Fabriquer ses axes d’analyse pour conduire son action

La mesure de la performance de l’action merchandising, au-delà du simple chiffre des ventes, est une nécessité. La mesure s’exprime sur des plans d’analyse, avec des échelles compréhensibles et admises par chacun, qui doivent permettre d’orienter les travaux et améliorations des différentes familles d’actions merchandising. Les multiples vecteurs d’actions merchandising, employés simultanément, donnent par leur variation, des impacts mesurables sur la structure du CA et la satisfaction du client. Tirer des enseignements de la portée d’un seul vecteur, imposerait de faire varier ce vecteur seul, pendant un temps souvent économiquement irréaliste. Et même comment, par exemple sur l’effet de profondeur d’assortiment, serait mesurée la part de sensibilité des prospects qui a été impactée  (sensibilité à l’augmentation du choix dans options, dimensions, couleurs, prix, rôles, symboles, tribalités…)? La définition intuitive des plans d’analyse de la performance du merchandising ne peut que, donner des mesures souvent regardées subjectivement.

Et pourtant , en parallèle aux études qualitatives, qui ont été au 20em siècle les seules utilisées dans le domaine du merchandising, il faut introduire des mesures d’analyse quantitative, en relation avec des actions couplées. Intégrer le merchandising dans la chaîne décisionnelle avec ses KPI’s ( Indicateurs Clés de la Performance ), implique d’uniformiser et de simplifier les ensembles décisionnels. Ces ensembles, contenants, doivent avoir une signification quels que soient les services décideurs (avec chacun son échelle de mesure) : la définition des cubes mais surtout des plans de vues qui vont permettre d’exprimer les performances, devient indispensable.

Les méthodes et outils pour construire les univers décisionnels : 

Lorsqu’il ne s’agit pas simplement d’informer, la publication de chiffres doit être utile pour conduire la décision.
Sans entrer dans la controverse, sur les entreprises, qui confondent système d’information et système d’aide à la décision, résumons les différences :

• Utile pour porter une parole officielle partageable, le système, d’information institutionnelle, constate un passé, sans tirer des enseignements sur les récurrences potentielles et la fabrication des artifices merchandising qui provoqueront les évolutions espérées. Qualité de la présentation, et pérennité des chiffres et des commentaires sont les critères de satisfaction du lectorat, des informations institutionnelles.
• Constructif pour apporter une pro-activité, le système, d’information décisionnelle, doit, pour apporter les correctifs sur les écarts prévisionnels avec les objectifs, savoir simuler : la simulation de la récurrence probable passe par le crible d’une modélisation de la probabilité.

Les modélisation du décisionnel s’appuie sur des méga base de données hétérogènes, dans le but de créer des modèles conditionnels à partir d’hypothèses de lois comportementales. La modélisation statistique du futur reste une approche aléatoire, sauf si elle arrive à conjuguer les approches qualitatives et quantitatives, de la réponse réfléchie ou impulsive, aux stimuli merchandising.
Une telle analyse doit amener, à vectorialiser les comportements du consommateur dans l’espace de vente et après l’achat, grâce à l’étude des circulations et paniers d’achats, de la fréquence des visites, des retours et des éventuels commentaires… Cette modélisation probabiliste des observations, mises en liaison avec des actions merchandising, sera reportée au plus sur des volumes pour être exploitable et lisible par tous. Observations chiffrées qui permettent de modéliser à partir des

•  théories de probabilités et ses mesures : moyennes a posteriori, médianes, variances, corrélations, écarts-type, espérance, moments, comportement de sommes, probabilités de dépassement de seuil critique, régions de confiance, marginalisations
•  statistiques qui fournissent les méthodes pour caractériser les lois de probabilité en résolvant le problème inverse (inférence statistique).

L’efficacité des statistiques et des probabilités, pour construire les PRIOR dont seront extraits les KPI’S des actes merchandising, est conditionné par les quantités et qualités de données d’observation du passé, exploitables avec une granularité très faible et associés à des ensembles liés aux rôles attendus sur les différents comportements d’achat.
Le pré requis Data Mining et l’exploitation libres de données non agrégées et associées à des ensembles non forcement déterminés par avance, nécessite des outils réservés aux grosses structures. Dans la distribution, les enseignes multi-magasins qu’elles soient succursalistes, groupées ou franchisées sont donc favorisées.

