Das Regal lesen mit Point-of-Sale- und syndizierten Paneldaten

# Das Regal lesen mit Point-of-Sale- und syndizierten Paneldaten

Das Deck zum Category Review läuft auf dem Bildschirm. Ihre Nielsen-Folie sagt, Ihre Marke ist im letzten Quartal um 3,2 % gewachsen. Die nächste Folie, Quelle Circana (früher IRI), sagt, Sie sind um 1,1 % geschrumpft. Gleiche Marke, gleiches Quartal, gleiches Regal. Die Einkäuferin gegenüber will wissen, welche Zahl stimmt, bevor sie über Ihren Promotionplan für das nächste Jahr entscheidet.

Willkommen bei der häufigsten und am meisten missverstandenen Diskussion in FMCG-Daten. Beide Zahlen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen richtig sein. Sie messen Unterschiedliches, aus unterschiedlichen Quellen, mit unterschiedlicher Rechenlogik. Wenn Sie verstehen, warum, hören Sie auf, über die Differenz in Panik zu geraten, und lesen sie stattdessen als Signal.

Zwei Wege, einen Verkauf zu messen

Es gibt zwei grundlegend verschiedene Wege zu wissen, was verkauft wurde.

Measured (Retail) Data kommt von Kassenscannern. Jedes Mal, wenn ein Barcode an der Kasse piept, wird die Transaktion erfasst. Händler teilen diese Daten (direkt oder über Anbieter), und sie werden zu dem aggregiert, was die Branche Point-of-Sale-Daten (POS) nennt: tatsächliche Einheiten und Umsätze, die an der Kasse gescannt wurden.

Paneldaten kommen von Menschen, nicht von Läden. Ein rekrutiertes Haushaltspanel scannt zu Hause alles, was es kauft, oder gibt Zugriff auf Loyalty- und Kassenbelegdaten. Anbieter projizieren diese Stichprobe dann auf die nationale Bevölkerung hoch.

Nielsen (heute NielsenIQ) und Circana verkaufen beide sowohl Measured Retail Data ALS AUCH Haushaltspanel-Daten. Die klassische Diskrepanz „Nielsen vs. IRI“ läuft meist auf unterschiedliche Handelsabdeckung, unterschiedliche Projektionsmethoden und unterschiedliche Kategoriedefinitionen hinaus.

Warum die Zahlen auseinandergehen

Drei Ursachen erklären die meisten Abweichungen:

1. Handelsabdeckung. Wenn ein Anbieter einen Data-Sharing-Vertrag mit einem großen Club- oder Discount-Händler hat und der andere nicht, unterscheiden sich die Summen. Eine Marke mit Schwerpunkt auf Club Stores kann in einem Datensatz stark und im anderen flach aussehen.

2. Projektion. Auch Measured Data muss Läden schätzen, die sie nicht direkt erfasst. Zwei Anbieter mit unterschiedlichen Store-Universen und Gewichtungen projizieren unterschiedlich.

3. Kategoriedefinition. Gehört ein Proteinriegel zu „Snacks“, „Nutrition“ oder „Candy“? Wenn die beiden Anbieter Ihr Produkt unterschiedlich einsortieren, ändern sich Ihr Share und Ihr Wettbewerbsset.

Keiner dieser Punkte bedeutet, dass sich jemand irrt. Es bedeutet, dass Sie wissen müssen, was jede Zahl zählt, bevor Sie sie zitieren.

ACV: die Distributionszahl, die alle falsch verwenden

Hier das wichtigste Konzept, um das Regal zu lesen: ACV, All Commodity Volume.

ACV misst Distribution gewichtet nach Ladengröße. Der ACV eines Ladens ist sein Gesamtumsatz über alle Produkte, nicht nur Ihre Kategorie. Ein Hypermarkt zählt also weit mehr als ein Tante-Emma-Laden.

Wenn Ihre Daten sagen, Ihre Marke habe 60 % ACV-Distribution, heißt das NICHT, dass Sie in 60 % der Läden sind. Es heißt, dass Sie in Läden sind, die 60 % des gesamten Handelsumsatzvolumens repräsentieren. Sie kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnten in nur 30 % der physischen Läden sein und trotzdem 60 % ACV erreichen, weil Sie in den großen sind.

