Analyse et optimisation de l’assortiment grâce au machine learning
Les enjeux liés à l’assortiment sont considérables pour les magasins, car de la qualité de l’assortiment dépendent les résultats d’un magasin. En effet, la taille de l’assortiment, son prix et sa disponibilité vont avoir un impact direct sur les ventes et sur le chiffre d’affaires. L’optimisation de l’assortiment doit tenir compte d’un certain nombre d’éléments pour répondre aux besoins des consommateurs et pour atteindre les objectifs d’un espace de vente.
Alors, comment analyser et optimiser son assortiment ? Quelles techniques faut-il utiliser pour analyser méthodiquement son assortiment ? Quelles solutions permettent d’optimiser un assortiment en fonction de la saisonnalité ou du contexte économique local ? Nous vous proposons de découvrir de quelle façon l’intelligence artificielle est devenue le seul outil permettant d’analyser et d’optimiser efficacement un assortiment.
Quatre étapes pour analyser son assortiment
L’analyse d’un assortiment est un procédé complexe qui peut être déterminant pour son optimisation. En effet, une mauvaise analyse peut fausser l’optimisation d’un assortiment et peut dégrader ses performances. Alors, pour analyser en toute sécurité son assortiment, il convient de suivre quatre étapes.
Étape n°1 : fixer des objectifs
Avant de vouloir analyser ou optimiser son assortiment, il convient de fixer des objectifs. Effectivement, c’est en déterminant précisément les objectifs de l’assortiment qu’il sera possible de mettre en place des actions concrètes et performantes. Les objectifs d’un assortiment peuvent être multiples :
- prendre des parts de marché ;
- développer le chiffre d’affaires ;
- implanter une nouvelle marque ;
- améliorer la satisfaction client ;
- etc.
Étape n°2 : récolter des données
Pour analyser un assortiment, les entreprises ont besoin de data. Elles peuvent différer selon les points de vente, mais, dans l’ensemble, les analyses se baseront sur :
- les tickets de caisse ;
- les paniers abandonnés ;
- les commandes annulées ;
- le contexte socio-économique ;
- l’offre proposée par la concurrence.
Il s’agit donc bien de data internes à l’entreprise et de data externes, car l’analyse de l’assortiment ne peut se faire que grâce à la combinaison de l’ensemble de ces informations.
Par exemple, lors de la crise sanitaire du coronavirus, nous avons observé des changements dans le comportement des acheteurs. Les achats en ligne et le drive ont été privilégiés. De même, les ventes de certaines références ont été divisées par deux, tandis que d’autres ont été multipliées par cinq.
La météo joue également un rôle déterminant dans le comportement des clients. Certains produits se vendent plus facilement en été qu’en hiver. Mais au cours de l’été, une journée fraîche et pluvieuse modifiera le choix des clients qui ne se tourneront plus automatiquement vers les produits favoris de la saison estivale comme les glaces, les boissons fraîches, etc.
Un assortiment optimisé, c’est donc un assortiment qui prend en compte les besoins du consommateur, mais aussi sa psychologie et la situation dans laquelle il se trouve : son pouvoir d’achat, sa situation géographique, sa situation familiale, sa situation sanitaire, etc.
Étape n°3 : implémenter les données
Une fois que les data internes et externes ont été récupérées, il est important de bien les utiliser. La question de la méthode se pose automatiquement : de quelle manière trier toutes ces informations et comment les exploiter de façon efficace et rapide ?
Pour trier et analyser toutes les informations capables d’améliorer l’assortiment, les entreprises ont recours à l’intelligence artificielle. Effectivement, seule l’intelligence artificielle est capable de traiter simultanément une si grande quantité de data. Il s’agit du machine learning.
Les données récoltées sont intégrées dans une plateforme d’intelligence prédictive. Les algorithmes du machine learning réalisent des calculs. Ces résultats de calculs peuvent ensuite être intégrés directement dans les outils de l’enseigne. De même, de nouvelles data peuvent être ajoutées régulièrement ou de façon ponctuelle. Les résultats du machine learning sont alors mis à jour en fonction des dernières informations.
Étape n°4 : identifier les problèmes potentiels de l’assortiment
La performance d’un assortiment peut être dégradée à cause :
- des tarifs ;
- de la qualité des produits ;
- de la gestion du stock ;
- de la concurrence ;
- du merchandising.
Ainsi, l’assortiment peut être trop pauvre par rapport à celui de la concurrence, il peut également être trop cher ou de moins bonne qualité. De plus, le taux de rotation trop faible de certains produits peut dégrader la performance globale de l’assortiment. Enfin, une position trop basse dans le linéaire peut diminuer la visibilité d’un article ou d’une gamme d’articles. La rentabilité de la gamme est alors détériorée de façon significative.
L’optimisation de l’assortiment grâce aux « 6B » de Kepner
En 1963, Charles Kepner affirme que le rôle de l’assortiment est de proposer le bon produit, au bon moment, au bon endroit, en bonne quantité et au bon client. Plus tard, il ajoutera « la bonne information » à cette liste. Selon Kepner, un produit présenté avec la bonne information est un article que le consommateur trouvera facilement en magasin et qu’il pourra acheter tout seul.
