Au trimestre dernier, j’ai assisté à une réunion avec une vice-présidente chargée des opérations en magasin chez l’un des dix premiers détaillants spécialisés. Son entreprise évaluait des plateformes d’analyse, et elle avait devant elle une pile de présentations de fournisseurs : comparaisons de fonctionnalités, tests de précision, réponses à des appels d’offres. À mi-chemin de la réunion, elle les a écartés d’un geste et a déclaré : « Je n’ai pas besoin d’un autre dossier. J’ai besoin de savoir ce qui changera une fois que nous aurons signé. »
C'est là la question qui compte. Et c'est justement celle à laquelle la plupart des produits de cette catégorie ont du mal à répondre.
Tous les fournisseurs de solutions d'analyse du trafic vous diront que leurs capteurs sont précis, que leurs tableaux de bord fonctionnent en temps réel et que leur intelligence artificielle est unique. La plupart de ces affirmations sont fausses, même au niveau des spécifications techniques. Mais surtout, aucun d'entre eux ne fournit à la vice-présidente les informations dont elle a réellement besoin.
Ce qu’elle demandait en réalité, c’était : lorsque notre équipe se retrouve au travail le lundi après un week-end de forte affluence, cette plateforme modifie-t-elle notre façon de travailler ? Les responsables prennent-ils de meilleures décisions en matière d’effectifs ? Les directeurs régionaux expliquent-ils les écarts avec davantage d’assurance ? Les équipes du siège identifient-elles plus rapidement ce qui fonctionne réellement ?
Ce sont là les questions que se posent les grands distributeurs lorsqu'ils prennent des décisions concrètes. Il ne s'agit pas de savoir si la plateforme existe, mais si elle modifie leur mode de fonctionnement.
Il existe une version de la notion de « niveau entreprise » qui n’existe que sur les présentations PowerPoint : chiffres de disponibilité, certifications SOC 2, couverture mondiale. Ces éléments sont importants, mais ils ne constituent pas un « minimum requis » au sens où cette expression est généralement comprise. La plupart des fournisseurs de cette catégorie ne peuvent pas affirmer en toute honnêteté qu’ils sont déployés dans plus de 100 pays, qu’ils offrent une sécurité de niveau « enterprise-grade » ou qu’ils affichent un historique de disponibilité résultant d’une exploitation à grande échelle depuis près de deux décennies. RetailNext, quant à lui, répond à tous ces critères.
Une fois que vous êtes en discussion avec une sélection de prestataires qui répondent à ces critères, la question la plus délicate est de savoir si la plateforme tient réellement la route dans le cadre d’un portefeuille à l’échelle de l’entreprise. Cela implique des centaines, voire des milliers de magasins, souvent répartis dans plusieurs pays. Des formats de magasins variés. Des variations régionales dans le comportement des clients. Des structures de main-d’œuvre différentes d’un pays à l’autre. Des équipes immobilières prenant des décisions portant sur des montants à sept chiffres, sur la base de données qui doivent pouvoir être justifiées devant un directeur financier.
J'ai vu des plateformes qui semblaient très prometteuses lors d'un projet pilote mené dans un seul magasin s'effondrer lorsqu'elles ont été déployées à grande échelle. Les données allaient globalement dans le bon sens ; mais le modèle opérationnel n'a pas pu supporter la charge de milliers de capteurs transmettant des données simultanément. C'est dans cet écart, entre les performances observées lors du projet pilote et la réalité du parc, que la plupart des investissements dans l'analyse de données se soldent discrètement par une déception.
L’aspect le plus sous-estimé d’une plateforme d’analyse de données pour le commerce de détail d’entreprise réside dans le fait que les mêmes données sous-jacentes doivent répondre aux besoins de publics très différents. Le directeur des opérations en magasin, le directeur marketing, le responsable du merchandising, le vice-président chargé de l’immobilier et le PDG ne se posent pas les mêmes questions. La plateforme qui apporte une valeur à long terme est celle qui offre à chacun d’entre eux une vision leur permettant d’agir, sans obliger le reste de l’organisation à servir d’intermédiaire.
Chez RetailNext, les mêmes données sous-jacentes relatives au trafic, aux conversions et au comportement sont présentées différemment selon les équipes. L’équipe des opérations dispose d’une vue axée sur les effectifs. L’équipe marketing dispose d’une vue axée sur les campagnes locales. L’équipe merchandising dispose d’une vue axée sur l’adéquation de l’assortiment. L’équipe immobilière dispose d’une vue axée sur la zone de chalandise. La direction dispose d’une vue axée sur la part de marché du portefeuille. Mêmes données, perspectives différentes.
