Standardanalyse forklaret

GoBright måler belægningen af lokaler og skriveborde og kan ses i menupunktet 'Analytics'. Det giver indsigt i, om lokaler og skriveborde bruges effektivt, og om belægningsgraden kan forbedres.

Log ind på GoBright med din managerkonto og vælg Analytics.

Belægning

Belægningsrapporten giver dig indsigt i belægningsgraden, målt på forskellige parametre.

Målingerne vises som belægningsprocenter, beregnet som en procentdel af den samlede tilgængelige tid, hvor den samlede tilgængelige tid som standard er 08:30-17:00, men kan vælges, så den passer til din situation.

Afhængigt af din licens og hardware er følgende målinger tilgængelige:

• Bookinger: Belægningsprocenten for de reservationer, der er foretaget. Dette viser bookinger, der er foretaget på bookbare pladser.
  Ikke-bookbare pladser er ikke inkluderet, da der ikke er nogen bookinger på disse pladser.

• No-shows: Belægningsprocenten for den tid, hvor et lokale var booket, men ingen dukkede op.
  Så hvis et lokale var booket fra kl. 08.30-17.00, og der ikke kom nogen, vil det resultere i en no-show-belægningsprocent på 100 % for dette lokale den pågældende dag (forudsat at standardåbningstiderne kl. 08.30-17.00 anvendes).
  Generelt giver denne måling dig indsigt i, hvor godt der bliver levet op til de bookinger, der foretages.

• Detekterede belægninger: Belægningsprocenten baseret på den faktiske belægning målt af belægningssensorerne.

• Check-in på Connect: den procentdel af check-in-tiden, hvor brugerne er checket ind via GoBright Connect-enheden på skriveborde, der ikke kan reserveres.

Rapporttype

Vælg rapporttypen for at se data på daglig eller timebasis.
'Per dag' viser dataene for de valgte dage. Rapporten 'Per time' giver dig mulighed for at se, hvilke timer der er spidsbelastningstimer.

Placering og datarækkevidde

Vælg det sted, hvor belægningen er blevet målt, dette kan indstilles fra alle steder til et enkelt rum eller skrivebord. Datoen skal vælge, hvilken periode der skal indgå i analysen.

Tid

Tiden spiller en vigtig rolle for de data, der vises. Den valgte tid bruges som den maksimale belægningstid, så den valgte tid er definitionen på 100 %.

Eksempel 1 'Virksomhed A':

Virksomhed A har åbningstid hver mandag til fredag fra 08:30 til 17:00.
Når virksomhed A filtrerer sine data ved hjælp af ovenstående indstillinger, skal den indstille tiden mellem 08:30 og 17:00 og bruge afkrydsningsfeltet "kun arbejdsdage".

Hvis virksomhed A indstiller deres tid mellem kl. 08.00 og 17.00, opnås der kun 100 % belægning for f.eks. bookinger, der starter (eller før) kl. 08.00 og slutter kl. 17.00 (eller senere). Da dette normalt ikke ville ske, vil det generelt resultere i lavere belægningsprocenter.

Eksempel 2 "Virksomhed B":

Virksomhed B har åbningstider hver mandag til søndag fra 08:00 til 20:00. Virksomhed B skal indstille tiden mellem 08:00 og 20:00, men behøver ikke nødvendigvis at bruge afkrydsningsfeltet "kun arbejdsdage".

Hvis virksomhed B indstillede deres tid mellem 08:00 og 17:00, ville de ikke vise data fra de sidste tre timer af hver dag. I dette tilfælde er det nemt at opnå en belægningsgrad på 100 % for 'Booking', men dataene er unøjagtige, fordi åbningstiderne er længere, end der er taget højde for.

Filtre

Når du analyserer flere rum på én gang (f.eks. en hel bygning), bør du kun sammenligne målingerne med hinanden, når de omfatter samme antal og type rum.

For eksempel:
Alle dine rum er udstyret med belægningssensorer, men har en blanding af rum, der kan bookes, og rum, der ikke kan bookes.
Når du samler data fra alle disse rum i en enkelt graf, bør du ikke sammenligne bookningsprocenten og belægningsprocenten. Det skyldes, at bookingprocenten kun måles for de bookbare rum, og at den faktiske brug måles for alle rum (bookbare og ikke-bookbare).

Derfor kan du bruge filteret "vælg rum med", og i dette tilfælde kan du markere afkrydsningsfeltet "bookinger" for kun at medtage de rum, der kan bookes. Nu vil grafen omfatte bookbare områder for alle målinger, hvilket gør dataene sammenlignelige.

Vis top 10 for belægning

I fanen Analytics vælger du Analytics > Top 10 erhverv.

