Parmi ses multiples applications, l’IA peut permettre un meilleur rendement des commerciaux, et optimiser leurs visites en magasin. Illustation avec le groupe Pernod Ricard.
Le groupe Pernod Ricard (240 marques) a commencé à utiliser l’intelligence artificielle il y a 4 ans. Un exemple : celui des forces commerciales. La complexité du travail des équipes est de savoir quel magasin visiter dans la semaine et quelles actions y réaliser. Le groupe a donc développé un outil en interne, D-Star, qui produit une planification hebdomadaire optimisée en fonction de chaque point de vente. « Auparavant, la planification hebdomadaire était réalisée en fonction de la fréquence de visite d’un magasin et de la dernière visite en date. Et puis, éventuellement, en fonction de la taille du point de vente. Désormais, les visites sont planifiées tous les lundis matin selon le potentiel du magasin », souligne Pierre-Yves Calloch’, chief digital officer. Un point de vente qui peut, tout aussi bien, être un bar, une discothèque, un hôtel, un magasin de proximité avec, à la clé, des actions personnalisées pour chacun d’entre eux. Par exemple, le référencement d’un nouveau site, d’une nouvelle référence, l’accompagnement d’une promotion en cours, ou la vérification des stocks pour une opération commerciale à venir afin de s’assurer que les produits sont bien présents.
Ca marche comment ?
« Évidemment, beaucoup de données sont nécessaires pour réaliser un clustering des points de vente : les caractéristiques du magasin, sa taille, la marque de l’enseigne, des données socio-démographiques de la population de la zone de chalandise, toutes les ventes de produits Pernod Ricard dans le magasin, mais aussi ceux de la concurrence, lorsque c’est possible. Et puis, nous nous appuyons sur des éléments de situation, comme la proximité d’une plage, par exemple, qui peut influer sur le type de consommation », raconte-t-il. Toutes ces données sont ensuite utilisées pour créer ce que Pernod Ricard appelle un ADN de ses points de vente afin de bâtir des clusters à l’intérieur desquels, normalement, chacun d’entre eux se comporte de la même façon. « On peut alors identifier les magasins où une marque réalise des ventes en-deçà du reste des points de vente du cluster et procéder à des actions correctives. On s’aperçoit, qu’à chaque fois, le clustering a raison. Et, de ce fait, on obtient non seulement une acceptation relativement facile du point de vente concerné d’ajouter une nouvelle référence, mais l’on constate aussi, des ventes initiales et récurrentes grâce à ces actions, ce qui est évidemment un bon point pour Pernod Ricard, comme pour le magasin et pour le consommateur qui va trouver le produit qu’il recherche au moment où il en a besoin », se félicite Pierre-Yves Calloch’.
Priorisations
Au-delà du clustering magasin, des priorisations sont menées à un niveau plus global. « Si des marques sont au-dessus de leur objectif, on mène des actions de long terme, par exemple pour référencer de nouveaux produits. A l’inverse, si une marque est en-dessous, nous poussons un peu plus les actions de promotion », explique Pierre-Yves Calloch’. C’est la combinaison de ces deux éléments, clustering et priorisation, qui offrent à la force de vente un outil quotidien qui lui permet de gagner du temps en termes de planification grâce aux recommandations reçues. « Au déploiement de la solution dans les différents pays, nous avons pu constater la différence entre les équipes qui étaient pourvues de l’outil et celles qui ne l’étaient pas. Les différences de performance sont vraiment significatives en termes de vente. Et il y a un niveau de satisfaction des commerciaux et d’adoption de l’outil que je n’avais jamais vu auparavant. Le niveau de pertinence atteint a, bien évidemment, été construit par itération avec les équipes opérationnelles », conclut-il.
