RetailNext — Page d'accueil https://retailnext.net/fr La qualité de l’IA dépend entièrement de la qualité des données sur lesquelles elle s’appuie. RetailNext analyse chaque année des milliards de visites en magasin — ce qui constitue l’ensemble de données en magasin le plus complet du secteur de la distribution — et Pulse AI, la couche conversationnelle de la plateforme, met ces informations à votre disposition en un seul clic : les utilisateurs posent des questions sur leurs magasins en langage courant et obtiennent des réponses fondées sur les mêmes indicateurs fiables que ceux qui alimentent leurs tableaux de bord. Pulse AI est incluse dans chaque abonnement RetailNext sans frais supplémentaires ; elle est activée pour tous les utilisateurs, avec des contrôles administratifs permettant de limiter l’accès par utilisateur ou de la désactiver complètement ; elle respecte les autorisations liées au rôle de chaque utilisateur ; et les données clients ne sont jamais utilisées pour entraîner les modèles d’IA. RetailNext a été fondée en 2007 dans le but d’apporter au commerce de détail physique des analyses de type e-commerce. L’entreprise, dont le siège social est situé à Campbell, en Californie, compte plus de 600 clients dans le secteur de la vente au détail répartis dans plus de 100 pays, emploie environ 240 personnes et entretient des partenariats avec ses clients depuis plus de 10 ans en moyenne. La plateforme s’articule autour de quatre produits phares, Pulse AI servant de couche conversationnelle commune à l’ensemble de ceux-ci. Traffic Analytics offre un comptage de fréquentation d’une précision de 95 à 99 % et convertit ces données en recommandations de dotation en personnel et en mesure réelle du taux de conversion. Insights permet aux équipes de merchandising et d’aménagement des magasins de tester un nouvel agencement, un nouveau présentoir ou un nouveau concept dans quelques magasins et d’en valider les résultats avant de s’engager dans un déploiement à l’échelle de l’ensemble du réseau. Asset Protection combine l’analyse comportementale alimentée par l’IA avec l’intégration au point de vente afin d’identifier les menaces de perte avant qu’elles ne se concrétisent et de réduire la durée des enquêtes. Ces trois solutions s’appuient sur Aurora®, le capteur IoT monté au plafond développé par RetailNext, qui compte les personnes, capture des données comportementales et enregistre des vidéos haute résolution à partir d’un seul appareil. Au-delà de ses produits phares, RetailNext propose des solutions spécifiques à chaque secteur pour des catégories de commerce telles que l’habillement et la chaussure, les grands magasins, les supérettes, la bijouterie, la restauration, la banque de détail, les centres commerciaux et les établissements, ainsi que des solutions adaptées à des cas d’utilisation précis pour les équipes chargées de l’intelligence économique, du marketing et de l’expérience client, du merchandising, de la sécurité, de l’aménagement des magasins et de l’exploitation des points de vente. RetailNext gère également un « Centre de référence » proposant des données de fréquentation mises à jour chaque mois et couvrant des milliers de points de vente en Amérique du Nord, dans la zone EMEA et dans la région APAC, offrant ainsi aux détaillants un point de référence externe pour évaluer leurs propres performances. --- Traffic Analytics https://retailnext.net/fr/platform/traffic-analytics Traffic Analytics est le produit d’RetailNext dédié à la mesure de la fréquentation et à la gestion des effectifs. La plupart des détaillants prennent leurs décisions opérationnelles les plus coûteuses, notamment en matière de personnel, de plannings et d’horaires d’ouverture, en se basant sur des suppositions plutôt que sur des données. Traffic Analytics a été conçu pour remplacer ces suppositions. Grâce au capteur Aurora® de RetailNext, qui s'appuie sur l'intelligence artificielle, il fournit des comptages de fréquentation d'une précision de 95 à 99 % et transforme ces données brutes en informations exploitables : des recommandations pour affecter le nombre adéquat de personnel aux moments opportuns, une mesure précise du taux de conversion reliant les visites en magasin aux ventes réelles, ainsi que des données comparatives sur les performances de l'ensemble d'un réseau de magasins. Le matériel de capteur sous-jacent étant identique pour l’ensemble de la gamme de produits d’RetailNext, les données de Traffic Analytics peuvent être combinées avec les autres produits de l’entreprise, notamment Insights pour l’analyse de l’agencement et du merchandising, et Asset Protection pour les cas d’utilisation liés à la prévention des pertes, sans nécessiter le déploiement de matériel supplémentaire. Ce produit s’adresse aux équipes chargées des opérations de vente au détail, de la planification des magasins et de la gestion des effectifs, qui doivent passer d’une observation empirique des performances des magasins à une mesure quantifiée et comparable du volume de clients et du taux de conversion sur chaque site. RetailNext présente cela comme un moyen de cesser de considérer les décisions relatives à la dotation en personnel et à la planification des horaires comme des paris, pour commencer à les traiter comme des décisions fondées sur des données, étayées par un réseau de capteurs que l’entreprise décrit comme offrant une précision de comptage de pointe au sein d’une vaste base de clients du secteur de la vente au détail, présente dans plusieurs pays. Matt Evans, directeur senior des Insights et de l’analyse commerciale chez The Container Store, est cité sur la page pour décrire le changement que cela a entraîné : ֊Q0֊ --- Insights https://retailnext.net/fr/platform/insights Insights est le produit d'analyse de données de RetailNext destiné aux équipes de merchandising et d'aménagement des magasins, qui s'appuie sur une approche « tester et apprendre ». Tout changement en magasin relève généralement du pari tant qu’il n’a pas été testé. Insights a été conçu pour éliminer ces incertitudes en permettant à un détaillant de tester un nouvel agencement, un nouveau présentoir ou un nouveau concept de merchandising dans un petit nombre de magasins, d’observer précisément la réaction des clients à l’aide des données fournies par le capteur RetailNext Aurora®, puis de valider les résultats avant de s’engager dans un déploiement à l’échelle de l’ensemble du réseau. Insights va au-delà du simple comptage de fréquentation pour cartographier l’intégralité du parcours client, révélant ainsi quelles zones captivent les clients, quels agencements favorisent la conversion et à quel moment les clients se désintéressent avant d’atteindre la caisse, plutôt que de se contenter de fournir un simple chiffre global de fréquentation ou de conversion pour l’ensemble du magasin. Ce même produit sous-jacent prend également en charge le cas d’utilisation « Intelligence d'affaires » de RetailNext, décrit comme allant au-delà d’un simple tableau de bord de fréquentation en combinant les données sur le comportement des clients avec une analyse alimentée par l’IA, une modélisation prédictive et un ensemble de données de référence constitué à partir de la vaste base de clients de RetailNext dans le secteur de la vente au détail. Ainsi, un détaillant peut comprendre non seulement ce qui s’est passé dans un magasin, mais aussi ce que cela signifie et ce qu’il convient de tester ensuite. Insights fonctionne sur le même matériel de capteurs Aurora que Traffic Analytics et Asset Protection ; ainsi, un détaillant utilisant déjà l’un de ces produits peut ajouter Insights sans installer de nouveau matériel. Il s’adresse aux équipes chargées du merchandising, de l’aménagement des magasins, de l’analyse de la vente au détail ou de la Intelligence d'affaires qui ont besoin de tester un concept dans quelques points de vente, de mesurer la réaction réelle des clients, et ce n’est qu’ensuite qu’il décide de le déployer à l’échelle du réseau, remplaçant ainsi ce que RetailNext qualifie de « planification de magasin fondée sur des conjectures » par un processus de test et de validation fondé sur des données concrètes, avant d’engager des capitaux ou de la main-d’œuvre dans un changement à l’échelle de l’ensemble du réseau de magasins. Adolfo Rodríguez, de The Estée Lauder Companies, est cité sur cette page : ֺQ0ֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺQֺ --- Asset Protection https://retailnext.net/fr/platform/asset-protection « Asset Protection » est le produit de prévention des pertes et de sécurité en magasin proposé par RetailNext. La plupart des équipes chargées de la prévention des pertes travaillent encore de manière réactive, en visionnant les enregistrements vidéo après qu’un incident a déjà entraîné un préjudice financier pour l’entreprise, plutôt que de détecter les risques en temps réel. « Asset Protection » est conçu pour changer cette donne en combinant l’analyse comportementale basée sur l’intelligence artificielle avec l’intégration des données des points de vente. Le produit identifie les comportements suspects et les schémas de transactions qui indiquent une menace avant qu’elle ne se transforme en perte réelle ; il est conçu pour réduire le temps que les enquêteurs passent à passer les enregistrements au crible en mettant directement en évidence les vidéos pertinentes et les anomalies de transaction. L’objectif déclaré est de permettre aux équipes de prévention des pertes de consacrer moins de temps aux enquêtes a posteriori et davantage à la prévention, tout en étant en mesure de démontrer un retour sur investissement mesurable en matière de sécurité. Asset Protection fonctionne sur le même matériel de capteurs Aurora® que celui utilisé sur l’ensemble de la plateforme RetailNext ; ainsi, les détaillants utilisant déjà Traffic Analytics ou Insights n’ont pas besoin de matériel supplémentaire pour bénéficier de cette fonctionnalité de protection des actifs. Ce produit s’adresse aux équipes chargées de la