Alliancy

[Tribune] L’IA indispensable à la rentabilité du retail

Rob Saker Global Industry Leader – Retail & Manufacturing chez Databricks, revient sur l’année 2020, qui a été une année de transformation sans précédent entraînant un changement fondamental du comportement des consommateurs. La mutation qui devait prendre des années s’est produite en quelques mois, se traduisant notamment par des investissements massifs dans l’e-commerce. Une avancée nécessaire, mais pas forcément rentable lorsque la croissance plafonne. Aujourd’hui, la priorité des retailers de toute taille consiste à accroître leur rentabilité en ligne. Après un investissement massif dans l’e-commerce et les capacités de distribution quels sont les autres piliers de la rentabilité à travailler avec l’intelligence artificielle (IA) comme socle indispensable à adopter ?

L’amélioration de la gestion des stocks

Rob Saker Global Industry Leader - Retail & Manufacturing chez Databricks

Rob Saker Global Industry Leader – Retail & Manufacturing chez Databricks

La crise du Covid-19 a mis en évidence l’importance de la gestion des stocks. Les chaînes de prêt-à-porter ont traversé une période difficile, tandis que les magasins de bricolage se portaient bien et les fournisseurs de piscines et de trampolines par exemple étaient en rupture de stock. Dans un tel contexte, des prévisions et une planification précises deviennent plus que jamais essentielles sur ce marché où la gestion des risques et la rentabilité sont primordiaux. Les détaillants doivent pouvoir se concentrer sur la fourniture au client du bon produit au bon moment.

A lire aussi : [Tribune] Comprendre les comportements des clients pour les pics de vente

De telles prévisions nécessitent une énorme quantité de données provenant de sources multiples, ainsi qu’une technologie agile qui permette aux équipes data d’exécuter des algorithmes en temps réel. La quantité de données impliquées dans un site d’e-commerce dépasse rapidement le niveau à partir duquel il est humainement possible d’extraire efficacement des informations à valeur ajoutée. C’est pourquoi les leaders de l’industrie adoptent désormais l’IA, dont les performances analytiques aident à optimiser les processus d’achat et de gestion des stocks, afin de maximiser leur rentabilité. Par exemple, l’IA qui aide considérablement « en coulisses » à faire correspondre le stock de catégories de produits avec les tendances de la demande, ou même à anticiper les commandes dans certaines régions, afin que les produits soient au plus proche du client lorsqu’il a confirmé son achat.

L’attractivité des prix

Une étude récente de la plateforme publicitaire Criteo a montré que les prix compétitifs étaient l’une des raisons les plus importantes (avec la livraison rapide) d’acheter dans une certaine boutique en ligne. Avec des marges déjà serrées, l’IA permet de trouver l’équilibre optimal entre rentabilité et satisfaction du client. En analysant différents points de données client concernant les ventes, les taux de conversion, l’évolution des habitudes d’achat et les canaux de commercialisation, un algorithme peut créer des modèles qui aident à déterminer les meilleurs prix pour optimiser la marge et le volume. De plus, il ne faut pas se limiter à ses propres données mais y associer d’autres sources.

L’IA permet alors de surveiller en permanence les fluctuations de prix des concurrents majeurs et les nouvelles tendances de consommation, afin d’ajuster rapidement ses propres tarifs en conséquence et rester compétitif et dans l’air du temps.

La bataille pour la fidélisation

Suite aux confinements de 2020, les détaillants doivent fidéliser de nouveaux clients, tels que les baby-boomers qui n’avaient auparavant jamais fait d’achats significatifs ou réguliers en ligne.

De nombreux consommateurs sont désormais prêts à continuer d’acheter sur internet même indépendamment de la crise. La grande question est de savoir s’ils le feront sur votre boutique en ligne. La personnalisation, un domaine où l’IA fait des merveilles, est le moyen de gagner le maximum de clients. Les recommandations de produits (que ce soit sur le site web, via des campagnes email ou des publicités en ligne) se déclinent en deux versions : génériques ou personnalisées. Les recommandations génériques standard ont leur place, par exemple en mettant en avant de nouvelles lignes de produits ou des produits tendance. Cependant, les recommandations individuelles sont plus lucratives pour les commerçants qui veulent se démarquer.

Grâce aux algorithmes traitant d’énormes volumes de données client, de l’historique des achats jusqu’à l’activité sur les réseaux sociaux et les avis post-achat, il est possible de faire des recommandations de produits connexes basés sur du Machine Learning pour la vente croisée et incitative et. Des suggestions sont alors disponibles, par exemple, dans des sections intitulées « les clients qui ont acheté ceci, ont aussi acheté… ».

La lutte contre le gaspillage

Selon des statistiques d’un spécialiste de la logistique, le taux de retour de l’e-commerce en France est de 43%, soit le 3ème taux le plus élevé d’Europe, après l’Allemagne (53%) et les Pays-Bas (52%). Si les raisons d’un retour sont multiples et génèrent gaspillage et d’avantage d’émission de CO2, l’expérience d’achat de chaque client est unique. Aujourd’hui, l’IA permet aux détaillants d’analyser et de comprendre quels produits ou consommateurs génèrent le taux de retour le plus élevé, d’anticiper les problèmes de livraison ou d’utilisation, et de minimiser la problématique de logistique des retours.

Par exemple, la réalité augmentée permet de visualiser le rendu d’un produit, qu’il s’agisse de maquillage, de vêtements ou de chaussures. Ou encore grâce à l’IA, il est possible de faire des recommandations de tailles de vêtements d’une marque spécifique en fonction des mensurations, et ainsi d’éviter qu’un consommateur ne commande plusieurs tailles d’un même vêtement. Le processus de vérification des retours peut être automatisé :  l’article retourne-t-il en stock ? Doit-il être proposé à un acheteur ? Le cas échéant, des modèles de tarification dynamique basés sur l’AI permettent de déterminer directement à quel prix et ainsi de minimiser la perte du chiffre d’affaires.

Le secteur du retail devient de plus en plus compétitif et l’IA est un atout majeur pour rester dans la course avec de multiples options d’optimisation à chaque étape du processus de vente et du parcours client. Cela ne concerne pas seulement les grandes plateformes, mais aussi les PME. C’est pourquoi il faut capitaliser sur la quantité de points de données qu’il est possible de collecter à l’échelle d’une boutique en ligne quelle que soit sa taille. Un potentiel énorme tant pour le détaillant que pour le consommateur, qui laisse penser que l’avenir du retail appartient à l’IA.

Quitter la version mobile