retail

Une levée de 1,5 million d’euros : askR.ai part à la conquête du Retail avec Kaptain Charlie, le coach virtuel qui maximise les résultats des actions commerciales terrain

Fondée en 2016, la startup askR.ai a créé le premier data assistant boosté à l’intelligence artificielle qui permet de simplifier l’accès à la donnée. Ses fondateurs, Matthieu Chabeaud, Joël Celaries et Alexandre Schneider, sont 3 experts de la data qui travaillent ensemble depuis plus de 20 ans. 

En 2021, dans un souci de répondre aux enjeux jugés les plus prioritaires par les acteurs du Retail, la start-up mène une étude de 8 mois auprès de plus de 60 directeurs régionaux de grandes enseignes du secteur en France. Le résultat fait émerger un besoin de piloter de manière plus efficace les performances des actions commerciales mises en place en magasin. 

Une levée de fonds d’1,5 million d’euros réalisée auprès de Pléiade Venture, avec le soutien de BPI France et de la Banque Populaire, permet à askR.ai de répondre à cette problématique et de lancer Kaptain Charlie, un coach virtuel qui maximise les performances des actions commerciales en points de vente.

Une enquête menée sur le terrain qui débouche sur une levée de fonds d’1,5 million d’euros

C’est en souhaitant s’appuyer sur le retour d’expérience de ses utilisateurs, dans l’optique de répondre à leurs besoins et d’être au plus près de leurs préoccupations qu’askR.ai, en partenariat avec HyperGROWTH, a interrogé plus de 60 Directeurs régionaux pendant 8 mois. Résultat ? 71% des dirigeants ont répondu qu’il était très prioritaire d’améliorer la manière dont les équipes terrain utilisent les données pour améliorer leurs performances.  Forte de ce constat sans appel, la start-up a levé 1,5 million d’euros afin de proposer une solution concrète répondant à ces problématiques : Kaptain Charlie. La solution s’appuie en grande partie sur la technologie préexistante de l’éditeur (Intelligence Artificielle, Data, NLP). 


Kaptain Charlie, un outil du quotidien, collaboratif et commun à l’ensemble du réseau 

Intuitive, facile d’utilisation, et connectée aux messageries instantanées des entreprises (Teams, Whatsapp, Facebook Workplace…), Kaptain Charlie est une solution qui permet de déceler rapidement un décrochage dans l'atteinte des objectifs des actions commerciales terrain en cours pour prendre des actions correctives immédiatement, de multiplier les actions commerciales qui performent et d’abandonner rapidement celles qui ne performent pas en basant les décisions sur des faits, et, enfin, d’amplifier les performances des actions commerciales de l'enseigne en impliquant tout le réseau (Directeur de réseau, Directeur régional, Directeur magasin).

« Kaptain Charlie a été conçu pour répondre au besoin de pilotage quotidien des actions commerciales des équipes terrain qui n’ont pas le temps d’analyser l’intégralité des chiffres en détail. Kaptain Charlie leur délivre immédiatement l'information actionnable pour agir et maximiser leurs performances », déclare Matthieu Chabeaud, CEO et co-fondateur d’askR.ai. 

Article initialement paru sur Republik Retail : https://www.republik-retail.fr/solutions-techno/data/data-ia-askr-ai-leve-1-5-million-d-euros-pour-devenir-le-coach-numerique-des-equipes-magasin.html



Une stratégie data pour faire face à la crise du retail ? IA et experience client

Nous évoquions dans un précédent article l’impact de l’IA sur la calibration de l’offre et des prix. Cette calibration est indissociable de l’amélioration de l’expérience client et de la communication. Cet autre chantier est déterminant pour le secteur du retail, qui voit le budget des consommateurs consacré aux achats diminuer lentement mais sûrement. 

IA experience client crise retail

Baisse du CA : moins de clients mais plus de data.

La crise actuelle a acté assez violemment une diminution de budget des consommateurs. En dehors du secteur alimentaire qui a gagné 20% de vente, le coronavirus a mis en avant la volatilité de la clientèle, moins loyale et surtout en recherche de la plus grande simplicité de parcours compatibles avec les mesures de protection sanitaire. De grandes enseignes bien connues des français comme Naf Naf ou Camaieu sont en redressement judiciaire. Bien que ces chutes aient été précipitées par les événements, elles sont surtout l’expression de défis non relevés depuis une dizaine d’année.