La restriction des plans d’analyse autour des modèles de probabilité potentiellement analysables :
Parti d’un Data Mining rassemblant ¼ de milliard de données relatant des opérations de distribution corrélées entre elles ( hors des domaines, alimentaire et bricolage ) et qualifiées, il a été possible d’établir une première cartographie des ‘PRIOR’, ces modèles de probabilité, issus d’hypothèses restrictives, qui s’avèrent potentiellement analysables.
Trois  (3) secteurs d’activité de consommation, quatre (4)  pays de la zone Euro, dix (10) concepts d’enseigne, trois cent (300) centres commerciaux et zone commerciales de centre-ville, plus de huit cent (800) points de vente, deux cent mille (200 000) produits (+ tailles et couleurs) avec les assemblages exposés dans soixante-dix mille linéaires, vitrines, portant, bergerie, cases, plateaux, tables… huit millions (8 000 000 )de clients qualifiés, et plus de deux cent quarante Millions (240 000 000 ) d’actes merchandising traçant où ?, quoi ?, quand ?, comment ?, qui ? ont permis de commencer à étudier grâce à l’historisation de l’identification unique ( type traces RFID ) la mesure des probabilités, d’encadrer des observations statistiques et de donner à l’analyse qualitative du merchandising, le complément quantitatif exploitable à travers des modèles de récurrence.

A partir de telles données, les modèles de probabilités sont potentiellement nombreux car ils s’appuient sur des variations qui vont du pouvoir d’attraction de l’enseigne, à la disponibilité du personnel d’accompagnement de la vente. Les plans d’analyse, correspondant aux différents stimuli merchandising, ont pour certains permis d’extraire, une structure probabiliste raisonnablement simple.
Faute de pouvoir exposer dans un blog tous les ensembles vectoriels résultant des actions merchandising, un résumé des travaux autour de l’influence des binômes assemblage / mode de présentation sur le comportement de consommation dans l’espace de vente, constitue une base explicative solide.
Le binôme assemblage / mode de présentation reste la variable d’attractivité la plus facile à modifier régulièrement (avec le merchandising d’accompagnement dans une offre de produits/services pour lequel nous vendons les outils d’usage de notre savoir-faire). La FNAC (Magasins Réunis Décembre 2011) ou Nature et Découvertes viennent ainsi de changer assemblages et politique de présentation, y reporter les plans vectoriels de l’analyse quantitative peut pour chacun être un jeu.

La structuration du category management aurait permis de faire éclore, des plans de masse types, d’organisation des surfaces de la distribution vue par les fabricants de produits. La collaboration distribution –fabrication, qui se limite à la remontée, par les achats de réassort, des ventes massiques, ne peut que donner des idées masses.
Les catégories définissent des univers, qui en alimentaire, vont de la charcuterie au thé et infusions en passant par l’aide culinaire sèche. Le renommage des univers, en catégorie, n’a pas été d’un grand apport, sauf linguistique, n’en déplaise à ceux qui appellent ‘’shoppers’’, des acheteurs et ‘’consommateurs’’ des acheteurs hédonistes. L’interprétation qualitative par les industriels, du comportement du consommateur face à une gamme, est étendue à l’assortiment ! La quasi absence de mesures d’efficacité structurées ( limitées au score card ! ) laisse la distribution toujours sans outil dans cet approche hyper limitée des ambitions d’origine du Category Management qui incluaient le merchandising. La définition proposée par Nielsen (1992) spécifiait que le travail collaboratif de réponse aux besoins/envies du consommateur impliquait la recherche d’une optimisation réalisée au niveau de chaque magasin autour d’une catégorie et non plus seulement d’un produit ( best off ) ou d’une marque.

L’univers constitue le macro-ensemble catégoriel le plus lourd. Dans toute enseigne, même hors GSA, il existe un niveau de largeur appelé univers qui , différencie lourdement l’offre et constitue la base de distribution géographique du magasin : Espace livre ,CD, DVD, … Optique Solaire, Optique de Lecture, Optique de Vue … Bijouterie Or , Bijouterie Fantaisie, Horlogerie… Vins blancs, rouges rosés, pétillants  …  .
Vu par des enseignes d’un même secteur d’activité ; la notion d’univers primaire peut largement diverger surtout en fonction de la volonté de positionnement de l’enseigne. Ainsi la multiplication des corners, shop in the shop, peut à l’instar du département cosmétique des Galeries Lafayette ou Printemps parisiens depuis la fin des années 60, conduire à une organisation par rayon de marque représentative, sans aller jusqu’à la vitrine concédée qui permet de détourner les lois LME.
Les stratégies d’univers donnent la lisibilité générale de l’offre en facilitant le cheminement du client. Mais elles positionnent aussi l’enseigne dans sa stratégie de distribution voir de sa cible de clientèle.

A l’opposé de l’Univers, l’Assemblage constitue l’ensemble catégoriel, le plus restreint, qui donne au prospect dans un espace limité, le sentiment de pleine appréhension de l’offre. Frontière éphémère, qui marque le passage de l’imaginaire au réel, c’est un espace privilégié de la relation au désir face aux objets convoités. Modifier ses assemblages peut suivre une stratégie empirique ou être encadré par des modèles de probabilités.

