Prévisionnel, décisionnel… la data science métamorphose le retail

Les nouvelles habitudes d’achat des consommateurs soulèvent des défis inédits pour les distributeurs comme, par exemple, l’augmentation des retours de produits. En croisant différentes sources de données, de nouveaux algorithmes de machine learning aident les acteurs du e-commerce à optimiser leur gestion logistique en améliorant leurs prises de décision.

S’il y a quinze ans, le taux de retour des articles n’excédait pas 10 %, il culmine aujourd’hui de 60 à 70 % et constitue à ce titre un défi logistique de taille pour tous les e-commerçants. Heureusement, la data science apporte des solutions pour anticiper ces retours. En prenant en compte non seulement les caractéristiques des produits renvoyés, mais aussi le contexte de l’achat (lieu, moment, conditions), il est désormais possible de déterminer une probabilité de retour pour chaque produit vendu. Des algorithmes de machine learning permettent parallèlement d’identifier au sein de la clientèle les segments les plus enclins à retourner des produits. Autant de modèles jusqu’alors imperceptibles que ces technologies ont mis en évidence.

 

Le machine learning au service de la prise de décision

 

Et si les champs d’applications se multiplient, toutes les données aujourd’hui collectées par les distributeurs n’auront de valeur qu’une fois analysées, notamment pour en déduire des prévisions et des recommandations utiles à la prise de décision. Une condition qui implique d’associer ces fonctions de machine learning avec une expérience utilisateur intuitive. C’est le principe des nouveaux systèmes dédiés à la distribution, qui se basent sur les précédentes interactions pour prédire à échéance précise des problèmes potentiels au niveau des points de vente, comme des clients.

 

Reste que pour faire face à la puissance d’un mastodonte comme Amazon, les distributeurs traditionnels ont tout intérêt à miser sur des programmes de fidélité pour collecter un maximum d’informations sur le choix des produits, la fréquence d’achat et l’efficacité des offres promotionnelles. De quoi affiner, à l’aide d’outils d’intelligence artificielle, la segmentation des clients, la sélection des produits et des gammes, le réassort au niveau local et la fixation des prix. Un virage crucial si l’on considère l’importance croissante des données et des technologies dans le domaine du retail.

 

 

Lire l’article (en anglais)

 

 

En complément :

L’engouement des consommateurs pour les big data,

La protection des données chez les distributeurs automobiles.