Pour une image-prix cohérente et maîtrisée
IA et pricing : quels exemples d’application ? Ce document s’appuie sur l’expérience de notre équipe d’experts Big Data et Pricing en contact avec les leaders européens de la distribution. Notre mission est de développer des solutions technologiques de pointe se basant sur les dernières avancées d’IA et de machine learning. L’objectif ? Résoudre des problématiques data complexes qui impactent la rentabilité et l’image-prix des enseignes.
À travers cet article, nous avons souhaité partager une préoccupation majeure des responsables pricing et marketing du secteur du bricolage vis-à-vis de la segmentation de leur catalogue :
Comment travailler aussi finement que l’on souhaite sur un catalogue de dizaines ou centaines de milliers de références ? Comment travailler à la vitesse du marché et maintenir une segmentation – et donc un pricing – cohérent avec l’évolution du catalogue et des tendances ?
La classification ou segmentation des produits en fonction de caractéristiques communes (type de produit, poids…) ou d’attributs de valeur (perception de la marque, innovation, tendance du moment…) est une étape préliminaire indispensable à l’industrialisation d’un pricing performant centré sur la perception consommateur. Les équipes en charge du prix travaillent de plus en plus sur les classifications produits pour répondre à des besoins marketing mais elles rencontrent de nombreux obstacles.
Saisonnalité, marketing d’influence et innovation des pure players : comment comprendre les nouvelles règles du jeu ?
Au-delà de la complexité liée au nombre de références du catalogue, les défis spécifiques au secteur du bricolage sont la saisonnalité et la réactivité dans l’évolution des tendances. Ce secteur d’activité est en effet influencé par plusieurs facteurs :
- Le contexte macro économique en premier lieu. Celui-ci pèse particulièrement sur les tendances d’achat dans un contexte de restrictions sanitaires. Nous avons pu le constater au printemps 2020 : rupture sur les peintures ou encore les piscines extérieures. Le confinement a redonné envie aux français de prendre en main les petits travaux de leur habitat. Tendance de long terme ou épisode passager ? Dans tous les cas, les professionnels du prix doivent pouvoir réagir et être au rendez-vous quant à l’approvisionnement et la compétitivité prix.
- L’influence des blogs de décoration et magazines (Madame Figaro présente par exemple dans cet article, une sélection de “Vingt objets déco hautement instagramables”) ainsi que provenant des émissions décoration & maison.
- Des publications et avis partagés par les influenceurs sur les réseaux sociaux. Le succès des influenceurs du do-it-yourself ou de la rénovation a été porté par la crise covid pendant laquelle les consommateurs ont davantage consommé pour améliorer leur confort d’intérieur et apprendre des activités manuelles. Par ailleurs, beaucoup de blogueurs spécialisés dans d’autres domaines (tels que la beauté, la mode, le sport, la cuisine…) influencent indirectement les tendances à travers le soin qu’ils mettent dans le décor de leurs shootings photo. Miroirs XXL, luminaires en rotin ou cuisines de couleur “vert olive” sont trois exemples de tendances qui ont explosé sur les réseaux sociaux ces derniers mois, domaines confondus.
- Le e-commerce, avec une concurrence très agressive (Amazon, Mano Mano…) mais toujours plus innovants. Par exemple, le site Mano Mano qui ciblait en premier lieu les particuliers, a étendu en 2020 son offre aux professionnels et testé de nouveaux services mettant en relation les bricoleurs professionnels et les particuliers.
Cet environnement amène ainsi les équipes marketing et pricing des enseignes de bricolage à réagir en redéfinissant constamment les classifications établies. Pourtant, les retailers de ce secteur indiquent que ces classifications sont encore faites manuellement et souvent “au bon sens”. La conséquence : des classifications vite dépassées et une fiabilité douteuse pouvant endommager les efforts réalisés sur le positionnement prix des produits reposant sur ces classifications.
Pourquoi ces problématiques sur la cohérence de l’offre ?
De manière générale, les outils classiques (Excel, BI…) imposent de choisir entre exhaustivité et vitesse de travail.
Ils ne permettent pas de travailler simultanément des classifications sur la totalité du catalogue lorsque ce dernier atteint des dizaines ou centaines de milliers de références. Les équipes doivent donc découper le catalogue produit, ce qui représente à la fois une perte de temps et une perte de cohérence générale. Une autre solution serait d’exclure certains groupes de produits, la stratégie perdrait donc en précision. Or se limiter à certaines catégories par manque de moyens technologiques, c’est prendre le risque de passer à côté de potentiels de marge inexploités ou d’être, là aussi, incohérents aux yeux du consommateur par rapport au positionnement global de l’enseigne.
Entre la taille du catalogue et les informations des classifications, l’utilisateur n’est pas en mesure de travailler à la vitesse du marché. Travailler en temps réel sous-entend d’avoir des classifications automatiques d’une part, et de pouvoir intégrer et modifier à la volée les classifications existantes d’autre part. Enfin, pour être pertinentes, ces modifications doivent pouvoir être intégrées sans délai dans la stratégie.