Proposer le bon produit au sein d’un espace de vente particulier
Un assortiment doit être composé de bons produits. Alors, qu’est-ce qu’un « bon produit » ? Pour pouvoir répondre à cette question, il faut additionner l’ensemble des « B » énoncés par Kepner. Mais pour commencer, nous pouvons dire qu’un bon article est un article qui répond à un besoin et à un objectif. C’est donc un article qui a toute sa place dans le linéaire d’un espace de vente.
S’adresser au bon client grâce au contenu et au merchandising
Tous les consommateurs sont différents et n’achèteront pas tous les mêmes catégories d’articles. La grande distribution, la vente en ligne, le retail et le commerce de proximité mettent en place des stratégies marketing afin de s’adresser au bon client. La segmentation de la base de données permet d’adresser des offres marketing ciblées et personnalisées.
Dans les magasins, le merchandising peut être utilisé pour attirer l’attention de certains acheteurs. Effectivement, certains acheteurs seront plus sensibles à certains messages promotionnels. La façon de s’adresser aux clients fait partie des éléments clés pour perfectionner son assortiment et mettre en avant une certaine catégorie d’articles.
Trouver le bon moment pour mettre en avant son offre
La saisonnalité, le contexte économique, les fêtes calendaires, les veilles de vacances, les semaines d’hiver et les vacances de printemps sont autant de moments dans l’année qui déclenchent certains achats. De même, dans un magasin, les acheteurs ne se comportent pas de la même manière un lundi ou un samedi, à l’ouverture le matin ou en fin de journée.
L’assortiment doit donc être pensé selon chaque heure de la journée, chaque moment de la semaine et chaque occasion. Les entreprises doivent trouver le bon moment pour proposer certains articles à certains acheteurs. Dans le cas contraire, elles prennent le risque de ne pas réaliser le nombre de ventes prévues. Le merchandising s’adapte à ces différents moments de l’année en mettant en avant certaines catégories de produits dans les linéaires.
Disposer du produit dans la bonne quantité
Un assortiment performant doit tenir compte des quantités et de la gestion du stock. Effectivement, un article, ou une catégorie d’articles, ne doit pas être en rupture de stock ni en surstock. Le premier cas occasionnerait de l’insatisfaction client et une baisse du nombre des ventes, tandis que le second entraînerait des coûts de stockage supplémentaires.
De plus, les techniques de stockage de certains produits sensibles peuvent générer des coûts financiers importants. Dans le domaine de la pharmacie ou de l’alimentaire, certaines règles de stockage doivent être respectées. Le niveau de stock des références doit donc correspondre aux prévisions de ventes afin de ne pas diminuer les performances de l’entreprise.
Fixer le bon prix de chaque produit
Dans la grande distribution, dans les magasins de proximité, dans le retail et dans les boutiques en ligne, tous les produits doivent être proposés au bon prix. Le tarif d’un article doit inclure la notion de rentabilité et d’objectif. En effet, certains produits peuvent être proposés à des prix très compétitifs s’il s’agit, par exemple, de produits d’appels. Au contraire, d’autres produits peuvent avoir un prix plus élevé en fonction de la concurrence.
Pour résumer, le bon tarif n’est donc pas nécessairement le tarif le plus bas. C’est plutôt un tarif qui tient compte de différents paramètres comme le coût d’achat, l’offre de la concurrence, le niveau de stock, etc.
Ajouter la bonne information pour chaque article
Pour réussir la vente d’un article, le service marketing d’une marque travaille sur le packaging et sur la présentation d’une gamme. Dans les magasins, au milieu des linéaires, les couleurs des emballages peuvent capter l’attention du consommateur. Au sein d’un même rayon, grâce à la PLV, les marques peuvent aussi ajouter des informations.
Ces informations peuvent prendre la forme d’un conseil d’utilisation, d’une liste exhaustive de composants, etc. Ces informations doivent être prises en compte dans le plan d’implantation de l’assortiment ou merchandising.
La prévision : une méthode efficace pour l’analyse et l’optimisation de son assortiment
Si les « 6B » de Kepner permettent de constituer un assortiment optimisé dans un magasin, il n’en reste pas moins qu’ils se basent sur une masse importante d’informations. Ces informations sont toutes indispensables et doivent donc toutes être prises en compte pour analyser et optimiser l’assortiment d’un espace de vente.
La plateforme d’intelligence prédictive permet aux entreprises de réaliser de très nombreuses simulations à partir de très nombreuses data. Grâce aux prévisions, les entreprises sont en mesure de prendre des décisions plus rapidement. Elles savent ainsi de quelle manière réagir face à tous types de situations. De plus, ces prévisions émanant du machine learning, elles sont fiables et justes.
En résumé, l’analyse et l’optimisation de l’assortiment demandent de savoir maîtriser un outil innovant et performant : la plateforme d’intelligence prédictive. Grâce à elle, les consommateurs réaliseront des ventes qui correspondent à leurs besoins et les entreprises atteindront leurs objectifs.