prévention des pertes, de la gestion des risques et de l’exploitation des magasins, dont la mission est de réduire les pertes et de protéger à la fois les stocks et les employés. Il s’inscrit dans le cadre d’une évolution plus large de la sécurité dans le commerce de détail, passant d’un examen réactif des enregistrements vidéo à une détection proactive des menaces, fondée sur les données et intégrée aux systèmes de point de vente. Brent Paulsen, d’UNTUCKit, est cité sur cette page : ֺQ0ֺ --- Capteur Aurora® https://retailnext.net/fr/platform/aurora-sensor Aurora® est le matériel de capteurs IoT propre à RetailNext : un dispositif unique monté au plafond, conçu et fabriqué par RetailNext plutôt que fourni par un tiers, qui alimente tous les autres produits de la plateforme. Un seul appareil Aurora permet de compter les personnes avec une précision annoncée de 95 à 99 %, de collecter des données d’analyse comportementale et d’enregistrer simultanément des vidéos en haute résolution, remplaçant ainsi ce qui nécessiterait autrement l’installation côte à côte de matériel distinct pour le comptage, l’analyse et la vidéo. Comme les modules « Traffic Analytics », « Insights » et « Asset Protection » s’alimentent tous à partir du même flux de données du capteur Aurora, un détaillant peut ajouter n’importe lequel de ces produits à un déploiement Aurora existant sans installer de nouveau matériel, et peut commencer par un cas d’utilisation puis en ajouter d’autres ultérieurement sans nécessiter une deuxième intervention sur site. RetailNext présente Aurora comme une solution conçue pour un déploiement mondial au sein de vastes réseaux de magasins présents dans plusieurs pays, que l’entreprise met en relation avec sa clientèle plus large, composée de plus de 600 détaillants répartis dans plus de 100 pays. La page produit présente « Aurora » comme le socle physique sur lequel repose le reste de la plateforme : le capteur génère les données sous-jacentes de comptage, de comportement et de vidéo, tandis que « Traffic Analytics », « Insights » et « Asset Protection » constituent les couches logicielles qui transforment ces données brutes issues des capteurs en décisions relatives respectivement à la gestion du personnel, au merchandising et à la prévention des pertes. Pour un détaillant qui évalue RetailNext, Aurora constitue en réalité le seul choix matériel à faire au sein d’une gamme de produits par ailleurs axée sur les logiciels, et c’est le fil conducteur qui permet à un détaillant d’ajouter des produits ultérieurement sans avoir à rééquiper ses magasins. Jacky Leung, du groupe Bluebell, est cité sur la page : Q0 --- Notre atout en matière d'IA https://retailnext.net/fr/platform/our-ai-advantage Notre « AI Advantage » est l’argument avancé par RetailNext pour expliquer pourquoi son intelligence artificielle fournit des réponses que ses concurrents ne peuvent qu’estimer ; cet argument repose sur les données plutôt que sur les modèles : une intelligence artificielle ne peut répondre qu’à ce qui a été mesuré. RetailNext mesure des milliards de parcours d’achat par an dans plus de 100 pays, depuis le passage devant la vitrine jusqu’à l’entrée, en passant par le parcours en magasin, le temps passé, l’engagement et la transaction, et présente ces données comme le plus grand ensemble de données sur les acheteurs en magasin du secteur de la distribution. La page articule son argumentaire autour de quatre facteurs de différenciation : un système d’exploitation dédié au commerce de détail dans lequel le trafic, les ventes et la gestion du personnel sont regroupés au sein d’un seul système, ce qui permet à l’IA de déterminer ce qui stimule réellement la conversion plutôt que de faire des déductions à partir de trois outils disjoints ; une profondeur de mesure que d’autres ne parviennent pas à saisir ; un historique qui ne peut être reconstitué a posteriori, puisqu’une nouvelle plateforme ne commence à collecter les données d’un détaillant qu’à compter du jour de la signature du contrat, ce qui rend possible la comparaison d’une année sur l’autre et la détection fiable des anomalies ; et le contexte au cœur du système, car Pulse AI est présent sur presque toutes les pages de la plateforme et analyse la page sur laquelle se trouve l’utilisateur. L’IA intervient à trois niveaux du produit : le capteur Aurora® utilise une vision par ordinateur alimentée par l’IA directement sur l’appareil pour distinguer les clients du personnel et des objets avant que les données ne quittent le magasin ; cette IA est déployée en périphérie depuis 2017 et sa précision de comptage des personnes a été certifiée entre 95 et 99 % lors de chaque installation ; un modèle d’imputation s’appuie sur des semaines de tendances historiques pour combler les lacunes de connectivité, de sorte qu’une panne n’interrompe jamais une comparaison d’une année sur l’autre ; et Predictive Traffic génère des prévisions sur 45 jours à partir des données historiques propres au magasin du détaillant, incluses dans l’abonnement standard. Pulse AI constitue la couche conversationnelle : elle interroge les indicateurs propres au détaillant via les API d’RetailNext plutôt que de faire des déductions, refuse de répondre lorsque les données ne permettent pas d’apporter de réponse, est configurée comme un expert en commerce de détail et en analyse qui comprend la conversion, le taux de capture, le temps de séjour et le rendement par client, et hérite des autorisations RetailNext existantes de chaque utilisateur, de sorte qu’elle ne peut pas étendre ce qu’une personne est autorisée à voir. Elle répond aux questions sur la fréquentation, la conversion, les ventes, le temps de séjour et le rendement par client au niveau du magasin, de la région et de l’ensemble des points de vente ; elle répond aux questions relatives à la configuration des produits et au dépannage à partir de la base de connaissances officielle d’RetailNext, en fournissant un lien vers l’article source ; elle fonctionne dans plus de 50 langues et est disponible sur la plateforme web et sur iOS. Pulse AI est inclus dans chaque abonnement sans frais supplémentaires, avec une utilisation illimitée, et est activé pour tous les utilisateurs ; les administrateurs peuvent limiter la visibilité par utilisateur ou le désactiver complètement dans les paramètres d’administration. RetailNext est également disponible sous forme de connecteur MCP (Model Context Protocol) ; ainsi, un détaillant peut interroger ses données depuis l’environnement d’IA que son équipe utilise déjà, en s’authentifiant via les identifiants de chaque utilisateur et dans le cadre de leurs autorisations existantes, sans frais supplémentaires. En matière de confiance et de sécurité, la page précise que RetailNext est conforme à la norme SOC 2 Type II, que seules les métriques agrégées au niveau du tableau de bord sont transmises au fournisseur d’IA, et non les données brutes ou sensibles de l’entreprise, que le fournisseur est Anthropic (nommentment cité) et que RetailNext n’autorise pas ses fournisseurs tiers d’IA à entraîner des modèles sur les données clients sans autorisation explicite. La page décrit également l’adoption de l’IA à l’échelle de l’entreprise, chaque collaborateur d’RetailNext ayant accès à Claude d’Anthropic, ainsi qu’à un programme de formation interne et à un référentiel de maîtrise publié. Nirvani Dhevcharran, de TFG, est citée comme ayant déclaré : « » --- Conçu pour le commerce de détail https://retailnext.net/fr/platform/built-for-retail « Conçu pour le commerce de détail » est la page de positionnement d’RetailNext qui explique pourquoi les détaillants choisissent RetailNext plutôt que d’autres approches en matière d’analyse du commerce de détail. Son argument principal est qu’une plateforme d’analyse du commerce de détail représente un engagement à long terme : les décisions prises par un détaillant en matière de personnel, d’agencement, de campagnes et de protection des actifs ne seront efficaces que dans la mesure où la plateforme de données sous-jacente l’est également ; le choix du fournisseur a donc un impact sur la valeur ou le coût sur plusieurs années, et non sur quelques mois. RetailNext se présente comme la première plateforme d’intelligence commerciale dédiée au commerce de détail physique, citant parmi ses clients plus de 600 détaillants répartis dans plus de 100 pays, plus de 19 ans de développement d’analyses spécifiques au commerce de détail depuis sa création en 2007, ainsi que ce qu’elle décrit comme les données de capteurs sous-jacentes les plus précises du secteur, sur lesquelles repose son activité. La page articule son argumentaire autour de quatre thèmes : une précision de comptage de pointe grâce au réseau de capteurs Aurora®, une plateforme unique et intégrée couvrant la fréquentation, le comportement et la protection des biens plutôt que des solutions ponctuelles distinctes, un déploiement éprouvé à l’échelle de l’entreprise au sein de vastes réseaux de magasins présents dans plusieurs pays, et ce que RetailNext décrit comme le plus grand ensemble de données de référence du secteur de la vente au détail, constitué à partir des données de fréquentation agrégées de sa propre base de clients. La page comprend des témoignages de plusieurs clients professionnels du commerce de détail cités nommément, décrivant les résultats qu’ils ont obtenus grâce à la plateforme : Nilesh Khalkho, PDG de Sharaf DG, est cité comme suit : Q0Q1Q2Q3 La page « Conçu pour le commerce de détail » constitue l’argument central d’RetailNext pour expliquer « pourquoi nous choisir », se distinguant des pages individuelles consacrées aux produits, qui décrivent les fonctionnalités de la plateforme, et de la page « Comparaison des solutions », qui présente un cadre plus structuré permettant d’évaluer RetailNext par rapport à d’autres approches en matière d’analyse du commerce de détail. --- Témoignages de clients https://retailnext.net/fr/platform/customer-stories « Témoignages clients » est la page d’index