A quels modèles répondent les binômes assemblage/présentation ?
les variables sont

• AP1 : Largeur de l’offre dans l’assemblage
• AP2 : Profondeur de l’offre

• AP3 : Hauteur de l’offre ( scalabilité sur l’échelle de prix absolue  ) 
  • AP4 : Mixité des rôles sur la matrice
  • 
  • AP5 : Densité / lisibilité de l’assemblage
  • 
  • AP6 : Facing de présentation dans l’assemblage
  • 
  • AP6 : Publicisation de l’assemblage, animation sur l’assemblage
  • AP7 : PLV associée à un ou plusieurs produits dans l’assemblage

  Les mesures de l’acte d’achat et de sa qualité :

  • AA1 : Besoin ( conditionné par Besoin ), Envie
  • AA2 : Oblatif – Hedoniste
  • AA3 : Client fidèle – Nouveau client
  • AA4 : Vitesse et taux de retour de l’acheteur identifié
  • AA5 : Valeur de l’achat vs prix moyen de l’assemblage
  • AA6 : Valeur de l’achat vs achat moyen du même client

  Dans le cadre du travail merchandising pour assortir au mieux son offre produit, la profondeur (nombre de références couvrant un même segment de marché) de l’offre est la variable mesurée comme prépondérante dans le ressenti de la qualité du point de vente.

  La préférence des consommateurs pour une offre importante, mais lisible et organisée (facilité à se repérer), est mise en évidence dès 1956 (Baumol et Ide, puis notamment Mc Alister et Pessemier (1982) , Quelch et Kenny (1994)). Qu’il s’agisse, de  s’ouvrir à des préférences instables, de recherche de flexibilité ou encore de goût pour la variété, les consommateurs accordent énormément d’importance au niveau de choix perçu. La manière d’augmenter, le niveau de variété perçu par le consommateur, au sein d’un assortiment a été étudiée (Morales (2005) ; Kahn et Wansink (2004) ; Van Herpen et Pieters (2002)), mais a mis en évidence un effet de seuil : l’excès de variété a un impact négatif sur le comportement immédiat du consommateur.

  L’étude quantitative, que nous avons menée, porte sur des comportements dans des univers de consommation « envie ». Les contraintes, de satisfaction des besoins et de disponibilité de temps, sont donc éliminées de l’étude. La lisibilité et la cohérence des assortiments sont supposées constantes car nous avons étudié l’impact de variations faibles.

   

  La profondeur de l’offre agit sur les dimensions de rêve, d’imaginaire et de plaisir liées aux comportements postmodernes de consommation ou se retrouvent, les besoins d’éclectisme (Hetzel, 1996), l’esthétisation de la consommation (Godey, 1998), le partage des sensations, émotions, significations (tribalité), et la volonté de se différencier. Le consommateur hédoniste s’écarte du modèle de l’agent rationnel de Pareto, pour entrer dans un comportement passionnel voir impulsif. L’acheteur oblatif, tout aussi conditionné par les comportements postmodernes, construit plus son plaisir dans un cadre budgétaire strict. Chez les uns la profondeur sera complétée par la hauteur (échelle des prix), chez les autres la profondeur sera mixée avec la largeur, pour constituer le niveau de choix perçu.

  Macro-economiquement en appliquant Pareto, 80% des ventes serait généré par 20% de l’assortiment. Ce serait le prétexte, syllogisme, à réduire la profondeur de l’offre  ; c’est une démarche qui poussée aboutit au mono produit qui représentera forcement 100% des ventes ; c’est souvent une déviation des études sur les best off, qui conduit à ne garder que les leaders. Rendre l’achat attrayant en mettant en scène une offre produit avec ses arguments, ceux de Trujillo d’une part et ceux qui satisfont aux comportements post modernes d’autre part, reste un des objectifs du merchandising d’assortiment.

  Les données, extraites de cas réels, les acheteurs ayant été libres de modifier leur offre, sont exprimées en profondeur dans un même segment de marché, autour d’un intervalle de prix de vente ( étude menée dans la distribution spécialisée ). L’ajustement doit répondre à un objectif simple : optimiser le rendement de la surface de vente tout en gardant la satisfaction identique du client.
  Nous avons donc pris des segments de marché sur lesquels les acheteurs fidèles sont revenus avec la même fréquence pour acheter à nouveau ( critère quantitatif de satisfaction identique ). Il convenait également que les segments connexes dans la hauteur ( variable encadrement de prix ), n’aient pas trop varié.

  Les données sur 12 cas type sont les suivantes :

  

  Ces ensembles de données démontrent, qu’il existe des évolutions répondant à des lois comportementales, lorsque l’on cherche la meilleure adéquation,dans chaque segment de la largeur de l’offre, entre surface consacrée et profondeur de l’offre ( mesurée dans sa diversité et la lisibilité de cette diversité).

  A vos extractions…