Comment calculer la sensibilité de chaque produit à la démarque ?

Comment calculer la sensibilité de chaque produit à la démarque ?

Pour performer en période de soldes, il est essentiel de mesurer la qualité intrinsèque d’un produit afin d’en optimiser les démarques et de pouvoir obtenir des prédictions avancées fiables pour toute la durée des opérations commerciales.

La sensibilité se mesure par les coefficients d’accélération du produit en fonction de son taux de démarque sur chaque démarque.

Par exemple, un -30% en 1ère démarque n’accélère pas forcément de la même manière qu’un -30% en 4e démarque.

La 1ère chose à faire pour calculer à combien un produit va accélérer est de mesurer et de rendre comparable sa VMH de référence pendant la saison.

Ce calcul doit être fait en respectant des règles importantes , à commencer par bien prendre en compte la date d’implantation du produit dans les magasins et son éventuel roll up. 

On parle donc ici de bien regarder la vente à plein potentiel, sur la base d’une période fiable de référence des ventes, et en fonction de sa distribution dans le réseau. 

Beaucoup de personnes prennent en compte les 2 dernières semaines car les données sont récentes, mais cela biaise l’analyse des produits qui ne sont plus en surface de vente ou qui ne sont plus tout à fait dans leur saisonnalité. 

Quand ces derniers ne sont plus proposés, que faire de leur VMH ? Peut-on la réappliquer à un instant T ? Cela implique de rendre les indicateurs comparables

Pour calculer le coefficient d’accélération, on va se pencher sur cette VMH, qui porte en elle les qualités intrinsèques du produit, et sur le défilement. Le défilement permet justement de rendre le produit comparable, car il le compare avec l’intégralité du réseau.

  • Analyse des VMH (ventes moyennes hebdomadaires) de tout le réseau 
  • Défilement : une métrique intéressante car elle dépend de l’implantation. Les VMH peuvent être fortes si tous les magasins d’un réseau ont un modèle; pour calculer une vélocité de vente comparable entre les produits, mieux vaut le rapporter au nombre de boutiques qui le proposent effectivement

Le plus important facteur explicatif du coefficient d’accélération d’un produit est son défilement en saison

Il faut ensuite bien ajuster son calcul avec le taux de rupture.

L’idée ici est de vérifier si le produit a une offre dégradée (= quels sont les points de gestion de disponibles sur l’ensemble des points de gestion initiaux).

En d’autres termes, quelle est la probabilité qu’un client trouve la taille qu’il recherche en se rendant sur le point de vente ?

Ne pas intégrer cette dimension dans la stratégie de démarque risque de sacrifier un produit qui ne partirait en réalité pas plus fort. Si la grille de tailles a un trou dans la raquette, on ne va pas vendre plus. C’est aussi simple que cela.  

Autre indicateur à calculer : la couverture à la taille, c’est-à-dire le stock du produit divisé par la VMH.

Cela donne le nombre de semaines de stock disponible à vitesse d’écoulement constaté. 

Personne ou presque (sauf les clients de Revenue Studio !) ne fait la couverture à la taille. Le réflexe par défaut, bien souvent en raison d’un manque d’outil approprié, est de travailler sur le stock toutes tailles confondues.  

C’est pour pallier cette carence que nous avons ajouté à la plateforme Revenue Studio un score permettant de travailler sur ces chiffres.

  • score A : couverture homogène avec un écoulement de toutes les tailles dans le même temps
  • score C, a contrario : plus de 38 ou de 40 d’ici 3 semaines, mais 50 semaines de taille 44… 
revenue-studio-couverture-taille-alphalyr
(c) Revenue Studio by Alphalyr

Vous l’aurez compris : il faut se pencher sur la qualité de l’offre, examiner l’implantation des tailles dans les magasins et rendre les couvertures véritablement comparables.

Sur ce dernier point, nous fixons un seuil qui correspond au point d’écoulement auquel on veut regarder la couverture (75%). Cette approche permet, entre autres, de limiter le bruit lors de l’analyse.

Enfin, pour les enseignes proposant aussi des remises sur Internet, il faut bien différencier les coefficients d’accélération du Web de ceux des magasins. Le client est beaucoup plus promophile, car il a la possibilité de filtrer tous les produits par tranches de réduction (-60%,-40%…). Le merchandising en ligne favorise des différences de comportement souvent marquées.

Comment la plateforme Revenue Studio répond à ces besoins

Comme nous l’avons vu dès le début de l’article, la vitesse de vente à la semaine est un indicateur essentiel de performance du produit.

La difficulté est de savoir à combien un produit va accélérer : est-ce qu’il va faire x2, x3, x5 par rapport à sa VMH en fonction du taux qu’on va lui poser ?

Revenue Studio by Alphalyr permet d’anticiper ce coefficient d’accélération de la VMH. 

La plateforme est capable de prévoir ce qu’un produit va faire en fonction de X,Y ou Z taux en regardant les accélérations passées d’un produit à VMH identifiée. On sait par ailleurs qu’un produit qui marche déjà très bien en saison va d’autant plus connaître une forte accélération si on lui met un taux donné.

En d’autres termes : la VMH en saison donne beaucoup d’informations sur sa capacité à accélérer en fonction des taux de démarque.

C’est pourquoi nous avons conçu Revenue Studio pour que vous puissiez “jouer” de manière personnalisée avec les coefficients d’accélération. Nous sommes capables de créer un modèle spécifique de calcul des accélérations en fonction de votre offre produit et des habitudes d’achat de vos clients.

Notre modèle permet aussi de déterminer le coefficient d’accélération d’un produit et d’un taux jamais observé ou testé jusque-là (ex : tester un -40% sur un modèle qui n’a jamais été discounté de la sorte, quel gain de marge, etc.?)

Note de fin : Revenue Studio vs machine learning ?

On nous demande régulièrement si le machine learning est souhaitable pour l’optimisation des démarques.

Le souci est qu’il présente un désavantage majeur : celui de vite devenir une boîte noire. On ne peut donc pas s’en extraire pour simuler d’autres hypothèses.

C’est un outil peu adaptable qui “se contente” d’analyser un catalogue avec les ventes passées et des data annotées. Il apprend à partir d’un historique qui est par essence chaotique (météo, Gilets Jaunes, etc.).

Notre plateforme Revenue Studio vise à vous proposer l’inverse : reprendre la main sur votre stratégie. Nous préférons les méthodes statistiques avancées comme l’économétrie pour répondre à notre classe de problèmes et laissons le machine learning à d’autres usages pour lesquels il est mieux adapté (reconnaissance visuelle…).

Le but du modèle économétrique est de séparer l’effet trafic contextuel de l’effet du vrai coefficient d’accélération du produit.

Echangez avec un expert Retail

Découvrez comment la plateforme Revenue Studio peut augmenter vos marges en maintenant vos objectifs de stocks et d’écoulement. Votre démo personnalisée vous attend 👇