des études de cas de RetailNext, qui regroupe des études de cas axées sur les résultats issus de sa clientèle du secteur de la vente au détail. La page indique que plus de 600 détaillants répartis dans plus de 100 pays utilisent RetailNext, allant des marques de luxe mondiales aux chaînes spécialisées régionales, et articule sa proposition de valeur autour de résultats mesurés plutôt que de fonctionnalités : de meilleurs taux de conversion, une planification plus intelligente des effectifs, une prévention des pertes plus efficace et des aménagements de magasin adaptés aux clients, chacun de ces éléments étant associé à un exemple client spécifique plutôt qu’à une affirmation générale. Les études de cas accessibles depuis cette page mentionnent des clients nommément cités, tels que Boggi MilanoThe Vitamin ShoppeDaniel's JewelersDave & Buster'sCamperUNTUCKitSharaf DG et Megane No Tanaka, couvrant les secteurs de l’habillement, du commerce spécialisé, de la joaillerie, des loisirs et de la restauration, de la chaussure et de la vente multimarque. Chaque étude de cas décrit l’utilisation spécifique qu’un client identifié fait de RetailNext — par exemple, « Traffic Analytics » pour la gestion des effectifs ou « Asset Protection » pour la prévention des pertes — ainsi que les résultats mesurés obtenus, plutôt qu’une simple description générique du produit. La rubrique « Témoignages clients » fait office de contrepartie factuelle aux pages « Conçu pour le commerce de détail » et « Comparaison des solutions » : alors que ces dernières présentent les arguments généraux en faveur de RetailNext, la rubrique « Témoignages clients » étaye ces arguments par des résultats attribués individuellement à des clients nommément cités, issus d’un large éventail de secteurs du commerce de détail et de zones géographiques. Elle s’adresse aux acheteurs qui souhaitent obtenir des preuves provenant d’un détaillant comparable avant d’évaluer la plateforme plus en détail. --- Comparaison des solutions https://retailnext.net/fr/platform/solution-comparison « Comparaison des solutions » est la page d’RetailNext destinée aux commerçants qui évaluent comment aborder l’analyse des données de vente au détail avant de choisir un fournisseur ou une méthode. Cette page présente la décision comme un choix entre quatre grandes approches : adopter une plateforme intégrée unique, couvrant la fréquentation, l’analyse comportementale et la protection des biens, proposée par un seul fournisseur ; assembler des solutions ponctuelles provenant de fournisseurs distincts pour le comptage, la cartographie thermique, la prévention des pertes et l’analyse, chacune séparément ; développer en interne des outils d’analyse sur mesure à l’aide de ressources techniques internes ; ou encore maintenir le statu quo, c’est-à-dire s’en tenir aux données de point de vente, aux comptages manuels et aux hypothèses, sans investir dans des outils d’analyse dédiés en magasin. Pour chaque approche, la page présente les compromis qu’un détaillant doit évaluer : pour les solutions ponctuelles, la charge liée à la gestion de plusieurs fournisseurs et au rapprochement de données qui n’ont jamais été conçues pour fonctionner ensemble ; pour le développement en interne, le délai de mise en œuvre, les coûts d’ingénierie récurrents et le risque lié à un système développé en interne par rapport à une plateforme fournisseur éprouvée ; et pour le statu quo, les coûts cachés liés à une main-d’œuvre mal répartie, aux opportunités de conversion manquées, aux décisions de merchandising non validées et aux pertes de stock incontrôlées qui découlent d’une exploitation sans analyse dédiée. La page présente également un tableau comparatif évaluant les plateformes d’analyse intégrées pour le commerce de détail selon un ensemble de critères précis : la précision du comptage des personnes, pour laquelle RetailNext annonce un taux de 95 à 99 % contre 75 à 85 % pour les alternatives comparées dans le tableau ; la capacité d’exclusion du personnel, décrite comme une technologie avancée basée sur l’IA du côté de RetailNext, contre des méthodes manuelles ou basiques chez les autres ; l’étendue de l’analyse comportementale, une suite complète contre une offre basique ou nécessitant un fournisseur distinct ; le fait que la protection des actifs soit intégrée à la même plateforme ou nécessite un fournisseur distinct ; la disponibilité de l’analyse prédictive et de l’IA, incluse contre indisponible ou limitée ; la taille de l’ensemble de données de référence sous-jacent, décrite comme comprenant des milliards d’interactions contre une quantité limitée ou inexistante ; l’évolutivité à l’échelle de l’entreprise, citant les plus de 600 détaillants clients de RetailNext répartis dans plus de 100 pays ; la complexité du déploiement informatique, estimée à 4 à 6 semaines pour RetailNext contre un délai variable ou complexe chez les autres ; la conformité SOC 2 de type II ; et l’ancienneté moyenne des clients, citée à plus de 10 ans. Les alternatives présentées dans ce tableau ne sont pas des concurrents nommément cités — la comparaison est présentée en termes généraux par rapport à des catégories d’approches alternatives. Cette page s’adresse aux acheteurs qui hésitent encore entre développer leur propre solution, acheter une plateforme unique ou assembler des solutions ponctuelles. --- Vêtements et chaussures https://retailnext.net/fr/solutions/apparel-footwear « Vêtements et chaussures » est la solution sectorielle d’RetailNext destinée aux détaillants de mode, une catégorie que la page décrit comme confrontée à une phase de recherche prolongée avant l’achat, à des changements rapides de tendances, à des fluctuations saisonnières spectaculaires de la fréquentation et à la concurrence des canaux en ligne et hors ligne. RetailNext présente ses données sur le comportement des clients et la fréquentation comme l’outil permettant de convertir les visiteurs en acheteurs, d’optimiser l’agencement et la présentation des produits pour un impact maximal, et de planifier avec précision les stocks et les effectifs en fonction des tendances de fréquentation de chaque saison, plutôt que de réagir a posteriori. Cette solution est conçue pour les détaillants de tous les types de formats explicitement cités sur la page : boutiques de luxe, chaînes de mode éphémère et magasins spécialisés dans la chaussure. Elle s’appuie sur les mêmes données de capteurs Aurora® qui alimentent les produits phares de RetailNext, notamment Traffic Analytics pour le comptage et la gestion des effectifs, Insights pour tester les modifications d’agencement et de merchandising, et Asset Protection pour la prévention des pertes. Les fonctionnalités présentées sur cette page s’articulent autour de trois axes : transformer le comportement de navigation en conversion mesurable plutôt que de considérer une simple navigation comme une opportunité manquée ; quantifier le retour sur investissement de décisions spécifiques en matière de merchandising au lieu de se fier uniquement à un jugement visuel ; et établir des prévisions de fréquentation saisonnières plutôt que de se baser sur des hypothèses historiques figées. Elle s’adresse aux responsables du secteur de la vente au détail de vêtements et de chaussures, qu’ils occupent des postes dans le merchandising, l’exploitation des magasins ou à la direction, qui ont besoin de données concrètes sur le comportement des clients pour prendre des décisions dans un secteur que la page qualifie de particulièrement volatil et en constante évolution par rapport à d’autres formats de vente au détail. Darren Bowden, vice-président des finances des magasins chez Calvin Klein, est cité sur cette page : ֺQ0ֺ --- Supérettes https://retailnext.net/fr/solutions/convenience-stores « Supérettes » est la solution sectorielle d’RetailNext destinée aux exploitants de magasins de proximité et de stations-service proposant des produits de consommation courante. Cette page présente le commerce de proximité comme une activité à faibles marges et à fort volume, où chaque transaction compte et où les modèles de gestion allégée des effectifs ne laissent aucune place à l’inefficacité ou à l’improvisation, notamment en ce qui concerne les ventes perdues dues à un service lent ou à un mauvais merchandising. Les données de RetailNext relatives à la fréquentation et au comportement des clients sont conçues pour aider les exploitants de supérettes à maximiser le chiffre d’affaires par visite, à convertir davantage de clients venant faire le plein en acheteurs en magasin, à optimiser la gestion du personnel et la mise en rayon pendant les périodes de pointe telles que les heures de pointe du matin et du soir, et à mener des opérations plus rationnelles et plus cohérentes à l’échelle de l’ensemble du réseau plutôt que magasin par magasin. Comme pour les autres pages sectorielles de RetailNext, les données sous-jacentes proviennent du réseau de capteurs Aurora® partagé sur l’ensemble de la plateforme ; ainsi, un détaillant de proximité peut ajouter Traffic Analytics pour le comptage et la gestion des effectifs, Insights pour tester des changements de présentation des produits, ou Asset Protection pour la prévention des pertes, sans avoir à acquérir de nouveau matériel pour chaque fonctionnalité. Les fonctionnalités présentées sur cette page mettent l’accent sur la conversion de la fréquentation existante déjà présente en magasin – qu’il s’agisse d’achats de carburant ou de courses rapides – en achats supplémentaires ; sur la gestion des fortes fluctuations de volume qui surviennent pendant les périodes de pointe ; et sur l’augmentation de la valeur du panier grâce à de meilleures décisions de merchandising en magasin, fondées sur des données réelles relatives au comportement des clients plutôt que sur des hypothèses. La solution s’adresse aux responsables d’exploitation et de merchandising des commerces de proximité gérant de vastes réseaux multi-sites, où les gains d’efficacité, même modestes par site, se cumulent