Pour un juste milieu entre exhaustivité et vitesse de travail, les outils les plus utilisés par les retailers aujourd’hui se concentrent finalement sur les 3 critères principaux définissant un produit et systématiquement disponibles dans le référentiel : le type de produit, la marque et la taille (ou contenance dans le cas des produits de peinture par exemple). Intégrer des critères supplémentaires, spécifiques à chaque famille de produit et à partir d’un référentiel pas toujours complet, représente un défi technologique dans la gestion de quantités de données massives. Du point de vue stratégique, dépasser ces difficultés permettrait pourtant aux personnes en charge du prix de classer les produits avec davantage de précision, et ce en intégrant aux référentiels des attributs de valeur et non uniquement des caractéristiques produits. Cette approche est en effet très importante dans le domaine du bricolage où pour certains produits en particulier, le consommateur ne se limite pas dans son choix qu’à des critères “basiques”. Par exemple : “canapé, Maisons du Monde, 2 places, convertible, bleu, velours, style scandinave” sont des caractéristiques déjà bien plus fines que “canapé, Maisons du Monde, 2 places”. On peut également aller plus loin avec des attributs de valeur pour le client en ajoutant par exemple à la classification précédente “nouveauté, fabriqué en France, popularité instagram, cocooning”. Cet exemple concerne un même produit, mais le pricer évoluant dans le secteur décoration et bricolage se confronte également à la diversité des profils d’acheteurs selon les produits ciblés. Le pricer doit pouvoir segmenter selon des critères tout à fait pragmatiques (pour le client souhaitant acheter une perceuse par exemple), ou selon des critères de valeur (pour un canapé, un client fera son choix selon la tendance alors qu’un autre choisira selon le confort).
IA et pricing : quelle pertinence dans la classification du catalogue, pour les enseignes de décoration et bricolage en particulier ?
L’IA est partout mais on ne sait pas toujours comment l’utiliser et en tirer toute la valeur. Elle va permettre aux équipes d’automatiser les classifications produit existantes. En effet, en s’appuyant sur la base de données produits existantes, il est possible d’entraîner une IA à reconnaître différents types de produits et à leur associer des attributs. L’algorithme pourra ainsi instantanément classer un produit tel que “Arts de la table, plat apéritif, rouge, édition de Noël” à partir d’une simple photo ou descriptif produit qui lui sont soumis et ce produit sera directement concerné par une stratégie prix “forte sensibilité” en période de Noël.
Cependant, comme vu précédemment, il y a dans le secteur décoration et bricolage une très grosse part d’imprévisibilité due aux changements de tendances portés par les magazines et réseaux sociaux. Les pricing managers, chefs de produits ou category managers ont besoin d’outils pour travailler plus efficacement, mais surtout leur permettant de réagir très vite. C’est cette agilité que Mercio s’engage à offrir. Par exemple, le choix de la couleur de la nouvelle cuisine est un élément clé pour l’acheteur. Ainsi, si le vert olive devient soudainement la tendance du moment, le pricer pourra mettre à jour instantanément la classification “couleur du moment”, et conserver un pricing cohérent.
Un outil de classification doit ainsi pouvoir proposer un savant mélange entre l’automatisation grâce à l’IA et une partie manuelle “corrective”, c’est-à-dire permettant à la personne en charge de garder le contrôle sur l’IA en rectifiant ou envoyant une nouvelle information par rapport à une évolution sur le marché, un produit entrant, une nouvelle tendance…
Comment procéder pour monter en performance sur les classifications et le pricing ?
La data science est un excellent point de départ pour créer des insights de valeur pour une enseigne qui n’a pas de classification existante. Dans le cas où elle possède déjà des classifications, la data science lui permettra de gagner en précision, en vérifiant la validité des classifications en place et en les enrichissant.
Les tickets de caisse représentent pour les distributeurs un volume de données colossal, et ces données sont continuellement renouvelées. Pour une IA, ce n’est pas un obstacle : au contraire, c’est une formidable opportunité d’apprendre. En analysant les tickets de caisse, un algorithme de machine learning peut ainsi identifier des comportements d’achat et liens entre produits très difficiles à percevoir « à l’œil nu ». Par exemple, des cas où la hausse du prix d’une ponceuse électrique entraînerait une hausse de matériel de ponçage manuel de la même marque. Une fois la classification identifiée et l’automatisation en place, les équipes pourront “nourrir” l’algorithme d’IA de nouvelles informations. Cet article présente un premier exemple de classification. Toutes les données à disposition du retailer lui permettront de gagner en finesse : tickets magasin croisés aux paniers d’achat web, visites web et insights du programme de fidélité par exemple. Ainsi, de nouvelles classifications pourront être identifiées : produit “de routine”, produit d’impulsion, etc.
En conclusion
L’IA et les experts métier forment une équipe, ils se nourrissent mutuellement : l’IA permet de prendre en charge et maintenir les classifications avec rapidité. L’utilisateur valide les classifications produites et envoie de nouvelles informations à l’IA pour s’adapter au contexte (nouveaux produits entrants), à l’environnement concurrentiel et aux nouvelles tendances.
L’IA élimine les tâches chronophage de gestion des classifications dans le temps et les équipes peuvent ainsi se concentrer sur l’optimisation des stratégies de prix en fonction des différentes classifications, des indicateurs de performance et la stratégie commerciale de l’enseigne (ex : optimiser les marques propres, favoriser le web, cibler une nouvelle clientèle…). Un outil de pricing suffisamment puissant et flexible pour intégrer ces classifications en temps réel permettra de tester l’efficacité d’une classification, comparer différentes classifications et changer très vite de stratégie si nécessaire.
DE 
FR 
EN