Les commerces de détail sont « data driven » par nature, c'est-à-dire qu'ils s'appuient sur les données, mais cela ne suffit pas pour s'imposer sur le marché ultra-concurrentiel d'aujourd'hui. Ils doivent aller au-delà de l'analyse de données traditionnelle pour mettre au jour des insights plus difficiles à débusquer afin de gagner en compétitivité.
Une approche novatrice de l'analyse du Big Data leur permet de créer des profils d'acheteurs dynamiques qui vont les aider à différencier la marque et les services.
Pour lever le voile sur la façon dont les commerces de détail peuvent tirer le meilleur parti des données client afin d'obtenir une perspective véritablement tridimensionnelle sur leurs acheteurs, Anne-Queline Keller, directrice du marketing Solutions chez Alteryx, a participé à une séance de questions-réponses exclusive.
Q : Quelles sont par exemple les plus grandes difficultés que rencontrent les commerces de détail de nos jours lorsqu'ils cherchent à s'appuyer sur les données ?
Les commerces de détail et les sites de e-commerce génèrent des volumes de données depuis de nombreuses années et ils ont conscience des possibilités de monétisation que cela représente. Aujourd'hui, les détaillants savent déjà comment ils utilisent leurs données, que ce soit pour les assortiments ou le choix de nouvelles implantations, ou pour étendre leur marque. Mais comme ces mêmes commerces de détail et acteurs du commerce électronique cherchent à faire évoluer leur approche pour faire face à la concurrence et suivre le rythme effréné de l'évolution du secteur, ils doivent moderniser leur utilisation actuelle de l'analytique et des données et chercher à améliorer leur efficacité en faisant disparaître certaines fonctions. Ils doivent se poser cette question : « Pouvons-nous utiliser des insights moins évidents afin de mieux nous démarquer sur le marché ? ».
Mais que sont ces insights « moins évidents » à trouver sur leur marché et leurs clients pour sortir du statu quo ? Outre observer les données qu'ils recueillent et génèrent via leurs différents canaux de vente, ils peuvent exploiter le réseau d'informations que tissent ces canaux. Comment bâtir une histoire autour de points de données en ligne et hors ligne ?
En examinant toutes ces informations, on constate différents niveaux de détail et des attributs à considérer comme des points d'un réseau dont vous devez tirer parti pour créer une vue tridimensionnelle. Les données que vous capturez sont utiles, mais insuffisantes. Le défi consiste donc à les placer dans un contexte tridimensionnel, par exemple le temps, le lieu et le ressenti. Vous devez inclure des sources externes en supplément pour faire émerger des insights et voir « ce qui n'est pas évident de prime abord ».
Alors que les commerces de détail et les vendeurs en ligne se font concurrence sur ce marché complexe, où le facteur temps est déterminant et alors que les jours sont devenus des secondes maintenant que l'on peut passer rapidement une commande sur Amazon au lieu d'aller au centre commercial, ils doivent penser autrement. Cette accélération concerne tout le monde, de sorte que tout doit être réduit considérablement, notamment le temps de réaction, les fonctions, les temps de conversion, etc.
Q : Comment les commerces de détail peuvent-ils combiner au mieux les données provenant de divers points de contact client pour établir des profils client pertinents et exploitables ?
Afin d'obtenir une vue tridimensionnelle de plusieurs sources de données, les commerces de détail doivent utiliser des données SIG (données physiques), des données sur le ressenti (données non physiques) et des données psychologiques (données comportementales et logiques) et, pour les vendeurs en ligne, j'ajouterais aussi le temps. Il s'agit du nouveau tiercé de données. Pour que ce type d'analyse des ventes moderne puisse changer la donne et avoir un impact sur votre rentabilité, vous AVEZ BESOIN d'une plateforme analytique. Une feuille de calcul ne permet pas d'effectuer ce genre d'analyse. Cependant, toutes les plateformes ne se valent pas. La raison pour laquelle les commerces de détail ne l'ont pas fait dans le passé tient principalement aux compétences des employés.
Souvent, personne n'est diplômé en mathématiques ni data scientist dans les équipes chargées des analyses de données. Voilà la principale raison invoquée par les commerces de détail pour expliquer leur difficulté à adopter une nouvelle approche. Mais avec une solution analytique en libre-service, nul besoin d'être data scientist, statisticien ou développeur Python. Il n'y a donc aucune raison d'avoir peur de chercher à obtenir ces données tridimensionnelles et rien ne s'y oppose. Il suffit de répondre à la question « Quel problème suis-je en train d'essayer de résoudre ? », et grâce à la modélisation assistée pour l'analyse prédictive, c'est très facile. Il n'est même pas nécessaire de comprendre les algorithmes. Alteryx les crée pour vous en se basant sur les données que vous ajoutez dans la plateforme, et en quelques minutes, vous avez ce qu'il faut.
Q : Les insights provenant du Big Data sont essentiels pour prendre les bonnes décisions. Mais malheureusement, de nombreuses entreprises ne mettent pas les données à la disposition de celles et ceux qui en ont le plus besoin. Comment les commerces de détail avisés peuvent-ils mettre le pouvoir des insights à la portée de tous ?
Comment partagez-vous les données et les insights avec d'autres branches ou services ? Les utilisateurs essaient de trouver des moyens de s'affranchir du reporting ordinaire pour apporter plus de valeur à l'entreprise. Là encore, il est essentiel de mettre la main sur la bonne plateforme analytique. En effet, lorsque les analystes ont la possibilité d'automatiser des rapports à la demande et de les transmettre aux utilisateurs, ils sont plus en mesure d'apporter une aide efficace et stratégique aux équipes métier. Nous avons également mentionné le temps. C'est devenu le facteur le plus important entre un commerce de détail et sa clientèle. Fournir des informations en temps réel à une succursale locale ou aux responsables de magasin peut jouer un rôle essentiel dans l'acquisition de clients. C'est vrai également pour l'e-commerce. L'analyse en temps réel de votre boutique en ligne peut faire toute la différence pour qu'un simple visiteur devienne un acheteur.
Q : En quoi la possibilité de prévoir avec précision la demande des clients a-t-elle changé à jamais les opérations de la chaîne logistique ?
L'anticipation de la demande demeure très traditionnelle. La plupart des commerces de détail se basent sur l'historique des ventes pour anticiper les prévisions de ventes futures, mais très peu ont recours aux outils prédictifs modernes. L'anticipation donne une probabilité de 50/50, ce qui correspond à une assez BONNE estimation. Votre véritable objectif est d'améliorer la précision de vos prévisions en enrichissant votre méthodologie d'une modélisation prédictive qui vous permet d'atteindre une précision de 75 % et de vous rapprocher de la réalité. Cela nécessite une plateforme analytique capable de gérer une variété de modèles prédictifs adaptés à votre entreprise. Il se peut par exemple que vous deviez tenir compte de la saisonnalité dans vos modèles. Mais d'un autre côté, cette saisonnalité doit être normalisée, ce qui est essentiel pour la plupart des commerces de détail. De plus, vous avez besoin d'une nouvelle approche pour prédire la demande, d'où la nécessité d'avoir une plateforme qui facilite l'examen des facteurs externes ayant une incidence directe sur la demande, tels que le temps, le lieu et le contexte démographique qui déterminent les prévisions modernes.Cela nous renvoie au tiercé de données physiques, non physiques et psychologiques.
Pour obtenir cette perspective tridimensionnelle sur votre clientèle, vous devez comprendre ce qui motive les comportements.
Article initialement publié sur risnews.com.
NE PARTEZ PAS.
À LIRE
Découvrez cette présentation du merchandising dans le retail omnicanal.