de manière significative à l’échelle de l’ensemble du réseau. Ayman Beydoun, du groupe BFL, est cité sur cette page : Q0? --- Grands magasins https://retailnext.net/fr/solutions/department-stores « Grands magasins » est la solution sectorielle proposée par RetailNext aux enseignes de grande surface à rayons multiples. Cette page présente les grands magasins comme confrontés à un défi propre à leur format : plutôt que de gérer un seul magasin, un exploitant gère en réalité des dizaines de rayons spécialisés sous un même toit, chacun présentant des comportements clients, des schémas de fréquentation et des dynamiques de performance différents. Les données de fréquentation et de comportement de RetailNext sont conçues pour offrir aux exploitants de grands magasins une visibilité au niveau de chaque rayon, plutôt qu’un simple chiffre global de fréquentation à l’échelle du magasin, afin d’optimiser les performances catégorie par catégorie. Parmi les fonctionnalités mentionnées figurent la visibilité sur les performances au niveau des rayons dans un espace de grande superficie, la cartographie du parcours client au sein d’un magasin dont la taille et l’agencement sont plus complexes que ceux d’un détaillant spécialisé classique, ainsi que l’optimisation de la stratégie d’accès et de circulation pour les magasins dotés de multiples points d’entrée. À l’instar des autres solutions sectorielles d’RetailNext, celle-ci s’appuie sur la plateforme commune de données de capteurs Aurora®, ce qui signifie qu’un exploitant de grands magasins peut combiner Traffic Analytics pour le comptage et la gestion des effectifs au niveau des rayons, Insights pour tester des modifications d’agencement ou de merchandising rayon par rayon, et Asset Protection pour la prévention des pertes sur une grande surface de vente, sans avoir besoin de matériel distinct pour chaque fonctionnalité. Cette solution s’adresse aux responsables des opérations et du merchandising des grands magasins qui ont besoin d’une visibilité au niveau des rayons ou des catégories plutôt qu’à l’échelle de l’ensemble du magasin, car les chiffres globaux de fréquentation peuvent masquer des dynamiques de performance très différentes entre, par exemple, le rayon cosmétiques et le rayon articles pour la maison d’un même magasin. Marc Mastronardi, directeur des magasins chez Macy's, est cité sur cette page : ֺQ0ֺQ --- Équipements https://retailnext.net/fr/solutions/facilities « Équipements » est la solution proposée par RetailNext aux équipes chargées de la gestion des installations et des espaces de travail, un cas d’utilisation qui se distingue quelque peu des pages consacrées au secteur de la grande distribution, cœur de métier de RetailNext. Cette page présente les équipes chargées des installations et des espaces de travail comme étant amenées à réduire les coûts immobiliers, à soutenir les stratégies de travail hybride, à garantir la sécurité et le respect des règles d’occupation, ainsi qu’à améliorer l’expérience des occupants, souvent tout cela simultanément. Les données de RetailNext relatives à l’occupation et à l’utilisation de l’espace, issues de la même plateforme de capteurs Aurora® que celle utilisée pour l’ensemble de ses produits destinés au commerce de détail, sont conçues pour répondre à ces exigences en s’appuyant sur des mesures réelles d’occupation plutôt que sur des hypothèses : comprendre comment les espaces sont réellement utilisés plutôt que la manière dont ils ont été conçus pour l’être, garantir une conformité continue en matière d’occupation plutôt que de s’appuyer sur des contrôles manuels périodiques, et soutenir une stratégie de lieu de travail hybride à l’aide de données réelles de présence plutôt que de se limiter à des estimations basées uniquement sur le passage des badges. La page précise que cette solution s’applique à un campus d’entreprise, à un immeuble de bureaux ou à un établissement à usage mixte, étendant ainsi la technologie sous-jacente de comptage des personnes et d’analyse comportementale d’RetailNext au-delà d’un cas d’utilisation traditionnel dans le commerce de détail vers un cas d’utilisation plus large en matière d’intelligence d’occupation. Elle s’adresse aux équipes chargées des installations, aux équipes chargées de la stratégie d’organisation du lieu de travail et à celles de la gestion immobilière qui ont besoin de données continues et précises sur l’utilisation de l’espace pour justifier des décisions immobilières, prouver la conformité ou concevoir une politique de travail hybride, en utilisant le même matériel de capteurs et la même précision de comptage, estimée entre 95 et 99 %, que celle sur laquelle s’appuient les produits de l’entreprise destinés au commerce de détail. Prama Bhatt, d’Ulta Beauty, est citée sur cette page : ฮูQ0ฮู --- Bijoux https://retailnext.net/fr/solutions/jewelry « Bijoux » est la solution sectorielle proposée par RetailNext aux détaillants en joaillerie, une catégorie que la page décrit comme fonctionnant différemment des autres formats de vente au détail, car les achats y sont de grande valeur, mûrement réfléchis et souvent guidés par des conseils, avec des parcours clients pouvant s'étendre sur plusieurs visites, sur plusieurs semaines, voire plusieurs mois. La page souligne également une tension opérationnelle spécifique au commerce de détail de la joaillerie : trouver un équilibre entre les besoins en matière de sécurité et le maintien d’une atmosphère accueillante et sereine en magasin, ce que, selon la page, les analyses standard du commerce de détail ne prennent pas en compte. Les données comportementales et de fréquentation de RetailNext sont conçues pour aider les bijoutiers à optimiser l’utilisation des espaces de conseil et la gestion des effectifs en fonction d’une demande basée sur les rendez-vous, à comprendre et à accompagner le parcours client en plusieurs visites plutôt que de traiter chaque visite comme un événement isolé, et à assurer la sécurité sans perturber l’expérience d’achat délibérément sereine dont dépend ce secteur. Parmi les fonctionnalités mentionnées sur la page figurent notamment la compréhension spécifique du parcours client en plusieurs visites, en reconnaissant qu’un même client peut revenir plusieurs fois avant de réaliser un achat de grande valeur ; l’optimisation des espaces de consultation où s’effectuent les ventes réfléchies assistées par le personnel ; et le maintien de la sécurité d’une manière qui ne compromette pas l’expérience client. À l’instar des autres solutions sectorielles d’RetailNext, celle-ci s’appuie sur la plateforme commune de capteurs Aurora®, ce qui permet à un bijoutier de combiner les fonctionnalités « Traffic Analytics », « Insights » et « Asset Protection » en utilisant le même matériel sous-jacent. Cette solution s’adresse aux détaillants en joaillerie gérant un secteur d’activité caractérisé par de longs cycles de réflexion, des montants moyens de transaction élevés et la nécessité de trouver un équilibre entre la prévention des pertes et une expérience client qui repose sur le sentiment de ne pas être surveillé. David Sherwood, de la bijouterie Daniel's Jewelers, est cité sur cette page : ֊Q0֊ --- Restaurants https://retailnext.net/fr/solutions/restaurants « Restaurants » est la solution sectorielle d’RetailNext destinée aux restaurateurs et aux professionnels de la restauration. Cette page présente les performances d’un restaurant comme dépendant de la maîtrise simultanée de trois éléments : des effectifs adaptés aux moments opportuns, une expérience client de qualité constante à chaque interaction, et une protection adéquate des personnes et des biens. Les données d’analyse de fréquentation de RetailNext sont conçues pour répondre simultanément à ces trois enjeux plutôt que de les traiter comme des initiatives distinctes : des prévisions précises de la fréquentation et une planification des horaires du personnel permettant d’adapter les effectifs à la demande réelle mesurée plutôt qu’à un planning fixe, ainsi que la vidéosurveillance et la mesure de l’efficacité des promotions, afin d’apporter des réponses aux questions relatives à la prévention des pertes et à l’efficacité marketing à partir des mêmes données sous-jacentes. La page précise que cela s’applique aussi bien à un exploitant gérant un seul établissement qu’à celui gérant des centaines d’établissements, positionnant ainsi les données de fréquentation et de comportement de RetailNext, issues de sa plateforme de capteurs Aurora®, comme la couche d’intelligence opérationnelle qui distingue les restaurants hautement performants de ceux de niveau moyen. Parmi les fonctionnalités citées figurent l’affectation du personnel en fonction de la demande mesurée plutôt que d’un planning fixe ou d’estimations approximatives, la réduction des temps d’attente des clients et l’amélioration du débit de service pendant les périodes de pointe, ainsi que la combinaison des fonctions de protection des personnes et des biens à l’aide des mêmes données de capteurs que celles utilisées pour le comptage de la fréquentation, ce qui évite à un exploitant de restaurant d’avoir recours à des systèmes distincts pour l’analyse des effectifs et la sécurité. Cette solution s’adresse aux responsables d’établissements de restauration, qu’il s’agisse d’une entreprise à site unique ou à plusieurs sites, qui doivent trouver un équilibre entre les coûts de main-d’œuvre, l’expérience client et la sécurité en s’appuyant sur une source unique et partagée de données en magasin. Damian Hall, PDG de Tanaka Megane, est cité sur cette page : ֊Q0֊ --- Banque de détail https://retailnext.net/fr/solutions/retail-banking « Banque de détail » est la solution sectorielle proposée par RetailNext aux exploitants d’agences bancaires. Cette page présente les performances des agences comme soumises à des pressions simultanées provenant de plusieurs sources : des attentes croissantes des clients, l’adoption des canaux numériques qui modifie les habitudes de fréquentation des