Warum das Ihre Wachstumsstory verändert

Teilen Sie Ihr Umsatzwachstum in zwei Hebel:

• Distribution: Sind Sie in mehr (und größeren) Läden? Steigender ACV.
• Velocity: Wie schnell verkaufen Sie pro Laden? Oft gemessen als Umsatz pro ACV-Punkt oder pro Laden pro Woche.

Eine Marke kann Umsatz allein durch zusätzliche Distribution steigern, während die Velocity leise sinkt. Das ist fragiles Wachstum. Wenn der ACV ausgereizt ist (Sie sind bereits in den großen Ketten), bleibt das Wachstum abrupt stehen, sofern die Velocity nicht besser wird.

Fragen Sie immer: Ist das Distributionswachstum oder Velocity-Wachstum? Das Category-Review-Deck, das nur Gesamtumsatz zeigt, verbirgt die Antwort.

Eine nützliche abgeleitete Kennzahl ist Sales per Point of Distribution (SPPD): Ihr Umsatz geteilt durch Ihren % ACV. Sie normalisiert, wie breit Sie gelistet sind, sodass Sie eine neue Regionalmarke fair mit einer nationalen vergleichen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen.

SPPD = Total category-adjusted sales / % ACV distribution

Example (illustrative):
  Brand A: $12M sales / 60 ACV points = $0.20M per point
  Brand B: $12M sales / 30 ACV points = $0.40M per point

Same sales. Brand B sells twice as hard per point of distribution
and has more room to grow by expanding ACV.

Äquivalisiertes Volumen: Äpfel mit Äpfeln vergleichen

Die nächste Falle ist das Volumen. Wenn Ihre Marke eine 330-ml-Dose verkauft und Ihr Wettbewerber eine 2-Liter-Flasche, sagen „Einheiten“ nichts Brauchbares. Eine Einheit ist nicht eine Einheit.

Äquivalisiertes Volumen (oft „eq“ oder „EQ“) rechnet alles auf eine gemeinsame Basiseinheit um, damit Sie fair vergleichen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen. Bei Getränken sind das vielleicht Liter oder „äquivalisierte Kisten“ (zum Beispiel eine Standardkiste mit festgelegtem Volumen). Bei Waschmitteln vielleicht Waschladungen. Bei Tissue vielleicht Blätter.

Warum das wichtig ist:

• Volumenanteil vs. Anteil an Einheiten. Eine Premiummarke mit kleinen Packungen kann bei Einheiten dominieren und trotzdem einen kleinen äquivalisierten Volumenanteil halten.
• Preisanalyse. Preis pro äquivalisierter Einheit (Preis pro Liter, Preis pro Waschladung) ist die einzige ehrliche Art, ein Value-Multipack mit einem Single-Serve-Premiumpack zu vergleichen.
• Shrinkflation erkennen. Wenn Ihr Wettbewerber die Packungsgröße reduziert, aber den Regalpreis hält, sehen die Stückzahlen flach aus, während der Preis pro eq-Einheit gestiegen ist. Nur äquivalisierte Daten zeigen das.

Daumenregel: Für alles, was Preis oder echten Verbrauch betrifft, arbeiten Sie in äquivalisiertem Volumen. Für alles, was Regalpräsenz und Kauffrequenz betrifft, zählen auch Einheiten.

Zusammengesetzt: ein echtes Category Review lesen

Zurück zu diesem Deck. So liest es ein guter Analyst.

Schritt 1: Die Quellen abgleichen. Fragen Sie, welche Händler jeder Datensatz abdeckt und wie die Kategorie definiert ist. Wenn Nielsen einen Discounter einschließt, den Circana auslässt, und Ihre Marke dort überindexiert, ist die Differenz erklärt und nicht alarmierend.

