Depuis 1948, Daniel's Jewelers, fondée par Joseph Sherwood avec pour mission de rendre les bijoux accessibles aux familles de tout le pays, est devenue l'une des entreprises de joaillerie connaissant la plus forte croissance aux États-Unis. Désormais dirigée par son petit-fils, le PDG David Sherwood, cette entreprise familiale exploite plus de 100 boutiques et s'attache à développer son réseau de magasins physiques parallèlement à son activité de commerce en ligne.
Le défi
Pendant la majeure partie de ses 75 ans d’histoire, Daniel's Jewelers s’est appuyé sur des données collectées manuellement et transmises via son système de point de vente : nombre de tickets, interactions du personnel, paiements et cadeaux. Ces sources ne permettaient pas d’obtenir les informations approfondies dont le détaillant avait besoin pour évaluer les nouvelles stratégies de marketing numérique qu’il adoptait, et il était particulièrement difficile de déterminer, dans le respect de la vie privée, si les campagnes en ligne attiraient réellement les clients en magasin.
La solution
Daniel's Jewelers s’est associé à RetailNext pour mesurer avec précision la fréquentation des magasins, établir une base de référence en matière de performance à l’échelle de la chaîne, comparer les magasins à leurs pairs et à des indicateurs clés de performance (KPI), évaluer l’efficacité du marketing et optimiser la planification des effectifs. Le détaillant a déployé la solution « RetailNext Traffic Analytics », qui s’appuie sur le capteur IoT tout-en-un Aurora® et sur un modèle prédictif de fréquentation permettant d’estimer les chiffres par tranches de 15 minutes, avec des tableaux de bord qui traduisent les données en formats simples ou les transmettent directement à des outils de veille économique.
Les résultats
Grâce à des données précises et en temps réel sur la fréquentation et les conversions, Daniel's Jewelersa enfin pu établir un lien entre ses publicités numériques et les visites en magasin — en mesurant l’impact des campagnes à l’échelle de l’ensemble de la chaîne, par région et magasin par magasin — et utiliser cette source unique de données fiables pour comparer les performances, affiner la planification des horaires du personnel et identifier des opportunités concrètes d’amélioration.