agences, et une pression constante pour réduire les coûts opérationnels. Les informations sur la fréquentation des agences fournies par RetailNext, issues de sa plateforme de capteurs Aurora®, sont conçues pour aider les responsables de la banque de détail à optimiser la dotation en personnel des guichets et des espaces de conseil en fonction des habitudes de visite réelles mesurées, plutôt que selon des horaires fixes ; de réduire les temps d’attente des clients lors de leurs visites en agence ; et de prendre des décisions fondées sur les données concernant l’aménagement des agences et la transformation plus large du réseau d’agences, notamment en déterminant quelles agences doivent être réaménagées, redimensionnées ou regroupées. Parmi les fonctionnalités mentionnées sur la page figurent l’adaptation des effectifs à la demande réelle des clients plutôt qu’à un planning statique, la conception d’aménagements d’agences validés par rapport à des données réelles de fréquentation et de flux de circulation plutôt que sur la base d’hypothèses, et l’optimisation de l’ensemble du réseau d’agences de la banque à l’aide de données de fréquentation comparables pour chaque site. À l’instar des autres pages sectorielles d’RetailNext, cette solution repose sur le même matériel de capteurs Aurora® et la même plateforme de données que les produits phares d’RetailNext ; une banque peut ainsi combiner les fonctionnalités « Traffic Analytics » au niveau des agences, « Insights » pour tester les modifications d’agencement des agences, et « Asset Protection » pour la sécurité des agences, à l’aide d’un seul déploiement commun de capteurs. Elle s’adresse aux responsables des opérations bancaires de détail et aux responsables de la stratégie du réseau d’agences qui gèrent un réseau d’agences soumis à la pression de moderniser l’expérience en agence tout en réduisant les coûts d’exploitation de ce réseau. Ayman Beydoun, du groupe BFL, est cité sur la page : Q0Q --- Centres commerciaux https://retailnext.net/fr/solutions/shopping-malls « Centres commerciaux » est la solution sectorielle proposée par RetailNext aux exploitants de centres commerciaux et aux gestionnaires immobiliers. Cette page présente les performances des centres commerciaux comme étant soumises à la pression d’une évolution des comportements des consommateurs, d’une composition changeante des locataires et d’un besoin constant de démontrer la valeur des biens immobiliers à l’aide de données plutôt que d’anecdotes. Les données d’analyse de la fréquentation de RetailNext, issues de sa plateforme de capteurs Aurora®, sont conçues pour aider les exploitants de centres commerciaux à prendre des décisions de location plus éclairées en s’appuyant sur des données réelles concernant le nombre de visiteurs et la durée de séjour plutôt que sur des estimations de fréquentation, à démontrer le retour sur investissement marketing en établissant un lien entre les actions marketing menées au niveau du centre commercial et le volume de visiteurs mesuré, et de créer de nouvelles sources de revenus destinées aux locataires en leur proposant l’accès à des analyses de fréquentation et de trafic sous forme de service. La page aborde également des cas d’utilisation en gestion immobilière allant au-delà de la location et du marketing : la mesure des flux de circulation dans les couloirs et les zones des magasins phares en particulier, ainsi que la gestion en temps réel du taux d’occupation à des fins de sécurité et de conformité réglementaire. Parmi les fonctionnalités mentionnées figurent la prise de décisions en matière de location à partir de données chiffrées sur la fréquentation et la durée de séjour, la démonstration du retour sur investissement des dépenses marketing au niveau du centre commercial, et la transformation des données de fréquentation propres au centre commercial en un service monétisable proposé aux locataires. Cette solution s’adresse aux gestionnaires immobiliers de centres commerciaux, aux équipes de location et aux équipes marketing qui ont besoin d’une vue unique et complète, au niveau des allées et des zones, du comportement des visiteurs sur l’ensemble d’un site, plutôt que de données au niveau des vitrines provenant uniquement des locataires individuels. Ziad AlMalki, du groupe AlMalki, est cité sur cette page : Q0 --- Intelligence d'affaires https://retailnext.net/fr/solutions/business-intelligence Intelligence d'affaires est la solution proposée par RetailNext pour les équipes d’analyse du commerce de détail et de BI. La page s’ouvre sur un contraste saisissant : la plupart des plateformes d’analyse du commerce de détail indiquent à une équipe ce qui s’est passé, tandis que RetailNext Insights, le produit sur lequel repose ce cas d’utilisation, a pour objectif d’expliquer à une équipe ce que ces données signifient et ce qui est susceptible de se produire ensuite. Cette solution est conçue pour les équipes de BI et d’analyse qui ont besoin de plus qu’un simple tableau de bord de fréquentation. Elle combine les données sur le comportement des clients, capturées via la plateforme de capteurs Aurora® de RetailNext, avec des analyses basées sur l’IA, la modélisation prédictive et ce que RetailNext décrit comme le plus grand ensemble de données de référence du secteur de la distribution, constitué à partir des données agrégées de l’ensemble de sa clientèle de détaillants. L’objectif déclaré est de fournir des informations qui étayent les décisions stratégiques à tous les niveaux de l’organisation, qu’il s’agisse d’un analyste élaborant un rapport personnalisé ou d’un dirigeant consultant rapidement un indicateur sur un appareil mobile ; chaque information est présentée comme accessible et chaque décision comme fondée sur des données, plutôt que de dépendre d’un analyste dédié chargé d’établir un rapport à la demande. Parmi les fonctionnalités mentionnées sur la page figurent la possibilité de poser des questions sur les données en langage courant plutôt que via un format de rapport figé, la mise en évidence des tendances à venir avant qu’elles ne se manifestent dans des indicateurs à retard tels que les ventes, et la comparaison des performances d’un détaillant par rapport à ce qu’RetailNext décrit comme le plus grand ensemble de données comparables du secteur. Cette solution s’adresse aux équipes chargées de l’intelligence économique, des données et de l’analyse au sein d’une entreprise de distribution qui ont besoin de données prédictives et comparatives, plutôt que de simples rapports descriptifs a posteriori. Damian Hall, PDG de Tanaka Megane, est cité sur la page : Q0 --- Marketing et expérience client https://retailnext.net/fr/solutions/marketing-cx « Marketing et expérience client » est la solution d’RetailNext destinée aux équipes chargées du marketing et de l’expérience client. La page s’ouvre sur un problème concret : les équipes marketing consacrent des budgets importants à attirer les clients vers les magasins physiques, mais la plupart d’entre elles ne sont pas en mesure de prouver que la fréquentation pour laquelle elles ont payé s’est effectivement materialisée en magasin, et encore moins de déterminer si elle s’est traduite par une vente. RetailNext présente ses données de fréquentation et de comportement, issues de sa plateforme de capteurs Aurora®, comme le moyen de boucler cette boucle, en reliant directement les dépenses marketing à la fréquentation mesurée en magasin et, à partir de là, au taux de conversion mesuré. Parmi les fonctionnalités mentionnées sur la page figurent notamment la mise en relation de dépenses marketing ou de campagnes spécifiques avec le trafic mesuré en magasin, plutôt que de se fonder sur des hypothèses générales d’augmentation des ventes ; la cartographie du parcours client en magasin une fois que l’acheteur est arrivé ; et l’optimisation de la répartition du budget marketing en fonction des campagnes et des canaux qui se sont avérés générer effectivement des visites mesurées en magasin, plutôt que de se limiter aux seuls indicateurs d’engagement numérique. La solution repose sur le même matériel de capteurs Aurora et les mêmes données que les produits phares d’RetailNext ; ainsi, une équipe marketing ou chargée de l’expérience client peut utiliser les mêmes données de fréquentation en magasin que celles sur lesquelles s’appuient déjà les équipes opérationnelles et de merchandising du même détaillant, plutôt que de recourir à un système de mesure distinct réservé au marketing. Elle s’adresse aux responsables du marketing et de l’expérience client qui doivent justifier et optimiser les dépenses destinées à générer des visites en magasin physique, dans un secteur où les outils d’attribution numérique ne s’étendent pas au magasin physique. Nilesh Khalkho, PDG de Sharaf DG, est cité sur la page : Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q0Q --- Merchandising https://retailnext.net/fr/solutions/merchandising « Merchandising » est la solution proposée par RetailNext pour les équipes chargées de la mise en scène des produits et de l’expérience client. Cette page présente les décisions en matière de merchandising comme ayant traditionnellement été guidées par l’expérience et l’instinct plutôt que par des données mesurées, et positionne RetailNext comme un moyen de remplacer cette approche instinctive par des données comportementales directes. En cartographiant la manière dont les clients interagissent réellement avec l’environnement du magasin — notamment en identifiant les présentoirs qui attirent l’attention, les zones où les clients s’attardent et les agencements qui transforment la simple visite en achat —, RetailNext fournit aux équipes de merchandising et d’expérience client des données factuelles pour prendre des décisions qui relevaient auparavant du simple jugement. Parmi les fonctionnalités mentionnées sur la page, on trouve notamment : l’identification des éléments spécifiques de l’environnement du magasin qui fonctionnent réellement, grâce aux données comportementales