Dette viser en oversigt over de mest og mindst bookede værelser og skriveborde. De samme filtre gælder som på belægningsfanen. Top 10 kan enten være baseret på bookinger eller på faktisk brug (sensordata), hvilket giver dig et hurtigt indblik i de mest populære og mindst populære rum.

Vis udeblivelser

Gå til fanen Analytics og vælg Analytics > No-shows.

Dette viser en oversigt over arrangører, der har foretaget en booking, og viser en procentdel af den tid, hvor lokalet eller skrivebordet ikke er blevet brugt. Det giver indsigt i, hvornår arrangører tager for lang tid og spilder en del af deres reservation ved ikke at være i lokalet.

Bookinghistorik

Gå til afsnittet Bookinghistorik for at se detaljerede rapporter om bookinger foretaget af dine brugere og deres adfærd. Her kan du finde oplysninger såsom dato og klokkeslæt for tidligere bookinger, placering, arrangør, tidlig tilstedeværelsesbekræftelse, check-in-status eller udeblivelser.

Tjek de forskellige statusser for hver booking for at finde ud af arrangørens adfærd.

Tilstedeværelsesbekræftelsesstatusser

• Status for tilstedeværelsesbekræftelse er Venter på tilstedeværelsesbekræftelse – Dette scenario opstår, når vinduet for tidlig tilstedeværelsesbekræftelse stadig er åbent, og arrangøren endnu ikke har bekræftet eller afvist sin tilstedeværelse.

• Tilstedeværelsesbekræftelsesstatus er Tilstedeværelse bekræftet – Dette er et scenario, hvor arrangøren har klikket på den grønne knap i den tidlige tilstedeværelsesbekræftelses-e-mail.

• Status for tilstedeværelsesbekræftelse er Tilstedeværelse ikke bekræftet – Dette er et scenario, hvor arrangøren ikke har klikket på nogen af knapperne i den tidlige e-mail-bekræftelse af tilstedeværelse.

• Tilstedeværelsesbekræftelsesstatus er Inaktiv – Tidlig tilstedeværelsesbekræftelse er ikke aktiveret for denne ressource (lokale, skrivebord eller parkeringsplads).

• Reservationen er ikke synlig, selvom arrangøren har modtaget en e-mail om tidlig tilstedeværelsesbekræftelse – Dette er et scenario, hvor arrangøren har klikket på den røde knap i e-mailen med tidlig tilstedeværelsesbekræftelse.

Status for manglende fremmøde

• Organizer er tom, og bekræftelsesstatus er Bekræftet (af bruger via portal eller skærm) - Dette ville betyde, at der blev foretaget en anonym booking på rumpanelet, og at nogen trykkede på check-in-knappen på skærmen.

• Organizer er tom, og bekræftelsesstatus er Sensor - Rummet blev brugt af en person, der dukkede op i rummet, og sensoren registrerede belægningen.

• Arrangøren er tom, og bekræftelsesstatus er tom - I dette tilfælde blev der foretaget en anonym booking af panelet, og ingen dukkede op til mødet i lokalet. Dette er et No show.

• Arrangøren er færdig, men bekræftelsesstatussen er Ikke bekræftet - Dette er et scenarie, hvor mødet blev booket i kortere tid end tidsrammen for No show. Hvis mødet f.eks. er booket til 30 minutter, og No show-tidsrammen er 45 minutter efter, at bookingen startede, har platformen ikke tid nok til at opnå No show-status, og den viser derfor en status i orange Ikke bekræftet.

• Arrangøren er færdig, men bekræftelsesstatus er inaktiv – det betyder, at dette rum/dette skrivebord ikke har aktiveret detektering af udeblivelse i rummets profil.

Zone-bookinger i Analytics

Zone-booking-analyser giver indsigt i, hvordan skrivebords-/parkeringsplads-zoner bruges, snarere end individuelle skriveborde/parkeringspladser. Når en zone bookes, indgår hele zonen i statistikken, ikke en specifik ressource inden for den pågældende zone.

Hvis en bruger ikke tjekker ind, markeres reservationen som en udeblivelse, men systemet kan ikke afgøre, hvilken specifik ressource der var tiltænkt at blive brugt.

Vigtige punkter at bemærke:

• Analyserne er baseret på den samlede zoneanvendelse, ikke på individuelle ressourcer.
• No-shows beregnes ved hjælp af check-in-data på zoneplan.
• Det nøjagtige skrivebord/parkeringsplads, der er brugt (eller ikke brugt), er ikke kendt.
• Rapporter viser, hvor ofte en zone er reserveret, checket ind eller markeret som udeblevet.

Denne tilgang hjælper dig med at forstå belægningsmønstre og brugeradfærd på zoneplan, hvilket gør det lettere at optimere planlægningen uden at spore individuel brug.