Pourquoi plus d’insights n’est pas forcément synonyme de succès en magasin

À première vue, il s'agit d'une équation simple : plus d’insights, de meilleurs résultats. Après tout, plus vous en savez sur vos clients et leurs habitudes d'achat, plus il devrait être facile d'anticiper leurs besoins.

Dans la pratique, cependant, ce n'est pas toujours le cas. J'ai récemment assisté à la conférence annuelle de la Category Management Association (CMA) à Dallas. J'ai eu le plaisir de m'entretenir avec de nombreux distributeurs et marques de grande consommation (CPGs). L'un des thèmes récurrents de ces conversations était la difficulté que rencontrent ces organisations lorsqu'elles tentent de transformer leurs insights en actions concrètes.

Ce défi est particulièrement marqué dans le domaine de l'assortiment. Bien que distributeurs et marques disposent d'une abondance de données pour guider leurs décisions, ils peinent souvent à les exploiter efficacement. Par conséquent, bien qu'ils souhaitent proposer une gamme à la fois pertinente et différenciante, la réalité est souvent tout autre.

Les discussions que j'ai eues lors de l'événement de l'AMC m'ont fait réfléchir, et je pense qu'il y a cinq raisons principales pour lesquelles davantage d'insights ne conduisent pas toujours à un plus grand succès en magasin. Examinons chacune de ces raisons et ce que l'on peut faire pour y remédier.

1. Trop d'outils d'assortiment n'utilisent pas les bonnes données.
   Les données telles que le volume des ventes, les jours d'inventaire, les marges et les bénéfices peuvent aider les distributeurs et les marques à évaluer les performances de leurs produits. Toutefois, elles risquent de créer des prophéties auto-réalisatrices. Par exemple, si le « produit X » connaît une bonne performance depuis trois mois, est-il judicieux de lui accorder encore plus d'espace en rayon ? Le problème de l'utilisation exclusive des données commerciales, comme les volumes de vente, est qu'elles ne révèlent pas les véritables attentes des clients. Un assortiment vraiment efficace ne se limite pas aux produits les plus vendus, il comprend également une sélection de produits de niche répondant à des besoins spécifiques. Et pour comprendre ces besoins, il est essentiel d’avoir une connaissance approfondie de ses clients.

   Aujourd'hui, la grande majorité des outils d'assortiment s'appuient uniquement sur les données de performance. Notre propre plateforme, dunnhumby Assortment, est l'une des rares à intégrer des données relatives à la fidélité des clients. Par conséquent, c'est également l'un des seuls outils qui peut vous aider à répondre avec précision à l'évolution des besoins des clients.

2. La réussite passe par la suppression des silos.
   L'assortiment est un processus collaboratif impliquant les équipes de vente, de gestion des catégories (CatMan) et de planogrammes. Cependant, ces équipes sont souvent déconnectées, opérant en silos et prenant des décisions basées sur des priorités parfois très différentes, voire opposées. Par exemple, l'équipe commerciale cherchera à obtenir le plus d'espace possible pour atteindre ses objectifs. Les équipes CatMan, de leur côté, voudront s'assurer que les produits les plus vendus sont bien référencés. Enfin, l'équipe planogrammes se trouve dans une position délicate, devant parfois annoncer à ses collègues que leurs propositions ne pourront pas être mises en place avec l'espace disponible.

   Naturellement, cela entraîne une perte de temps et d'efforts, c'est pourquoi dunnhumby Assortment s'attaque spécifiquement à ce problème. L'outil crée un véritable espace de collaboration où les équipes de vente, de CatMan et de planogramme peuvent travailler ensemble. En outre, dunnhumby Assortment exploite une intelligence artificielle (IA) avancée pour générer des recommandations « adaptées à l'espace ». Grâce aux méthodologies d'apprentissage automatique, il garantit que les assortiments sont non seulement centrés sur le client et commercialement viables, mais qu'ils respectent aussi les contraintes physiques propres à chaque magasin. Le résultat ? Une efficacité accrue et de meilleurs résultats.

3. Les données brutes ne sont pas des insights
   Comme nous l'avons évoqué plus tôt, les distributeurs et les marques disposent d'abondantes données sur l'assortiment. Cependant, l'information ne se traduit pas forcément par des insights, et c'est la capacité à transformer des données brutes en éléments exploitables qui fait la différence. Par exemple, imaginez que vous travaillez pour un CPG et que les données indiquent que votre catégorie baisse de 10 %. Cette information est-elle réellement utile ? Est-elle exploitable ? Pas vraiment.

   Mais que se passerait-il si vous saviez que, pendant que votre catégorie se rétrécit, votre marque se développe ? Ou, en tant que distributeur, si vous constatiez que l'une de vos catégories est en croissance alors qu'elle est en régression dans d'autres enseignes ? C'est ce que l'on appelle un insight, car cela vous donne une position à partir de laquelle vous pouvez agir.

   Sans contexte, les données brutes sont, au mieux, inutiles et, au pire, peuvent être trompeuses. Ainsi, bien qu'une meilleure compréhension des données puisse favoriser un plus grand succès en magasin, il est peu probable qu'une simple augmentation de leur volume y parvienne.

4. Le succès, c'est à vous de le définir.
   La grande distribution est un secteur en constante évolution et très concurrentiel, ce qui peut rendre tentant de « suivre le leader » en matière d'assortiment. Après tout, si une approche hyperlocalisée de l'assortiment, magasin par magasin, fonctionne chez les meilleurs du secteur, pourquoi ne pas essayer la même chose ? Cependant, la grande distribution est aussi un secteur très nuancé, où le « succès » dépend du contexte. Par exemple, si vous gérez 50 magasins dans une zone géographique concentrée, vos priorités en matière d'assortiment seront probablement très différentes de celles d'une enseigne opérant à l'échelle nationale. Il est tout aussi important de comprendre quel problème vous cherchez à résoudre que de le résoudre.
5. Il y a une grande différence entre l'idéal et le réalisable
   Même lorsque vous savez quel problème vous cherchez à résoudre, la manière d'aborder la situation dépend de vos capacités globales. Le contexte est encore une fois crucial ici — non pas en termes de ce qui se passe sur le marché, mais plutôt de la manière dont votre entreprise fonctionne. Imaginons qu'un insight vous suggère que la voie la plus rapide vers le succès consiste à revoir et actualiser l'assortiment de la catégorie chaque semaine, au niveau du magasin. À moins que votre entreprise ne soit irréprochable sur le plan opérationnel, cet insight sera probablement inutile, car il ne pourra tout simplement pas être mis en œuvre. Par conséquent, les recommandations qui ne tiennent pas compte de la réalité de votre entreprise risquent de ne pas conduire au succès.

Chez dunnhumby, nous nous efforçons de trouver l'équilibre entre ce qui est optimal et ce qui est réalisable.

Vous souhaitez savoir comment dunnhumby Assortment peut vous aider à transformer vos données en insights exploitables ? Pour en savoir plus, visitez le site de dunnhumby Assortment.