issues des capteurs Aurora® d’RetailNext ; le test de nouveaux concepts de merchandising dans un petit nombre de magasins avant un déploiement à plus grande échelle, à l’aide du produit « Insights » ; et la démonstration du retour sur investissement d’une décision spécifique en matière de merchandising ou de présentation après qu’elle a été prise, plutôt que de se fier uniquement aux tendances générales des ventes qui pourraient s’expliquer par d’autres facteurs. Cette solution s’adresse aux équipes chargées du merchandising visuel, de l’aménagement des magasins et de l’expérience client qui ont besoin de tester et de valider leurs décisions de merchandising à l’aide de données factuelles sur le comportement des clients, et qui doivent actuellement s’appuyer sur des observations subjectives en magasin ou sur des résultats de vente a posteriori qui ne permettent pas d’isoler l’effet d’un changement spécifique de présentation ou d’agencement. Darren Bowden, vice-président des finances des magasins chez Calvin Klein, est cité sur cette page : ฮฮQ0ฮฮ --- Sécurité https://retailnext.net/fr/solutions/security « Sécurité » est la solution proposée par RetailNext aux équipes chargées de la prévention des pertes et de la sécurité physique dans le secteur de la vente au détail. Elle s'appuie sur le même produit « Asset Protection » que celui décrit sur la page dédiée à ce produit sur le site de RetailNext. Cette page souligne que la plupart des équipes de prévention des pertes travaillent encore de manière réactive, en visionnant les enregistrements vidéo après qu'un incident a déjà entraîné un préjudice financier pour l'entreprise, plutôt que d'identifier les risques au fur et à mesure qu'ils se développent. RetailNext présente sa combinaison d’analyse comportementale alimentée par l’IA et d’intégration des données de point de vente comme un moyen de passer de ce modèle réactif à un modèle proactif, permettant d’identifier les menaces avant qu’elles ne se transforment en pertes avérées et de réduire considérablement le temps que les enquêteurs passent à passer au crible les enregistrements a posteriori. Parmi les fonctionnalités mises en avant, on trouve notamment le passage d’une approche de sécurité réactive à une approche proactive, la résolution des dossiers en quelques heures plutôt qu’en plusieurs jours grâce à la mise en évidence automatique des enregistrements pertinents et des anomalies de transaction, sans nécessiter d’examen manuel, ainsi que la compatibilité avec l’infrastructure de vidéosurveillance existante du détaillant, sans qu’il soit nécessaire de remplacer l’ensemble du système de caméras. Selon la page, l’objectif visé est que les équipes de sécurité consacrent moins de temps à extraire et à examiner les enregistrements vidéo et davantage de temps à prévenir concrètement les incidents, tout en étant en mesure de démontrer à la direction un retour sur investissement mesurable en matière de sécurité. Cette solution s’adresse aux équipes chargées de la prévention des pertes, de la gestion des risques et de l’exploitation des magasins, dont la mission est de réduire les pertes et de protéger à la fois les stocks et les employés, en utilisant les données issues de la même plateforme de capteurs Aurora® qui sous-tend les autres produits d’RetailNext. Brent Paulsen, d’UNTUCKit, est cité sur cette page : ֻQ0ֻ --- Aménagement de magasin https://retailnext.net/fr/solutions/store-design « Aménagement de magasin » est la solution d’RetailNext destinée aux équipes chargées de la planification et de la conception des magasins. Cette page présente les décisions relatives à la conception des magasins comme comportant un risque financier important : un concept qui semble convaincant dans un cahier des charges peut s’avérer décevant dans la réalité, et le temps que cela apparaisse clairement au cours d’un déploiement, cela peut coûter des millions de dollars à un détaillant. Les données comportementales de RetailNext, issues de sa plateforme de capteurs Aurora®, permettent aux équipes chargées de la planification et de la conception des magasins de valider un nouveau concept, de tester un changement d’agencement et d’en mesurer l’impact réel sur le parcours des clients et les performances de vente dans un petit nombre de magasins avant de généraliser cette décision à l’ensemble du réseau. Parmi les fonctionnalités proposées, on peut citer la validation de nouveaux concepts de magasin avant leur déploiement à l’échelle du réseau, l’observation de la manière dont les clients se déplacent réellement dans un magasin plutôt que selon la façon dont le plan d’aménagement a été conçu pour être parcouru, et la démonstration du retour sur investissement d’une décision de conception spécifique à l’aide du comportement mesuré des clients plutôt que des seuls chiffres de vente post-lancement, qui pourraient s’expliquer par d’autres facteurs. Cette solution s’adresse aux équipes chargées de la planification, de la conception et de l’immobilier des magasins, qui ont besoin de données probantes avant d’engager des investissements dans un changement d’aménagement sur de nombreux sites, et qui disposent actuellement de moyens limités pour tester les performances réelles d’un concept avant son déploiement à grande échelle. Elles utilisent le produit « Insights » d’RetailNext précisément pour ce type de tests pilotes à petite échelle. Ben Jackson, de Kendra Scott, est cité sur cette page : ֺQ0ֺ --- Exploitation des magasins https://retailnext.net/fr/solutions/store-operations « Exploitation des magasins » est la solution proposée par RetailNext aux équipes opérationnelles du commerce de détail chargées de gérer simultanément les effectifs, le taux de conversion et les performances sur plusieurs sites. Le principal défi abordé dans cette page réside dans le fait que les équipes opérationnelles doivent réduire les coûts de main-d'œuvre tout en améliorant l'expérience client, et ce dans des dizaines, voire des centaines de magasins à la fois. Lesdonnées de fréquentation et de comportement, dont la précision de comptage est estimée entre 95 et 99 % grâce au réseau de capteurs Aurora®, sont utilisées pour planifier les effectifs en fonction de la demande réelle mesurée plutôt que selon des plannings fixes, pour visualiser les performances de l’ensemble du réseau de magasins d’un seul coup d’œil plutôt que site par site, et pour transformer les chiffres bruts de fréquentation en indicateurs de performance mesurables plutôt qu’en un simple décompte de visiteurs. La page cite des résultats concrets obtenus par des clients à titre d’illustration : Boggi Milano a enregistré une augmentation de 40 % du rendement par client, The Vitamin Shoppe a généré six millions de dollars de chiffre d’affaires supplémentaire sur une période de sept mois, et Camper a constaté une hausse de 10 % de son taux de conversion. Ces chiffres sont présentés comme les résultats obtenus par des détaillants utilisant la plateforme de RetailNext pour des cas d’utilisation liés à l’exploitation des magasins. Cette solution s’adresse aux responsables opérationnels qui doivent passer d’une approche empirique, magasin par magasin, à des décisions fondées sur des données à l’échelle du réseau concernant les effectifs, la planification des horaires et la comparaison des performances des magasins, en utilisant les mêmes données de capteurs sous-jacentes qui alimentent les autres produits d’RetailNext. Matt Evans, directeur principal des Insights et de l’analyse commerciale chez The Container Store, est cité sur cette page : ָQ0ָ --- Centre de référence https://retailnext.net/fr/benchmarks-hub Le « Centre de référence » est la base de données publique d’RetailNext consacrée à la fréquentation des commerces. Chaque mois, RetailNext suit la fréquentation des clients dans des milliers de points de vente en Amérique du Nord, dans la région EMEA et dans la région APAC, produisant ainsi ce que l’entreprise décrit comme l’une des visions les plus complètes des performances réelles du commerce de détail disponibles à ce jour. Les données sous-jacentes proviennent du réseau de capteurs Aurora® d’RetailNext, qui, selon l’entreprise, compte les personnes avec une précision comprise entre 95 et 99 %, ce qui signifie que les références sont établies à partir de la fréquentation réelle mesurée plutôt que d’enquêtes ou d’estimations modélisées, et mises à jour chaque mois avec des données provenant spécifiquement des marchés des États-Unis, du Canada, de la zone EMEA et de la zone APAC. La plateforme « Hub » donne accès à un tableau de bord des références en temps réel, développé sur Power BI, qui permet aux utilisateurs de consulter des données de tendance en temps réel ventilées par région, secteur de la distribution et période. La couverture s’étend à de nombreux formats de distribution, notamment l’habillement, la chaussure, les supérettes et les grands magasins, entre autres. L’objectif de la plateforme est d’offrir aux détaillants, aux analystes et aux observateurs du secteur un point de référence externe qu’ils peuvent utiliser pour comparer les performances de leur propre magasin ou de leur portefeuille à un ensemble de données plus large et multirégional, plutôt que de se fier uniquement à leurs propres chiffres historiques. Les données étant actualisées chaque mois, la plateforme sert également d’indicateur continu des évolutions macroéconomiques de la fréquentation des magasins physiques dans les trois régions qu’elle couvre, ce qui constitue un contexte utile pour toute personne cherchant à comprendre les tendances du comportement d’achat en magasin, indépendamment des résultats propres à un détaillant donné. --- Tarifs https://retailnext.net/fr/pricing « Tarification » est la page interactive d’RetailNext dédiée à l’estimation des tarifs, qui remplace la liste de prix publique. RetailNext utilise un modèle tarifaire par abonnement couvrant le logiciel et le matériel des capteurs Aurora®. Plutôt que de publier des prix fixes, la page propose