Le secteur traversait déjà une période difficile, explique Gildas Minvielle, directeur de l'Observatoire économique de l'Institut français de la mode. En moyenne, depuis l'année 2007, l'évolution du chiffre d'affaires des distributeurs recule. Sur l'ensemble de la période, il a reculé d'un peu plus de 15%.". Face à une baisse globale du chiffre d’affaire, les canaux de différenciation ne sont pas les produits eux-même, qui dans le cas de vêtements de milieux de gamme n’est “que” une affaire de goût. La différenciation vient de l’utilisation des données que les enseignes collectent de mieux en mieux. 

Il faut donc jouer avec ces data sur un autre tableau : choyer les clients pour les conserver, avec une expérience d’achat absolument fluide et une personnalisation soigneusement dosée pour être bienvenue. Et en e-commerce, “ La plupart des sites mobiles sont à des années lumières de ce que les clients attendent : 19 secondes pour télécharger un site mobile via un réseau 3G alors qu’au-delà de 3 secondes 53% des clients zappent sur un autre site. “ précise François Loviton, Directeur Brands & Retail chez Google France.

Choyer les clients pour les conserver, avec une expérience d’achat absolument fluide et une personnalisation soigneusement dosée pour être bienvenue.

Il ya donc l’optimisation perpétuelle des sites de ventes, mais aussi la capacité à suivre le client en passant d’un canal à l’autre : un site, un site revendeur, en boutique… Afin d’identifier et optimiser les parcours les plus susceptibles de convertir, l’IA est un atout précieux permettant d’identifier des shémas fructueux. On peut citer l’exemple du groupe Etam, qui a lancé un algorithme capable de voir des signaux faibles sur certains produits qui se vendent "discrètement". L’intelligence artificielle scrute toutes les ventes online et offline. L’information est ensuite remontée aux magasins pour qu’ils aient conscience de "ces best-sellers qui ne se voient pas". Objectif pour Jean-Bernard Della Chiesa, directeur innovation du groupe Etam ? Améliorer le merchandising de ces références.

Cette meilleure compréhension des intentions des clients, ou encore la personnalisation des suggestions, via des coupons individuels, sont par exemple de belles promesses de l’IA qui nécessitent d’être travaillées à fond pour offrir cette différenciation tant cherchée.

Bienvenue dans l’ère de l’assistance : personnalisation client et parcours omni-canal.

Au sein de son Hub Digital, Carrefour expérimente avec Google des usecases prioritaires qui touchent aussi bien à l’optimisation en commerce de proximité qu’à la personnalisation des coupons, ou encore l’analyse automatisée de l’assortiment. Grâce à la personnalisation, les services sont plus efficaces et pertinents pour l’utilisateur et bénéficient tant à l’entreprise qu’au client.

Toujours chez Carrefour, sous la direction de Amélie Oudéa-Castera du Hub Digital, une prédiction des promotions à commander est en phase d’industrialisation. Ces produits partent souvent plus vite et “un meilleur calibrage des niveaux de commande permettrait d’apporter plus de 100 millions d’euros de chiffre d’affaires”. Combiné à la création de Léon, assistant virtuel d’aide aux courses en ligne, cette création d’algorithme démontre que Carrefour a bien compris qu’il fallait de plus en plus accompagner le client avec une assistance pertinente. Lui faire gagner du temps en le comprenant profondément grâce à ses données, et ne pas seulement lui proposer passivement des produits qu’il trouverait, de toute façon, ailleurs. 

Voilà une tendance que le monde du retail français ne doit pas laisser passer. La fonction  search devient plus intelligente et plus prédictive sur les sites : on est passé de l’indexation de lien à une recherche sémantique, avec des alertes pro-active. De nouvelles manières de chercher un article, par l’image ou par la voix, ont vu le jour. La conjugaison du machine learning et des objets connectés, devront amener jusque dans les boutiques physique et cette logique d’assistant intelligent via des conversations qui seront une forme évoluée de ce que l’on fait aujourd’hui en cherchant un produit. 

