Data Driven Retailing

Le cas du Next Best Offer

Qui sommes-nous ?

Julien LEMAITRE

Conseiller en valorisation de données

Corentin CORDIER

Conseiller en Intelligence d’Affaires

Agenda

1. Introduction : Les cinq tendances qui révolutionnent le retail

2. Le NBO : Principe et bénéfices

3. Le NBO : Implémentation et recommandations

1. IntroductionLes cinq tendances qui révolutionnent le secteur du Retail

1. Toujours plus de données

IDC, estime que le volume de donnés dans le secteur du Retaildouble tous les 2 ans

2. Des investissements croissants …

En 2014, 82% des acteurs souhaitaient augmenter leur budget TI

Parmi les priorités :

Intégration multi canal BI en magasin Mobile

… notamment en magasin

Taux de conversion jusqu’à 20 fois supérieur (vs online)

Smart Retail IOT

3. Focus sur la profitabilité

Identifier, segmenter et conserver les clients profitables …

… versus en acquérir de nouveaux

4. Ultra personnalisation

Changement de paradigme : de l’Outbound à l’Inbound temps réel

5. Expérience client Multi Canal …

… implique une unification

Magasins et eCommerce ni exclusifs, ni rivaux - complémentairesShowrooming (50% des ventes en magasins impactées)

Webrooming (80% des gens consultent internet)

Enjeu : expérience d’achat unifiéeConversion (+40%)

Valeur du panier (+22%)

Loyauté

… la convergence des métriques

« Google Analytics » pour les vraies boutiques

… et l’apparition du digital in store

Digital in store : utiliser les outils digitaux pour renforcer l'expérience client et améliorer le taux de conversion en magasin

2. Next Best OfferPrincipe et bénéfices

Recherche d’un produit

Offres personnalisées

Conseils

1. Amazon, le pionnier du NBO

2. Principe (1/2)

Recommandations à partir de plusieurs paramètres

Profil du client

Contexte d’achat

Caractéristiquesdu produit

2. Principe (2/2)

Diminution du ”churn”

Proposition de produits ou services en rabais

Augmentation du taux de réponse de la circulaire

Augmentation de la part du portefeuille

(”share-of-wallet”)

Augmentation des ventes en magasin

3. Bénéfices

Offres ciblées

Découverte de produits

Apprécie les recommandations et l’expérience unifiée

Augmentation des ventes

Baisses des coûts de marketing direct

Longue traîne (long-tail)

Fidélité client accrue/baisse du churn

Meilleure connaissance de son business

4. Affinité entre départements

Affinité faible

entre

départements

Affinité forte entre

départements

Livres et médias Animaux

Santé

Bagages et sacs

Fournituresde bureau

Sports et jeux Jeunesse

Bijoux/Montres

Jardin

Vêtements

Chambre et bain

5. Opérationnalisation en magasin

Cas 1. Produits utilitaires, faible friction :

› Beaucoup de références

› Prix faible / Fort volume

› Faible service à la clientèle

Cas 2. Haut de gamme, conseil client :

› Marge élevée

› Focus sur la fidélité et l’attachement à la marque

3. Next Best OfferImplémentation et recommandations

1. Enjeux

Comment je peux vendre plus de produits

à mes clients ?

Je propose le produit “C" à mes clients car il répond

à leur besoin

Je dois proposer le produit "B" à mes clients car il est très profitable

Je dois proposer le produit “A" à mes clients

car il me permet d'atteindre mon objectif

annuel

Je dois proposer le produit “E" à mes clients

car c'est le produit du mois

Je dois proposer le produit “D" à mes clients car il

correspond le mieux à leur historique d'achat et leurs critères démographiques

3

2

1

4

5

2. Implémentation

1. Définir l’objectif

2. Collecter les données

3. Analyser et implémenter

4. Mesurer et améliorer

2.1. Définir l’objectif

Que souhaitez vous réaliser ?

Augmenter les ventes ? (Valeur du panier)

Accroitre la fidélité ?

Augmenter la part du portefeuille ? (Share-of-wallet)

Acquérir de nouveaux clients ?

2.2. Collecter les données

CLIENT

Données socio démo …

PRODUIT

Catégories, attributs …

CONTEXTE

Date, lieu, météo, seul/à

deux …

2.3. Analyser et implémenter

Entrepôt de données

Moteur de recommandations

Moteur de règles et de diffusion

Règle à retenir ?(Alignement stratégique)

Client (Canal, timing …)

2 approches• Collaborative filtering (CF)• Content based-filtering (CBF)

2.4. Mesurer et améliorer

Expérimentez : le NBO n’est pas une science exacte

Mesurez la performance en continu

Etablissez et réutilisez des recettes gagnantes

Ce qui marche pour une compagnie ne marchera peut-être pas pour une autre

3. Recommandations

Définissez un premier objectif

simple

Dotez vous des bons outils

Exploitezvotre potentiel informationnel

Itérer

Questions ?