un outil d’estimation interactif en trois étapes : un commerçant saisit les informations relatives à son magasin, notamment le nombre de points de vente, le nombre moyen d’entrées par magasin, le type de magasin ou la catégorie sectorielle, la région ou le pays, ainsi que la configuration technologique actuelle ; l’outil génère alors instantanément une estimation en devise locale ; et les résultats sont également envoyés par e-mail au commerçant. L’abonnement lui-même couvre le matériel des capteurs Aurora, l’accès au logiciel de la plateforme, les mises à jour logicielles, la garantie et l’accès aux données de référence de RetailNext. La page précise clairement que le prix de l’abonnement couvre uniquement les logiciels et le matériel, et que les services supplémentaires varient selon le site : installation et études de site, services professionnels tels que le montage, le câblage et la configuration réseau, l’expédition du matériel, la taxe sur les ventes et les droits d’importation, le matériel de fixation spécialisé pour les hauteurs de plafond ou les agencements de magasin atypiques, ainsi que toute intégration sur mesure dont un détaillant pourrait avoir besoin. La page présente la structure d’abonnement comme une alternative permettant de réduire les frais d’exploitation par rapport à un achat initial important, en expliquant qu’elle préserve la trésorerie grâce à des mensualités abordables, et précise que les détaillants peuvent contacter l’équipe commerciale d’RetailNext au sujet de tarifs réduits ou destinés aux grandes entreprises, ce qui laisse entendre que les prix sont négociables en fonction du volume plutôt que fixes, même dans les résultats fournis par l’estimateur. Cette page s’adresse à un détaillant en phase initiale d’évaluation qui souhaite obtenir une estimation rapide et personnalisée des coûts avant de prendre directement contact avec l’équipe commerciale d’RetailNext. --- Partenaires https://retailnext.net/fr/partners La page « Partenaires » d’RetailNext est dédiée à son écosystème de partenaires ; elle s’adresse aux organisations qui souhaitent revendre, intégrer ou développer des solutions basées sur la plateforme RetailNext, plutôt qu’aux détaillants, clients finaux, directement. Cette page invite les fournisseurs de technologies, les cabinets de conseil, les revendeurs et les spécialistes du déploiement à rejoindre l’écosystème de partenaires d’RetailNext, en précisant qu’il existe un modèle de partenariat adapté à chacune de ces catégories, plutôt qu’un programme unique et universel. La proposition de valeur présentée aux partenaires consiste en l’accès à de nouvelles sources de revenus grâce à la proposition de la plateforme d’RetailNext à leurs propres clients, à un accompagnement de premier plan de la part d’RetailNext tout au long de ce processus, ainsi qu’à la possibilité d’aller plus loin en collaborant plutôt qu’en agissant en tant que fournisseur indépendant en concurrence sur le même marché. Cette page présente la plateforme d’analyse du commerce de détail d’RetailNext, à savoir Traffic Analytics, Insights, Asset Protection et le capteur Aurora® sous-jacent, comme le produit qu’un partenaire pourrait revendre, intégrer ou déployer pour le compte de sa propre clientèle, en fonction de sa catégorie de partenariat. Cette page se distingue des pages destinées aux clients d’RetailNext : elle s’adresse à un partenaire commercial potentiel qui évalue l’opportunité d’établir une relation commerciale avec RetailNext, plutôt qu’à un détaillant cherchant à acheter et à déployer directement la plateforme d’RetailNext. RetailNext proposant plusieurs catégories de partenaires distinctes plutôt qu’un programme de revendeurs générique unique, cette page sert de point d’entrée à toute une gamme d’organisations, allant de l’intégrateur de systèmes déployant le matériel RetailNext sur site au fournisseur de logiciels développant une intégration avec les données de la plateforme RetailNext, chacune de ces entités s’engageant auprès de RetailNext selon des conditions commerciales différentes. --- Qui sommes-nous ? https://retailnext.net/fr/about/who-we-are « Qui sommes-nous ? » est la page de présentation de l’entreprise RetailNext. RetailNext se présente comme le leader mondial de l’analyse des données dans le secteur de la vente au détail, permettant aux commerçants physiques du monde entier de prendre des décisions fondées sur les données, et précise avoir été fondée en 2007 dans le but spécifique d’apporter au commerce de détail traditionnel des outils d’analyse similaires à ceux utilisés dans le commerce électronique. Les chiffres clés de l’entreprise présentés sur cette page sont les suivants : plus de 600 clients dans le secteur de la vente au détail à l’échelle mondiale, répartis dans plus de 100 pays, environ 240 collaborateurs dans le monde entier, un siège social situé à Campbell, en Californie, et une durée moyenne de partenariat avec ses clients supérieure à 10 ans. La page présente le principe fondateur de RetailNext comme une lacune spécifique que l’entreprise s’est fixée de combler : les détaillants en ligne disposent depuis longtemps d’analyses comportementales détaillées, page par page, concernant leurs clients en ligne, tandis que les détaillants physiques n’avaient historiquement qu’une visibilité relativement limitée sur le comportement réel des clients une fois à l’intérieur d’un magasin ; RetailNext a donc été créé pour combler cette lacune de visibilité spécifiquement pour le commerce de détail physique. Cette page fait office de source de référence pour les données relatives à l’entreprise RetailNext, notamment l’année de création, le nombre de clients, le nombre de pays, le nombre d’employés, l’emplacement du siège social et la durée moyenne de fidélité des clients. Ces informations sont également mentionnées, parfois avec des chiffres légèrement différents ou plus anciens, sur d’autres pages du site, telles que « Conçu pour le commerce de détail » et les pages de produits individuelles ; lorsque les chiffres de cette page diffèrent d’un chiffre plus ancien figurant ailleurs, cette page doit être considérée comme la source la plus récente, puisqu’il s’agit de la page dédiée aux informations sur l’entreprise. --- Études de cas clients https://retailnext.net/fr/resources/case-studies Les informations suivantes résument les études de cas publiées concernant les clients d'RetailNext. Chaque indicateur est tiré de la page correspondante de l'étude de cas en ligne sur retailnext.net. --- Étude de cas : transformer la fréquentation en atout pour l'ensemble de la flotte (Shoe Palace) https://retailnext.net/fr/resources/case-studies/case-study-shoe-palace-2026 Shoe Palace a transformé son ratio de fréquentation par heure de travail (TPLH) en indicateur de performance mesurable, en utilisant les outils d’analyse de fréquentation de RetailNext pour identifier les heures de pointe dans plus de 250 magasins et générer une hausse moyenne de 10 % du taux de conversion dès la deuxième année. Les résultats communiqués sont les suivants : augmentation moyenne du taux de conversion de +10 % (en glissement annuel) ; plus de 250 magasins à travers les États-Unis ; 5 États représentés dans le réseau de magasins. --- Étude de cas : Développer un réseau de magasins physiques en s'appuyant sur les données dès le premier jour (Balsam Brands) https://retailnext.net/fr/resources/case-studies/balsam-brands-building-brick-and-mortar-with-data-from-day-one Comment Balsam Brands, l'une des entreprises phares du secteur DTC, a tiré parti de l'analyse du trafic pour lancer et développer une présence commerciale stratégique à travers Balsam Hill et Balsam Hill Studio, réalisant ainsi une économie de 31 % sur les coûts de main-d'œuvre et augmentant le taux de fréquentation de 10 % en glissement annuel dans ses magasins physiques. Les résultats communiqués sont les suivants : réduction de 31 % des coûts de main-d'œuvre ; augmentation de 10 % du taux de fréquentation (période de pointe des fêtes). --- Étude de cas : une marque mondiale de surf optimise ses performances grâce à RetailNext (Hurley) https://retailnext.net/fr/resources/case-studies/case-global-surfing-brand-powers-high-performance-with-retailnext La marque mondiale de surf Hurley explique comment elle a augmenté son taux de conversion de 5 % après être passée d’une autre solution d’analyse de vente au détail à RetailNext, afin d’obtenir des chiffres de fréquentation fiables et précis et d’améliorer ainsi ses performances et ses résultats commerciaux. Les résultats communiqués sont les suivants : augmentation de 5 points du taux de conversion (de 22 % à 27 %) ; 38 magasins en Amérique du Nord. --- Étude de cas : une marque identifie des opportunités en matière de main-d'œuvre grâce à l'analyse des données en magasin (Boggi Milano) https://retailnext.net/fr/resources/case-studies/case-study-boggi-milano-2025 Boggi Milano est une marque italienne présente sur le marché avec 235 magasins répartis dans plus de 61 pays. En 2018, l'équipe a cherché à améliorer son analyse des performances des magasins de la marque et s'est tournée vers un expert en analyse des données en magasin. Les résultats communiqués sont les suivants : augmentation de 40 % du rendement par client ; augmentation de 5 points du taux de conversion ; augmentation de 15 % du panier moyen. --- Étude de cas : Créer un environnement universitaire plus sûr (RetailDDS) https://retailnext.net/fr/resources/case-studies/case-study-building-a-safer-university-environment Compte tenu des nouvelles règles et réglementations mises en place par le gouvernement en raison de la COVID-19, notre partenaire, RetailDDS, recherchait un fournisseur de solutions fiable pour surveiller en temps réel les taux de fréquentation d'un client universitaire. Parmi les résultats communiqués, on peut citer : plus de 33 000 étudiants (client universitaire). --- Étude de cas : Comment un joaillier de longue date s'appuie sur la fréquentation de ses boutiques pour définir sa