Prédire les futurs achats de ses clients, n’est-ce pas le rêve de tout commerçant ? Ce défi s’avère particulièrement difficile à relever avec l’explosion récente du nombre de canaux et de supports utilisés pour interagir avec les consommateurs. Mais ce défi n’est pas impossible. Les données sont à ce titre une mine d’or formidable. Mais cette ressource est encore largement sous-exploitée. Elle peut pourtant permettre aux enseignes d’avoir une vision de leurs clients très fine... bien au-delà de vos espérances. Explications.
La valeur ajoutée du Big Data dans le retail
Le Big Data introduit une nouvelle façon de penser le processus de décision. Se fier uniquement à son intuition et au feeling est aujourd’hui dépassé. La superstition et l’approximation ne doivent pas avoir leur place dans les choix importants des chaînes de retail. Il faut des informations de qualité pour une prise de décision éclairée. C’est bien ici que se trouve la valeur ajoutée du Big Data : un vent de fraîcheur dans la plupart des process installés depuis des années. Le vent de fraîcheur ne se limite pas à des tableaux remplis de chiffres. Les effets du Big Data se traduisent concrètement : meilleure relation avec les clients, expérience en magasin renforcée, ventes dynamisées. Exemple avec Burberry. La marque de luxe a lancé son programme "Customer 360", qui invite les clients à partager de nombreuses informations personnelles, mais aussi leur historique d'achat. Intrusif ? Non. 90% des gens sont prêts à fournir des informations (source étude IBV Retail en 2013), mais ils attendent en retour des avantages. Burberry collecte ces données, fait fonctionner l'analyse prédictive, et repense l'expérience en magasin. Les vendeurs, tablette tactile en main, ont accès à votre profil et connaissent vos goûts. Ils peuvent vous orienter directement vers les bonnes couleurs, la bonne taille... Bref une expérience sur-mesure. Demander, entre deux essayages, si le manteau acheté l'année dernière à madame, ou le blazer offert à monsieur sont appréciés, permet de renforcer durablement la fidélité envers l'enseigne.
Quand le Big Data révolutionne des missions du quotidien pour les professionnels
Les exemples d’utilisations réussies du Big Data dans le monde de la vente au détail sont nombreux. Citons ici l’exemple de la chaîne Stage Stores, implantée aux États-Unis, et qui possède les marques Bealls, Goody’s, Palais Royal, ou encore Peebles. Dès 2010, l’enseigne a utilisé la puissance de l’analyse prédictive et du volume de données collectées pour optimiser ses ventes. Deux grandes actions ont notamment été menées.
- Traditionnellement, des rabais sont proposés sur certains produits une fois la saison passée. Afin de libérer de l’espace pour l’année suivante. Une technique de rotation des stocks qui n'a rien de nouveau. Appliquer des promotions alors que la demande est plus faible semble logique. En utilisant l’analyse de données, Stage Stores s’est rendu compte qu’il serait peut-être plus opportun d’appliquer des promotions lorsque la demande commence à faiblir, mais avant qu’elle ne soit vraiment trop basse comme cela s’effectuait habituellement. Dans certains magasins, la date de mise en place de remises était décidée via l’analyse prédictive, tandis que dans d’autres magasins, ce sont les vendeurs qui ont gardé la main. Résultat, dans 90% des cas, l’analyse prédictive a permis d’apporter plus de ventes et d'optimiser la période des "soldes" ;
- Second chantier entamé par Stage Stores, celui du calvaire lié aux tailles. Tous les magasins de l’enseigne n’ont pas exactement les mêmes besoins en matière de tailles de vêtements. Il existe de vraies différences selon les états. L’assortiment était jusqu’à maintenant géré en se fiant aux ventes enregistrées les années passées, magasin par magasin. En utilisant le Big Data, Stage Stores à automatisé l’envoi des produits pour optimiser la configuration des tailles de chaque magasin. Le système fonctionne en temps réel, en utilisant les ventes et l’état de l’inventaire. Plus de ventes et plus de marge, grâce à une gestion des stocks en cohérence avec les besoins réels.
Utiliser l'analyse prédictive pour faire du "commerce prédictif" est aujourd'hui sans conteste le meilleur moyen pour faire émerger, avant leur apparition, les besoins des consommateurs. Vous en doutez ? Alors lisez cette histoire : un couple a porté plainte aux Etats-Unis contre la chaîne Target, car leur fille recevait des offres pour des produits destinés aux femmes enceintes, alors qu'elle n'avait que 16 ans. Vérification faite, la jeune femme, de par son comportement d'achat, avait le "profil" d'une femme enceinte ou sur le point de l'être, selon les algorithmes. En réalité ? Elle était bien enceinte... L'histoire complète est à lire (en anglais) sur le site de Forbes.
