Like za slično (LFL) je pojam koji se često koristi u maloprodajnim krugovima za identificiranje stope rasta u trgovinama koje imaju u biti iste okolnosti i osobine kako bi se utvrdilo je li rast prihoda bio manje-više isti u svakoj od tih trgovina. trgovine. Kako bi to postigao, lanac će isključiti sve trgovine koje nisu u skladu s kriterijima korištenim za analizu, kao što su trgovine koje su proširene, nedavno zatvorene ili otvorene unutar određenog vremenskog okvira. Uklanjanje ili izuzimanje trgovina koje ne odgovaraju kriterijima korištenim za usporedbu olakšava određivanje imaju li sve preostale trgovine sličan obrazac rasta, ponekad kao rezultat specifičnih marketinških ili prodajnih strategija provedenih od posljednje usporedbe .
Iako je procjena sličnog rasta uobičajen alat koji koriste trgovci na malo, ista se osnovna strategija može koristiti i s drugim vrstama tvrtki koje posluju na više lokacija. Na primjer, lanac restorana može napraviti ovu vrstu usporedbe, obično identificirajući sve restorane koji su osnovani unutar zajednica s određenim rasponom stanovništva, koriste iste jelovnike i svi su istog rasporeda i dizajna. Kao i kod maloprodajnog modela, lanac može odlučiti isključiti sve lokacije koje su otvorene u posljednjih godinu ili dvije.
Hotelski lanci također mogu ponekad koristiti ovaj model kao sredstvo za procjenu kako određene promjene u politikama ili poboljšanja utječu na obim poslovanja u hotelima koji služe istoj osnovnoj demografiji i posluju više od određenog broja godina. Ovaj pristup često može dati dobru predodžbu o tome imaju li te promjene ukupni pozitivan učinak na poslovanje ili postoje naznake da promjene ne uspijevaju privući ili čak zadržati klijente koji su s vremena na vrijeme rutinski boravili u hotelima.
Uz bilo koju aplikaciju, ideja koja stoji iza ocjene like for like je detaljnije razumjeti koliko su te lokacije uspješne kada je u pitanju stvaranje prihoda. Proces često zahtijeva usporedbu rezultata posljednjeg završenog razdoblja s rezultatima prošlih razdoblja, što olakšava određivanje je li profit tijekom vremena relativno stabilan ili se pomaknuo prema gore ili prema dolje. Podaci generirani analizom like for like često mogu pružiti važne naznake o tome kako nastaviti u budućnosti, kako u smislu poboljšanja performansi prodavaonica uključenih lokacija, tako i planiranja uspostavljanja i rada novijih lokacija kako bi oni također imali veće šanse za uspjeh.