réussite (Daniel's Jewelers) https://retailnext.net/fr/resources/case-studies/case-study-daniels-jewelers-2024 Depuis 1948, Daniel’s Jewelers connaît une expansion rapide aux États-Unis et compte aujourd’hui plus de 100 boutiques. L’enseigne utilise la solution Traffic 2.0 de RetailNext pour améliorer ses performances, optimiser la gestion du personnel et offrir un excellent service client. Parmi les résultats communiqués, on peut citer : plus de 100 boutiques à travers le pays ; 76 ans d’activité. --- Étude de cas : Dave & Buster's : la transformation des opérations grâce à l'analyse de données https://retailnext.net/fr/resources/case-studies/case-study-dave-and-busters-2025 La transition de Dave & Buster’s vers un fonctionnement fondé sur les données montre comment l’analyse des données dans le secteur de la vente au détail peut transformer une entreprise. En s’appuyant sur des informations en temps réel plutôt que sur des suppositions, la direction peut mieux optimiser la gestion des effectifs et les investissements, et favoriser la transparence entre les différents établissements. Parmi les résultats communiqués, on peut citer : 177 établissements aux États-Unis ; 70 000 pieds carrés (pour les plus grands établissements). --- Étude de cas : Garantir la conformité du merchandising à 35 000 pieds d'altitude (Lolli and Pops) https://retailnext.net/fr/resources/case-studies/case-study-ensuring-merchandising-compliance-from-35000-feet Découvrez comment Lolli and Pops a gagné du temps et réalisé des économies en accédant à distance à des informations sur le merchandising via la plateforme RetailNext. Parmi les résultats communiqués, on peut citer : plus de 35 points de vente aux États-Unis ; 360 bacs dans les plus grands magasins. --- Étude de cas : comment la marque DTC « UNTUCKit » stimule les conversions dans ses magasins physiques https://retailnext.net/fr/resources/case-studies/case-study-how-dtc-brand-untuckit-drives-conversion-in-physical-stores À l’origine une marque vendant directement aux consommateurs, UNTUCKit a été l’une des premières entreprises de commerce électronique à ouvrir des magasins physiques. La marque explique comment elle a augmenté son taux de conversion de 6,9 % (2017-2020) depuis qu’elle s’est associée à RetailNext. Les résultats communiqués sont les suivants : une économie d’environ 40 % par rapport à l’utilisation de systèmes distincts de comptage de fréquentation et de prévention des pertes ; une augmentation du taux de conversion de +6,9 % ; une augmentation du taux de conversion de +6,9 % (2017–2020). --- Étude de cas : Comment le premier détaillant japonais de lunettes parvient à atteindre un niveau de performance élevé (Tanaka Megane) https://retailnext.net/fr/resources/case-studies/case-study-how-japans-leading-eyewear-retailer-drives-high-performance Megane no Tanaka a identifié la nécessité de prendre des décisions commerciales stratégiques fondées sur des données, en s'appuyant sur des analyses en temps réel de l'activité en magasin. L'enseigne d'optique explique pourquoi elle a choisi RetailNext pour mieux comprendre l'expérience client en magasin. --- Étude de cas : Améliorer les performances des présentoirs grâce à l'Interior Analytics (Un détaillant spécialisé dans les vêtements et les accessoires) https://retailnext.net/fr/resources/case-studies/case-study-improving-fixture-performance-through-interior-analytics Le détaillant souhaitait évaluer les performances des présentoirs et des agencements afin d'identifier les principales opportunités en magasin et de prendre des décisions de merchandising fondées sur des données. --- Étude de cas : Espaces d'exposition multimarques (Un espace d'exposition multimarques) https://retailnext.net/fr/resources/case-studies/case-study-multi-brand-product-showrooms Les marques dépensent des sommes considérables pour être mises en avant sur les présentoirs d'extrémité, mais lorsqu'elles évaluent leur retour sur investissement, elles se heurtent régulièrement à un manque d'indicateurs de performance : combien de clients sont passés devant le présentoir, quel pourcentage d'entre eux s'est arrêté et combien de temps y sont-ils restés ? --- Étude de cas : Comment des artistes culinaires ont augmenté leur taux de conversion de 75 % (New West Knifeworks) https://retailnext.net/fr/resources/case-studies/case-study-new-west-knifeworks Dans cette étude de cas écrite, New West KnifeWorks explique comment la plateforme RetailNext lui a permis de mesurer avec précision les performances de ses magasins et de dégager des informations exploitables qui ont contribué à faire progresser les taux de conversion de 75 % et à augmenter la fréquentation des magasins de 32 %. Les résultats communiqués sont les suivants : +32 % d'augmentation de la fréquentation des magasins (en glissement annuel) ; +75 % d'augmentation du taux de conversion (en glissement annuel). --- Étude de cas : Comment un détaillant en électronique des Émirats arabes unis prend des décisions fondées sur les données (Sharaf DG) https://retailnext.net/fr/resources/case-studies/case-study-sharaf-dg-retailnext-2023 En tant que leader de la distribution multimarque aux Émirats arabes unis, Sharaf DG ne cesse d’innover pour améliorer l’expérience en magasin. L’enseigne a mis en place dans ses magasins un modèle de partage de données s’appuyant sur des analyses en magasin et d’autres ensembles de données afin de développer l’intelligence commerciale. Parmi les résultats communiqués, on peut citer : 30 magasins répartis dans 4 pays ; plus d’un million de visites mensuelles en magasin ; plus de 10 000 produits. --- Étude de cas : Le pouvoir de 1 % (en The Vitamin Shoppe) https://retailnext.net/fr/resources/case-studies/case-study-the-power-of-1 « The Vitamin Shoppe » a élaboré un plan tactique visant à tirer parti de données précises sur la fréquentation des magasins. La réussite de ce plan reposait non seulement sur la précision de ces données, mais aussi sur la capacité à déployer efficacement 731 magasins en l'espace de deux mois. Parmi les résultats communiqués, on peut citer : 6 millions de dollars de chiffre d'affaires supplémentaire en 7 mois ; une augmentation de 100 points de base du taux de conversion à l'échelle de l'ensemble du réseau ; 731 magasins déployés en 2 mois. --- Étude de cas : Le secret de la réussite de Camper en matière de performance mondiale de ses magasins https://retailnext.net/fr/resources/case-studies/case-study-the-secret-to-campers-global-store-performance-success En tant qu’enseigne contemporaine fière de proposer des produits de grande qualité, Camper souhaitait fournir à ses employés en magasin des données de haute qualité afin d’améliorer l’expérience client en magasin et de dynamiser les performances de ses magasins à l’échelle mondiale. Les résultats communiqués sont les suivants : augmentation de 10 % du taux de conversion ; économies de 30 % sur les dépenses marketing et les heures de travail ; augmentation de 20 % de la fréquentation (en glissement annuel). --- Étude de cas : Transformer l'expérience client en donnant plus d'autonomie aux collaborateurs (100% PURE) https://retailnext.net/fr/resources/case-studies/case-study-transforming-the-shopper-experience-by-empowering-associates 100% PURE s'est tourné vers la plateforme RetailNext afin de mieux comprendre les comportements d'achat en magasin de ses clients. Grâce à l'interface utilisateur de la solution et à ses rapports, 100% PURE a pu accéder en temps réel aux tendances en matière de fréquentation et de conversion, tant au niveau de chaque magasin qu'à l'échelle globale. Parmi les résultats communiqués, on peut citer : une valeur moyenne des transactions de 70 $ (contre 60 $ auparavant) ; 3,32 unités par transaction (contre 3,12 auparavant) ; un taux de conversion supérieur à 30 % dans certains points de vente. --- Étude de cas : Analyse des tendances de consommation pour une chaîne de salles d'arcade de premier plan (Ridgelinez) https://retailnext.net/fr/resources/case-studies/case-study-unpacking-consumer-trends-for-a-leading-arcade-game-center Ridgelinez, un cabinet de conseil en stratégie, recherchait un partenaire fiable spécialisé dans l'analyse du commerce de détail afin de mesurer et d'analyser la manière dont les clients se déplacent et interagissent avec les différentes machines de jeux au sein d'une salle d'arcade. --- Étude de cas : Utiliser l'analyse de données pour instaurer une culture de la performance (Snow Peak) https://retailnext.net/fr/resources/case-studies/case-study-using-analytics-to-create-a-performance-culture Snow Peak a utilisé les outils d’analyse en magasin de RetailNext pour définir ses indicateurs clés de performance et déployer son système dans l’ensemble de ses magasins en propre, les indicateurs clés comprenant notamment le taux de capture, le taux de conversion et l’efficacité de la planification des horaires du personnel. Les résultats communiqués sont les suivants : augmentation de 8,2 % de la fréquentation totale ; augmentation de 13 % du taux de conversion ; augmentation de 213 % du nombre de clients effectuant des achats à la fois dans les rayons équipement et vêtements. --- Étude de cas : Optimiser l'efficacité de la gestion de la paie dans le contexte de la « Grande Démission » (The Vitamin Shoppe) https://retailnext.net/fr/resources/case-studies/case-study-vitamin-shoppe-driving-payroll-efficiency The Vitamin Shoppe explique comment l'entreprise a réussi à améliorer son ratio « masse salariale/chiffre d'affaires » en optimisant ses effectifs grâce aux données de fréquentation fournies par RetailNext. Parmi ses succès, on peut citer une augmentation significative du chiffre d’affaires et du taux de conversion, ainsi qu’un changement de perception concernant ses opérations. Les résultats communiqués sont les suivants : 6 millions de dollars de chiffre d’affaires supplémentaire en 7 mois ; une augmentation de 100 points de base du taux de conversion à l’échelle de l’ensemble du réseau ; 731 magasins équipés en 2 mois. ---