Marqués par une crise créant de la distance physique, les retailers doivent appréhender cette révolution pour pouvoir se transformer relever. “Retail is detail! “

Découvrez askR.ai, le data-assistant des retailers

 

Sources :

https://www.usine-digitale.fr/article/lab-carrefour-google-les-10-grandes-innovations-testees-par-le-distributeur

https://siecledigital.fr/2020/05/25/le-retail-a-lepreuve-de-la-crise-du-covid-19/

Retail : ce que la data science apporte au pricing stratégique

Retail : ce que la data science apporte au pricing stratégique

Comment le passage d’une Business Intelligence traditionnelle à une vision prédictive transforme petit à petit le monde des plus grands retailers… en attendant que les ETI et PME s’y mettent.

Cet article appartient à une série plus globale Quels enjeux retail sont directement touchés par la revolution data ? (à venir)

Le potentiel du machine learning

L’apprentissage automatique, ou machine learning, est la capacité d’apprentissage d’un ordinateur sans programmation explicite préalable. Autrement dit, une fois lancé, un mécanisme de machine learning s’améliore seul, sans supervision permanente, à partir des données qui lui sont fournies. Plus les données sont nombreuses, plus l’apprentissage sera fin. C’est pour cette raison que l’optimisation des prix et des promotions dans le retail est très prometteuse : la fixation rationnelle des prix dépend totalement des données.

D’après PwC, les entreprises qui exploitent la puissance de l’IA pour optimiser les prix peuvent augmenter leur chiffre d’affaires net de 3 % à volumes identiques* !

Les entreprises peinent souvent à appliquer une tarification dynamique juste, en fonction de la demande, de la saison, de la région… Les facteurs possibles sont extrêmements nombreux et différents selon chaque retailer. La capacité du M.L. d’analyser une gros volume de données variées dans court laps de temps permet déjà de maximiser la marge sur un produit en fixant un prix optimal. Il peut également aider les décideurs à visualiser la propension de futurs acheteurs à payer, et à anticiper leurs réactions selon les variations de prix. D’après PwC, les entreprises qui exploitent la puissance de l’IA pour optimiser les prix peuvent augmenter leur chiffre d’affaires net de 3 % à volumes identiques* !

Amazon change 50 fois par an le prix d’un ventilateur

Il apparait évident que personne ne va changer le prix manuellement sur le site à chaque fois. Le secret d’Amazon, et de plus en plus d’acteurs retail pure player, ce sont les algorithmes de tarification dynamique : le système ajuste automatiquement les prix pour chaque client en fonction des données. Mais ce qui fait la vraie force d’Amazon par rapport à ses concurrents, finalement, ce sont les données de ses 200 millions de clients… Plus de données, plus d’efficacité dans l’apprentissage.

Le Monde -  Infographie Tarification dynamique - “ Les algorithmes font varier les prix, pour optimiser les profits”, par Julie de Brosse

Le Monde - Infographie Tarification dynamique - Les algorithmes font varier les prix, pour optimiser les profits”, par Julie de Brosse

L’optimisation des promotions

Le calcul exact de la rentabilité d’une promotion fait aussi partie des exercices périlleux d’une stratégie de pricing… Encore une fois, le nombre de facteurs joue beaucoup : perception de la marque, effet de pénétration réel ou cannibalisation. Le machine learning se révèle précieux dans l’analyse des données : achats précédents, analyse de la concurrence, durée de la promotion précédente, etc. Il pourra ensuite aider à déterminer quels clients verront leur loyauté renforcée par une promotion ou un coupon, ceux qui sont le plus susceptible de s’en servir, la durée idéale de vie du dit coupon. Bref, en fonction des objectifs, de modéliser directement en fonction des données à sa disposition afin d’aider les décideurs retail dans une stratégie plus ciblée.


askR.ai, le data-assistant des décideurs retail

Le principe de la Business Intelligence de mettre la donnée à disposition des décideurs pour favoriser la prise de décision ne change donc pas, même en passant de la BI à la data science. L’aspect prédictif, au contraire, offre un atout supplémentaires aux retailers de plus en plus data-driven pour appliquer une stratégie de pricing au plus près des attentes des consommateurs et meilleure génératrice de ROI.