam, hitung rata-rata konversi tiap jam pakai AVERAGE di rentang jam yang sama sepanjang bulan.
Enam metrik itu nggak perlu dilihat tiap hari. Yang cukup dipantau mingguan cuma empat.
Sebelum bikin tampilan visualnya, pastiin definisi tiap metric udah disepakati semua orang di toko. Beda pemahaman soal "pengunjung" bikin angkanya nggak bisa dibandingin antar bulan.
Kalau kamu udah punya lebih dari tiga cabang, baru pindahin ini ke dashboard yang diisi otomatis dari data kasir.
Data struk toko fisik justru lebih kaya dari yang orang kira. Tiap struk adalah satu keranjang lengkap.
Dari situ kamu bisa nyari pasangan barang yang sering muncul bareng, lalu ubah tata letak rak biar dua barang itu berdekatan.
Cara hitungnya ada di artikel algoritma Apriori untuk market basket analysis, lengkap dengan contoh dari data warung.
Buat ngebandingin performa beberapa cabang sekaligus dalam satu layar, teknik small multiples lebih kebaca dari satu grafik penuh garis.
Tiga cara yang murah: pasang sensor inframerah di pintu yang harganya di bawah satu juta rupiah, hitung manual tiap 15 menit di jam sibuk lalu ekstrapolasi, atau pakai kamera CCTV yang udah ada dengan aplikasi penghitung. Buat toko kecil, hitung manual dua minggu aja udah cukup buat dapat pola harian.
Rumusnya mirip, penyebutnya yang beda. Konversi e-commerce ngebagi jumlah pesanan sama jumlah sesi, dan satu orang bisa bikin lima sesi dalam sehari. Konversi toko fisik ngebagi jumlah struk sama jumlah orang yang masuk pintu. Angka toko fisik biasanya jauh lebih tinggi, di kisaran 15 sampai 30 persen.
Mulai dari average transaction value dan unit per transaksi, karena dua ini bisa dihitung dari data kasir tanpa alat tambahan. Setelah itu baru pasang penghitung pengunjung biar kamu punya tingkat konversi. Penjualan per meter persegi berguna waktu kamu udah punya lebih dari satu toko.
Karena sewa dibayar per meter, bukan per transaksi. Angka ini ngasih tau apakah luas yang kamu bayar beneran menghasilkan. Dia juga bikin dua toko dengan ukuran beda bisa dibandingin dengan adil. Area rak yang penjualan per meternya jauh di bawah rata-rata jadi kandidat buat ditata ulang.
Buat satu atau dua toko, spreadsheet dengan satu baris per hari udah cukup dan lebih cepat diurus. Pindah ke dashboard begitu kamu punya lebih dari tiga cabang atau butuh pantau harian tanpa buka file. Yang bikin dashboard berguna bukan grafiknya, tapi kebiasaan ngisi data harian secara disiplin.
Footfall dan konversi adalah dua angka yang paling sering hilang di toko fisik, dan dua-duanya yang paling cepat ngasih arah perbaikan.
Kasus Toko Berkah nunjukin gimana konversi akhir pekan yang turun 2,5 poin bisa berarti Rp 11,2 juta per bulan. Angka itu ketemu cuma dari misahin data jadi dua kelompok hari.
Mulai minggu ini: catat footfall harian di kolom baru, dan hitung konversinya tiap Senin pagi.
Mau latihan bikin laporan ritelnya dari nol? Coba latihan rumus SUMIFS dan pivot di NgulikSheet, atau baca cara nyari pasangan barang lewat market basket analysis.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Punya ratusan angka dan mau tau sebarannya masuk ke rentang mana aja? FREQUENCY ngitung distribusi frekuensi sekali jalan, tanpa nulis COUNTIFS berkali-kali.
SUMIFS ribet kalau kriterianya banyak dan sering ganti. Rumus database Excel kayak DSUM baca kriteria dari sel terpisah, jadi kamu tinggal ubah tabel kecil tanpa nyentuh rumus.
DATEDIF ngasih umur bulat, tapi kadang kamu butuh angka desimal kayak 27,6 tahun buat hitung masa kerja atau bunga. YEARFRAC ngasih pecahan tahun dengan presisi.