Trouver le bon prix pour chaque produit est un besoin essentiel chez toutes les enseignes de la grande distribution. La méthode la plus commune pour cela consiste d’un côté à se comparer à ses concurrents pour trouver la bonne position, de l’autre à ajuster les prix à la hausse ou à la baisse en fonction des volumes de vente et du niveau de marge espéré.
Toutefois, cela n’est pas toujours possible : pour les produits tout juste lancés sur le marché ou pour ceux, nombreux dans certains secteurs, où le marchand n’a pas de visibilité sur le prix des produits équivalents vendus ailleurs, ces méthodes ne fonctionnent tout simplement pas.
La data science apporte aujourd’hui une solution à ce problème. Par l’analyse précise et automatisée de grands volumes de données, il est possible de calculer le meilleur prix d’un produit sans se reposer sur les points de repère traditionnels.
Classifier les produits et anticiper les attentes
La nouveauté apportée par la data science est qu’elle dispose aujourd’hui des outils pour analyser de grands volumes de données beaucoup plus rapidement qu’auparavant. Cela fait toute la différence en matière de précision dans l’analyse et la prédiction : là où auparavant on ne pouvait repérer que des tendances vagues ou des corrélations parfois trompeuses, il est désormais possible de travailler sur des volumes suffisamment importants pour discerner des insights marketing à la fois précis, fiables et immédiatement opérationnels pour la définition des prix.
Un exemple consiste à s’appuyer sur les tickets de caisse – un trésor de données dont tous les marchands disposent – pour attribuer de façon automatique un score à chaque produit en fonction de la fréquence à laquelle il est acheté et avec quel(s) autre(s) produit(s). En appliquant un algorithme de classification, on peut alors différencier les produits « d’appel » (achetés parfois seuls mais souvent avec des produits complémentaires), les produits « complémentaires » (toujours achetés avec les mêmes produits d’appel), et des produits « indépendants » (presque toujours achetés seuls). Cette classification permet ensuite d’appliquer des règles prix automatiques pour, par exemple, rendre le panier complet aussi attractif que possible ou encourager au maximum les achats croisés.
Combinée avec d’autres analyses similaires par exemple sur le comportement des visiteurs du site e-commerce ou encore l’écoulement des stocks, il est possible de constituer un set de règles fin et autonome, applicable dans tous les cas où l’enseigne ne dispose pas de points de comparaison pour définir ses prix.
Gérer les grands catalogues
Cette approche data science est aussi particulièrement utile pour les vendeurs qui proposent des centaines de milliers de produits différents et n’ont pas le luxe de procéder manuellement à un « matching » de chaque produit avec ses équivalents chez les concurrents. L’enjeu est alors de disposer d’algorithmes de classification et de règles prix applicables de façon automatique mais suffisamment pertinents et précis pour recommander le bon prix au bon moment.
De telles situations concernent de plus en plus d’acteurs de la distribution, notamment avec le développement des marketplaces, c’est-à-dire d’espaces au sein desquels l’enseigne ne dispose souvent que d’une information parcellaire sur les produits qui y sont vendus et n’a aucun moyen de comparer l’offre à celle des concurrents ni à son propre historique. Malgré cela, l’hébergeur de la marketplace a tout intérêt à pouvoir recommander immédiatement le meilleur prix, celui qui satisfera à la fois le vendeur tiers et les acheteurs potentiel.
La data science permet aujourd’hui de développer des modèles prédictifs, pour proposer des recommandations de prix et ne plus se reposer uniquement sur l’intuition du vendeur lorsque celui-ci ne possède pas suffisamment d’informations. On observe d’ailleurs sur le marché une course des enseignes pour se positionner dans les premières à utiliser ces outils et à exploiter tout leur potentiel.
par Georges Bory, co-fondateur d’ActiveViam et directeur de la stratégie produit et innovation. ActiveViam est éditeur de solutions pour l’aide à la décision, et compte parmi ses clients : Intermarché, Monoprix, Feu Vert, et plusieurs autres leaders français du secteur de la distribution.