Schritt 2: Distribution von Velocity trennen. Ziehen Sie ACV neben dem Umsatz. Wenn der Umsatz um 3 % stieg, der ACV aber um 5 %, ist Ihre Velocity tatsächlich gefallen. Das Wachstum ist von einer Regalausweitung geborgt, die sich nicht wiederholt.

Schritt 3: Für die Preisbetrachtung in äquivalisiertes Volumen umrechnen. Prüfen Sie den Preis pro eq-Einheit gegen die Kategorie. Ein steigender Preis pro Liter bei fallendem Volumenanteil signalisiert oft, dass Sie sich vom Regal weggepreist haben.

Schritt 4: Mit dem Panel gegenprüfen. Measured Data sagt Ihnen, WAS verkauft wurde. Das Panel sagt Ihnen, WER gekauft hat und ob diese KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer zurückkamen. Ein Umsatzsprung bei flacher Repeat Rate im Panel ist ein Promotion-Zuckerrausch, kein Franchise-Gewinn.

Als solide kostenlose Einführung, wie diese Kennzahlen zusammenpassen, sind die Ressourcen der Category Management Association und allgemeine Erklärstücke zu Retail Analytics ein guter Startpunkt.

🎬 [VIDEO: „Understanding ACV and Distribution Metrics in CPG“ - youtube.com - ein klarer Durchgang zu ACV, Distribution und Velocity für Analysten im Konsumgüterbereich]

Wo das Panel seinen Wert beweist

Measured Data ist präzise bei Transaktionen, aber blind für Shopper. Sie kann Ihnen nicht sagen, ob 1.000 Einheiten an 1.000 neue KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer gingen oder an 100 Loyalisten, die sich eingedeckt haben.

Paneldaten beantworten die Fragen, die über die langfristige Markengesundheit entscheiden:

• Penetration: Welcher Prozentsatz der Haushalte hat Sie mindestens einmal gekauft? Wachstum hier ist die gesündeste Art.
• Buying Rate: Wie viel kauft jeder KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer pro Jahr?
• Repeat Rate: Hat der Trial zur Gewohnheit geführt?
• Source of Volume: Hat Ihr neues Produkt Wettbewerbern Volumen abgenommen, Ihren eigenen anderen Produkten (Kannibalisierung), oder die Kategorie vergrößert?

Ein bekanntes Prinzip aus der Marketingwissenschaft (verbunden mit dem Ehrenberg-Bass Institute) lautet, dass Markenwachstum meist aus steigender Penetration kommt und nicht daraus, aus bestehenden KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufern mehr herauszuholen. Im Panel überprüfen Sie das. Wenn Ihre Marke im Umsatz wächst, die Penetration aber flach ist, stützen Sie sich auf eine schrumpfende loyale Basis, und das ist riskant.

Der Haken: Das Panel ist eine projizierte Stichprobe, kleine Marken und kleine Regionen haben also breite Fehlermargen. Behandeln Sie Panel-Trends als Richtungsangabe, nicht als kommagenau, besonders unterhalb einer bestimmten Umsatzschwelle.

Key Takeaways

• Measured (POS) Data zählt Transaktionen am Scanner; Paneldaten verfolgen Haushalte. Wenn Nielsen und Circana sich widersprechen, liegt das meist an unterschiedlicher Handelsabdeckung, Projektion oder Kategoriedefinition, nicht an einem Fehler.
• ACV ist Distribution gewichtet nach Ladengröße, nicht Ladenzahl. Teilen Sie Umsatzwachstum immer in Distribution (ACV) und Velocity (Umsatz pro Punkt), bevor Sie eine Zahl feiern.
• Arbeiten Sie für jeden Preis- oder Verbrauchsvergleich in äquivalisiertem Volumen. Einheiten allein verbergen Packungsgrößenspiele und Shrinkflation.
• Nutzen Sie das Panel, um Penetration und Repeat Rate zu prüfen. Umsatzwachstum bei flacher Penetration ist fragil; Wachstum durch neue KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer ist haltbar.
• Zitieren Sie nie eine Zahl aus einem Category Review, ohne Quelle, Abdeckung und Einheit zu kennen. Die Differenz zwischen zwei „richtigen“ Zahlen ist selbst der Insight.