Ce modèle ne cesse de se développer que si la couche de données sous-jacente continue de s’étendre. Un exemple récent est ce que nous avons intégré à notre tableau de bord « Benchmarks », accessible via la plateforme « Benchmarks Hub » sur notre site web. Grâce à notre partenariat avec Unacast, des données mobiles anonymisées (données démographiques des visiteurs, segments de mode de vie, trafic concurrentiel sur différents marchés) alimentent désormais ce même tableau de bord. Les cas d’utilisation s’étendent à l’ensemble de l’organisation. Le service opérationnel dispose ainsi d’un moyen de déterminer si un trimestre en baisse sur un marché donné est spécifique à une marque ou s’il concerne l’ensemble de la catégorie. La direction générale bénéficie de tendances relatives aux parts de trafic comparées à des concurrents nommément cités, plutôt que de se limiter aux seules références internes. Les informations sur la concurrence et le suivi des tendances par catégorie, qui étaient auparavant reconstituées à partir de rapports tiers, deviennent des vues de premier plan au sein de la plateforme. Le service immobilier peut évaluer les zones commerciales en fonction des flux réels de la concurrence plutôt que des données de recensement. Le marketing et le merchandising disposent désormais d’un contexte local sur les visiteurs qui n’existait pas auparavant.
Il s'agit là d'une interface parmi tant d'autres. La plateforme ne peut fonctionner à l'échelle de l'entreprise que lorsque ces interfaces sont interconnectées, c'est-à-dire lorsque les données relatives aux effectifs, aux zones de chalandise et aux campagnes s'enrichissent mutuellement, au lieu d'être cloisonnées dans les différentes solutions de différents fournisseurs.
Pour en savoir plus 👉 Les arguments en faveur de la consolidation de vos analyses en magasin
Les commerçants qui tirent le meilleur parti d’RetailNext ne sont pas ceux qui sont impressionnés par le capteur. Ce sont ceux qui exploitent l’ensemble des données intégrées : la fréquentation pour adapter le modèle de gestion du personnel, le taux de transformation par rapport au plan de merchandising, les données par zone par rapport au calendrier de merchandising visuel, les indicateurs de référence du portefeuille par rapport aux décisions immobilières. Chaque couche renforce l’utilité de la suivante. La valeur s’accroît de manière exponentielle.
Imaginez concrètement ce que cela représente. Prenons un portefeuille de 500 magasins avec une fréquentation quotidienne moyenne de 800 clients par magasin. Une amélioration d’un demi-point du taux de transformation, obtenue grâce à une meilleure gestion des effectifs permettant de disposer du personnel adéquat en magasin lorsque la fréquentation est réelle, se traduit par quatre transactions supplémentaires par magasin et par jour. Avec un panier moyen de 60 dollars, cela représente 240 dollars par magasin et par jour. À l’échelle de l’ensemble du portefeuille sur une année complète, l’impact sur le chiffre d’affaires s’élève à environ 44 millions de dollars. Le pouvoir d’un seul ! (enfin, d’un demi-point dans ce cas-ci…)
C'est là l'un des aspects de cette intégration. Ajoutez à cela les économies de main-d'œuvre réalisées en évitant de surcharger en personnel les guichets peu fréquentés. Ajoutez également l'efficacité marketing qui découle de l'évaluation des campagnes en fonction de la fréquentation réelle plutôt que d'estimations approximatives. Ajoutez-y les décisions immobilières prises sur la base de données, et le directeur financier saura défendre son point de vue devant le conseil d’administration. Cet effet cumulatif se manifeste dans l’ensemble du compte de résultat, à des niveaux que les processus d’approvisionnement traditionnels ne relient jamais à la ligne d’analyse.
La plupart des évaluations en matière d'achats commencent par la question suivante : « Cette plateforme répond-elle à nos besoins ? » Ce n'est pas le bon point de départ. La meilleure question à se poser est la suivante : « En quoi notre équipe travaille-t-elle différemment grâce à la plateforme dont nous disposons, et comment travaillerait-elle différemment si celle-ci était plus performante ? »
Réalisez cet exercice en toute honnêteté par rapport à votre prestataire actuel. Examinez les décisions relatives aux effectifs. Examinez l’analyse de conversion. Examinez l’analyse comparative de votre portefeuille. Examinez l’immobilier. Faites le bilan des décisions qui sont prises sur la base de données auxquelles votre équipe fait confiance, et de celles qui sont encore prises à l’instinct. L’écart entre les deux correspond à l’ampleur de votre opportunité.
Les détaillants qui ont choisi RetailNext ont précisément procédé ainsi. Certains d'entre eux ont mené cette analyse sur plusieurs plateformes. Il ne s'agissait pas pour eux de comparer des fonctionnalités, mais de prendre une décision opérationnelle.
Cet exercice est fastidieux. C'est également le document de synthèse le plus utile que vous puissiez rédiger en vue de votre prochain entretien sur l'analyse de données.
En savoir plus 👉 Pourquoi les grandes enseignes choisissent-elles RetailNext ?