Distribution : exploiter le big data pour regagner des marges

Exploiter le big data pour regagner des margesDepuis les années 90, le marketing s’efforce de comprendre le fonctionnement des consommateurs afin de leur vendre mieux et plus. L’accroissement de la pression concurrentielle, de la quantité de données à traiter et de la versatilité de la demande ont rendu cette tâche complexe et coûteuse mais néanmoins vitale pour les distributeurs. La qualité de ses analyses, la rapidité à laquelle elles sont mises à disposition et l’utilisation qui en est faite déterminent bien souvent le succès d’une enseigne.

La connaissance des consommateurs se fonde sur une multitude de données provenant de l’e-commerce, des points de vente ou de sources externes, comme les tickets de caisse, les cartes de fidélités, l’analyse du parcours client multicanal, les études quantitatives/qualitatives… qui sont analysées via différents indicateurs et croisées. La fréquence des analyses varie, certaines stratégies requérant le traitement de flux massifs de données en continu afin de permettre l’adaptation aux changements du marché. Voici un tour d’horizon des initiatives de la grande distribution pour regagner des marges grâce à l’analyse des données :

1. Affiner les typologies de clients ou « buyer persona », une étape incontournable pour orienter les choix stratégiques

Afin, selon son PDG, d’”assurer la vitalité de l’enseigne”, Leclerc, un des leaders de la grande distribution en France, a modifié en 2017 sa manière de classer les consommateurs en croisant les données de ses tickets de caisse et des données socio-économiques. “Les vieilles typologies ne correspondent plus aux réalités”, explique Michel-Édouard Leclerc. Il en ressort 5 profils types : “Les prétendants” (20%), “Les assiégés” (25%), “Les mécènes” (18%), “Les changeurs” (11%), et “Les créatifs” (26%). Selon le PDG, « Ça va servir aux directeurs de magasins, pour nos chefs de rayons, ces études vont se traduire par des plans d’action”.

2. Optimiser l’offre de chaque zone de chalandise en fonction de l’analyse de la structure des paniers et de l’analyse prédictive des ventes

Plusieurs pure players ont ouvert des magasins physiques qui proposent une sélection d’articles basée sur la connaissance approfondie des habitudes de leurs clients, à l’exemple de la première librairie ouverte à Seattle par Amazon (13 ouvertures en 2 ans), du magasin Spartoo à Grenoble (15 ouvertures en France dans le même laps de temps) ou encore des corners « Cdiscount » dans les hypermarchés Géant.

3. Proposer les bons prix au bon moment et au bon endroit

Il est indispensable de prendre en compte la sensibilité-prix des consommateurs et divers paramètres comme la saisonnalité des produits, l’intensité concurrentielle de la zone de chalandise ou les spécialités alimentaires de la région.

Le pricing dynamique, particulièrement efficace online, consiste à adapter les prix (jusqu’à plusieurs fois par jour) en fonction de paramètres analysés en continu afin de permettre une grande réactivité dans un domaine où les prix sont fréquemment comparés. Si vous êtes un habitué du blog, vous aurez lu notre article sur les stratégies d’Amazon, de la Fnac, de Cdiscount et de Rue du Commerce pendant la période des fêtes sur la catégorie des jouets.

4. Rendre les opérations de communication et les promotions plus rentables

En identifiant les clients fidèles et en réconciliant les données les concernant, collectées via les différents canaux de vente de l’enseigne, il est possible de leur transmettre un contenu marketing et des offres bien mieux ciblées au moment le plus pertinent pour eux. Cette démarche est au cœur de la stratégie d’Intersport, qui affiche une croissance à 2 chiffres et dont les clients fidèles représentent 70% du chiffre d’affaires. « Nous voulons renforcer les liens avec eux en leur envoyant des offres personnalisées, qu’il s’agisse de promos ou de contenu, et en les invitant à des événements en fonction de leurs affinités », détaille le PDG Jacky Rihouet, « ils doivent se sentir encore plus privilégiés ».

En se dotant récemment d’une infrastructure cloud pour résoudre ses problématiques de Big Data, Etam a fortement renforcé sa capacité à identifier rapidement les opérations promotionnelles pertinentes comme en atteste le directeur E-commerce & Innovation : « On remonte les tickets de caisse des 450 magasins en France en moins de 10 minutes, ce qui fait qu’on arrive à mesurer les performances d’une opération en moins de 10 minutes également ».

5. Mettre en avant les bons produits pour faciliter l’achat en ayant recours à la vente croisée

Cette technique consiste à regrouper des « familles » de produits (ex : le costume gris avec la chemise bleue, la bière et les chips…). En ligne, il est possible de recommander aux clients des produits additionnels grâce à des algorithmes (produits complémentaires, similaires, ou achetés par les autres clients). Inditex l’applique à son pop up store londonien phygital Zara : il comprendra des miroirs connectés qui proposent des achats complémentaires au client lorsque celui-ci scanne l’étiquette RFID de son article. En magasin, les possibilités offertes par le merchandising ou la PLV sont nombreuses. Certaines enseignes effectuent par exemple un réagencement des produits autour des typologies de consommation : îlots de produits consommés au petit déjeuner, pour le goûter ou le dîner.

Quels outils pour exploiter au mieux ses données ?

La plateforme ActiveViam pour le pricing est conçue pour analyser en continu toutes les dimensions qui entrent dans la fabrication du prix, qu’elles soient relativement simples (« cost plus » ou alignement concurrentiel strict par exemple) ou qu’elles intègrent des facteurs complexes mêlant taux de marge, analyse de l’offre, environnement concurrentiel, saisonnalité, stocks et bien plus encore. Elle permet ainsi d’exploiter au mieux les données des clients magasin par magasin et rayon par rayon pour proposer des prix adaptés à leurs préférences. Il s’agit d’injecter toute la valeur de l’enseigne, de son image et de ses services dans les prix, et ainsi d’améliorer ses marges sans perdre en volume.

Like this blog?
Follow us on LinkedIn
to stay up-to-date with the latest blog posts!

This entry was posted in Big Data Analytics, Pricing. Bookmark the permalink.

Comments are closed.