retail

Paris Retail Week : sur le terrain, augmentez vos équipes.

“ …Augmenter ses forces de vente grâce à la digitalisation des opérationnels : Kiabi et Renault partagent leur expérience. “ - Compte rendu de l’atelier solution Paris Retail Week.

Rien de nouveau sous le soleil dans le mouvement général de digitalisation du retail, a rappelé Jean Francois Gomez de Microsoft. Les pure player et la vente en ligne ont pris une telle importance qu’il est essentiel de prendre totalement c’est parce qu’on a négligé l’impact le renversement

Une inversion du modèle

Avant, le consommateur était la cible des retailers. Aujourd’hui, c’est le consommateur qui cible son besoin avec beaucoup de preparation avant l’achat! La performance des ventes vient de moins en moins d’une structuration hiérarchique puissante des forces de ventes, mais bien plus de la capacité à ne pas laisser passer l’occasion. Il s’agit de donner des outils pour saisir l’opportunité quand elle se présente… Quel serait l’intérêt pour un client de venir en magasin si il y trouve exactement la même chose qu’en ligne? Les témoignages concordent : il faut rendre les personnes au contact du client actrices de la relation.

Investir dans la data pour libérer la mission émotionnelle en magazin.

Dans toute relation commerciale, on trouve

  • Un élément transactionnel

  • un élément informatif

  • Un élément émotionnel

Ce dernier élément est le seul que le digital ne peut pas porter. Les éléments transactionnels et informatifs doivent rester fluides pour rester dans l’émotion. Il est donc impératif d’investir dans la data pour assurer ces tâches et libérer la mission émotionnelle d’un magasin. Il faut comprendre ce rôle des outils digitaux, quel que soit le niveau de responsabilité opérationnelle.

Chez Renault, Francois Bouillé, chef de pôle Déploiement projets, a suivi de près le déploiement de tablettes en concessions. Les tablettes servent à effectuer un check-up de la voiture en direct dès l’arrivée du consommateur avec 2 objectifs. Rééquilibrer l’accès à l’information au bon moment pour le vendeur face à un client surinformé, mais aussi créer un moment utile avec le client afin d’en être plus proche sont 2 manières de renforcer la mission émotionnelle. (découvrir l’article sur le déploiement des tablettes en concession Renault).

Le soutien apporté à la prospection des équipes du Réseau Renault au niveau des concessionnaires du réseau Renault Pro se fait aussi au travers d’un data-assistant. Celui-ci est chargé de soulager d’une tâche technique des équipes dont la plus value se fait sur le terrain, en leur fournissant à la demande les données chiffrées marketing nécessaires.

C’est aussi le cas pour Kiabi qui a mis en place pour ses 11 000 collaborateurs des outils collaboratifs. Il a fallu commencer par donner une adresse mail à chaque employé, mais Yammer et Microsoft Teams font maintenant partie du quotidien des opérationnels, notamment sur les surfaces de vente. “C’était très symbolique sur le plan de la confiance accordée à chacun de nos collaborateurs. Ils sont revalorisés et nous prouvent aujourd’hui que la cascade d’intermédiaires qu’il y avait avant pour la transmissions des informations était un vrai problème", précise Guillaume Grégoire, Product Manger RH chez Kiabi.

L’enjeu de l’autonomie

L’enjeu, c’est donc bien l’autonomie des équipes en magasins. Que ce soit en surface de vente ou dans les bureaux, chacun doit avoir des outils capable de fluidifier sa mission et assurer la partie émotionnelle de la transaction. Jean-Francois Gomez l’a rappelé : il faut investir dans la data pour (r)assurer les équipes métiers dans leurs missions quotidiennes. La data devient un jeu de plus en plus important. D’un reporting magasin va dépendre toutes les décisions stratégiques pour le chef de magasin, de la direction de ses équipes à la gestion de ses stocks. Il est crucial d’assurer un accès instantané et fiable aux chiffres de performance, dans un environnement simple et familier. Et dans ce contexte, un data-assistant prend tout son sens …

askR.ai le data-assistant des opérationnels retail

 

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.

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.