Si la collecte des données dans le secteur de la distribution et des biens de consommation n’est pas une nouveauté, leur fine analyse grâce à des solutions innovantes basées sur le Big Data et le « machine learning » permet aujourd’hui d’aller beaucoup plus loin, à la fois en matière d’anticipation des désirs et comportements des consommateurs, mais aussi en termes d’efficience des fonctions support. En 2021, plus que jamais, c’est grâce à la data et à la confiance des consommateurs que le secteur pourra gagner en performance.
Au sein des directions marketing du retail, l’étude des tickets de caisse permet depuis de nombreuses années de disposer d’un certain nombre d’informations sur les pratiques d’achat des particuliers et notamment les acquisitions généralement corrélées. Concrètement, les retailers savent que le consommateur se procurant tel produit achète généralement, de pair, tel autre. Ce premier niveau d’analyse, loin d’être nouveau, a permis durant des années d’effectuer des rapprochements bénéfiques aux ventes. Mais avec la massification de la data, le retail est entré dans une nouvelle ère, bien plus riche en opportunités pour l’ensemble de la chaîne de valeur.
C’est pourquoi le Big Data allié à l’intelligence artificielle apparaît aujourd’hui indispensable
Aujourd’hui, grâce aux cartes de fidélité et à la montée en puissance du e-commerce – phénomène nettement amplifié par la crise sanitaire – il est désormais possible de « chaîner » beaucoup plus précisément les habitudes de consommation. Autrement dit d’observer – donc d’anticiper – ce que les clients achètent sur le temps long et selon quel parcours d’achat. Ininterrompu, abondant et en perpétuelle intensification, le flux de données récoltées par les marques, retailers et e-commerçants est désormais trop massif et mouvant pour être interprété pertinemment et suffisamment rapidement par la seule intelligence humaine. C’est pourquoi le Big Data allié à l’intelligence artificielle apparaît aujourd’hui indispensable pour renforcer la capacité des équipes et la compétitivité des acteurs du retail.
Piloter
Au-delà de la personnalisation des produits, de l’amélioration de l’expérience client et de la sophistication des actions de marketing, la data profite à tous les métiers du retail et au pilotage de la performance. Car la transversalité requise par l’omnicanalité a conduit les retailers à décloisonner leurs structure et système d’information (SI). Pour le contrôle de gestion, il s’agit d’une transformation profonde ayant un impact sur bien des aspects : l’évolution des processus et indicateurs de suivi et prévisions, la modélisation des données et règles de gestion, les solutions support, la gestion des ressources humaines, etc. À l’évidence, le contrôle de gestion du retail a aujourd’hui besoin de capitaliser sur le Big Data et de moderniser ses différents outils (de logistique, de stockage, etc.) pour faciliter la gestion des flux.
Le Big Data allié à l’I.A. apparaît aujourd’hui indispensable pour renforcer la capacité des équipes et la compétitivité des acteurs du retail.
Autre atout et pas des moindres, la data permet aux acteurs du retail de répondre plus efficacement aux nouvelles exigences réglementaires, notamment en réduisant leur impact environnemental grâce à l’optimisation de leur chaîne logistique. En définitive, cette nouvelle ère met en exergue deux défis de taille pour les acteurs du retail. Le premier concerne les clients, dont la collecte et l’utilisation des données personnelles doit être consentie de manière éclairée et respecter scrupuleusement le RGPD [règlement général sur la protection des données, ndlr]. Le deuxième a trait à l’ensemble des départements (ressources humaines, logistique, finance, marketing, etc.) qui, bien souvent silotés, devront dorénavant apprendre à travailler ensemble et de manière agile autour de la data. Un vaste programme qui devrait permettre aux acteurs les plus réactifs de tirer leur épingle du jeu.
Prédire
À ne pas confondre avec l’analyse statistique, l’analyse prédictive est le résultat pratique du Big Data et de la business intelligence. Apprendre du passé pour mieux prédire l’avenir et ainsi optimiser les actions à planifier, voilà en quoi consiste ce premier niveau de l’exploitation de la data qui, dans le cas du retail peut, par exemple, apporter une information moyenne globale sur la consommation d’un article en tenant compte de la saisonnalité. Cela permet aux retailers d’estimer les ventes de leurs produits et de mettre en œuvre la chaîne logistique adaptée pour en avoir la juste quantité en rayon et en stock au bon moment. Actuellement en phase de test, de nouvelles solutions reposant sur des algorithmes de machine learning se sont montrées probantes, donnant de meilleurs résultats que les approches traditionnelles de modèles de séries temporelles. Pour rester dans la course, les retailers ont donc tout intérêt à faire évoluer leurs outils et à capitaliser a minima sur l’analyse prédictive pour fiabiliser leurs flux logistiques et améliorer leur efficience générale.
Auparavant, il convenait de faire des compromis entre massification et ciblage, les nouvelles approches permettent de mettre en œuvre un marketing à la fois massif et personnalisé.
À plus forte valeur ajoutée encore, l’analyse prescriptive permet quant à elle de repenser en profondeur la stratégie commerciale, en concevant notamment des expériences d’achat sur mesure – une très forte attente des consommateurs, plus que jamais demandeurs de personnalisation ; à la fois des produits qu’ils achètent et des stratégies marketing dont ils sont les cibles. Alors qu’auparavant il convenait de faire des compromis entre massification et ciblage, les nouvelles approches permettent de mettre en œuvre un marketing à la fois massif et personnalisé. Ainsi, alors que le secteur avait pour habitude de bâtir des stratégies marketing distinctes pour une vingtaine de segments différents, la data permet désormais d’identifier des milliers de micro-segments de clientèle, lesquels pourront chacun faire l’objet de campagnes marketing extrêmement ciblées (promotions, newsletters, invitations, etc.).
Satisfaire
L’expérience personnalisée ne consiste pas seulement à proposer des produits adaptés, mais aussi à les proposer au bon moment pour éviter que la sollicitation ne soit perçue comme intrusive. Cela permet à la fois d’optimiser le taux de transformation de court terme, mais aussi le taux de satisfaction donc la fidélisation. Parmi ces moments peuvent notamment figurer ceux passés en magasin, plus précisément ceux passés dans tel ou tel rayon, pour pousser une offre personnalisée et conjoncturellement très adaptée. En 2021, la géolocalisation des clients au sein du magasin pourrait constituer un nouveau paramétrage pour mieux connaître les habitudes de consommation et ainsi affiner encore les offres.
Entre détection des opportunités, anticipation des tendances et futurs best-sellers, modélisation des parcours clients de plus en plus complexes et optimisation des ventes grâce à l’automatisation des prises de décision, il ne fait aucun doute que les analyses prédictives et prescriptives constituent déjà une valeur ajoutée indéniable pour le retail et les marques. À ce jour, si un certain nombre d’enseignements peuvent être tirés de notre connaissance de la data, il est évident que de nombreux aspects et usages restent à approfondir, voire à explorer. Il demeure néanmoins impératif que ces technologies renforçant les capacités humaines soient encadrées par des pratiques toujours plus responsables et transparentes afin de permettre aux retailers et aux marques de gagner durablement la confiance et la préférence des consommateurs. Car après tout, ne serait-ce pas tout l’intérêt de la data ?
*Article paru le 19/01/2021 sur Mazard.fr, repris ici avec l’accord des auteurs.
