Assortiment. Gamme de produits. Mix de produits. Quel que soit le terme utilisé, l'objectif est le même: offrir aux clients plus de ce qu'ils désirent. Comme pour bien d'autres aspects de la grande distribution alimentaire, l'assortiment est inévitablement devenu un sujet central dans les discussions sur l'intelligence artificielle (IA). Et cela se comprend aisément.
Aujourd'hui, la gestion de l'assortiment est à la fois complexe et chronophage. Elle exige des distributeurs une connaissance et une maîtrise parfaite de nombreux facteurs : des préférences des consommateurs et de la gestion des stocks aux tendances émergentes et aux stratégies concurrentielles. Les acheteurs n'en sont sans doute pas conscients, mais un travail colossal en coulisses est nécessaire pour placer les bons produits aux bons endroits. Aujourd'hui, cette complexité rend le processus d’assortiment difficile pour les distributeurs, mais l'IA pourrait offrir une solution révolutionnaire dans un avenir proche.
Imaginez un futur où l’assortiment est optimisé par l’IA. Fini les calculs fastidieux. Terminé le besoin d’analyser les variations climatiques ou les nouvelles tendances de consommation, comme l'engouement pour une nouvelle saveur de boisson gazeuse. Dans cet avenir prometteur, la machine prendra en charge toute cette réflexion complexe, laissant aux distributeurs la tâche simplifiée de valider ses recommandations.
Nous n'y sommes pas encore totalement — Comme pour toute innovation en matière d'IA, il existe un écart entre le potentiel théorique et la réalité pratique. Cependant, nous n’en sommes pas non plus à des années-lumière. L'IA joue déjà un rôle crucial dans l'assortiment en aidant les distributeurs à optimiser leurs décisions pour mieux répondre aux attentes des clients. C'est la raison pour laquelle je crois qu'il est temps de mettre de côté les débats sur le potentiel de l'IA et de se concentrer sur son impact actuel.
Indépendamment du format ou de la taille, l'assortiment est un sujet sur lequel chaque distributeur doit se concentrer en ce moment. Pourquoi? Voici les deux raisons principales :
Ces deux objectifs sont plus faciles à énoncer qu'à réaliser. Même la création d'une gamme de produits adaptée localement peut se révéler extrêmement complexe. Pour y parvenir, il faut une compréhension approfondie des comportements d'achat dans une zone spécifique. Il est également nécessaire de pouvoir prédire la performance des produits, même s'ils n'ont jamais été proposés auparavant dans cette région. Enfin, il est crucial de bien connaître le magasin lui-même.
Ce dernier point est particulièrement crucial. Réfléchissez-y : à quoi bon élaborer une gamme de produits parfaitement adaptée à vos clients si cette gamme ne peut pas être correctement disposée sur les étagères ? En plus de comprendre les comportements d'achat, il est également essentiel de connaître les contraintes physiques de chaque magasin : son agencement, les types d'étagères disponibles, la capacité de stockage, etc.
Évidemment, cela concerne un seul magasin. Pour concrétiser cette vision à grande échelle, il vous faudrait le même niveau de connaissance des comportements des clients et des agencements pour chaque point de vente. Ensuite, il serait nécessaire de créer des planogrammes personnalisés pour chacun d'entre eux. Cela représente une quantité de travail considérable.
Comme indiqué dans ce récent article sur l'assortiment localisé, tous ces problèmes sont déjà résolus par dunnhumby Assortment — notre produit phare en matière d'assortiment. Nous appliquons une IA de pointe aux défis de l'assortiment d'aujourd'hui, ce qui nous permet d'obtenir de meilleurs résultats pour nos clients.
Prenons, par exemple, la phase de test que nous avons réalisée dans la catégorie des produits laitiers pour un grand distributeur. Lorsque dunnhumby Assortment a souligné un excès de shakes protéinés dans un magasin particulier, notre première réaction a été de penser à une erreur de données. En réalité, ce magasin était situé au cœur d'une ville étudiante, entre deux salles de sport.
Un gérant de magasin aurait-il pu parvenir à cette conclusion de lui-même ? Étant donné sa connaissance approfondie de la région, c’est fort probable. Cependant, il pourrait ne pas savoir quels produits retirer pour faire de la place à cet excès de stock, ni quels autres articles — souvent issus d'une vaste gamme — du reste du magasin pourraient également être pertinents. Et comment un distributeur pourrait-il coordonner cette opération à travers des centaines de magasins dans une même région ?
Grâce à l'IA intégrée dans nos outils, cette tâche est grandement facilitée et exige beaucoup moins de travail.
Alors que nous explorons les perspectives futures de l'IA, rappelons-nous qu'elle est déjà présente et performante aujourd'hui. Ses capacités actuelles sont déjà impressionnantes. Bien que les gammes dynamiques spécifiques aux magasins puissent sembler futuristes, elles sont en réalité une réalité concrète à l'heure actuelle.
Avec une série de fonctionnalités avancées alimentées par l'IA, telles que la création automatisée de planogrammes, des recommandations d'assortiment intelligentes et des analyses prédictives, dunnhumby Assortment renforce vos équipes et affine vos prises de décision pour mieux répondre aux besoins de vos clients. Demandez une démonstration dès maintenant.
1 Google/Ipsos, Global, Global Retail Study, 2019
2 Prime market: YouTube star Logan Paul’s £2 energy drink listed on eBay for £10k – The Guardian, 28 October 2022
Create customer-centric ranges using AI-powered science
Enable AI-Powered Assortment PlanningCookie | Description |
---|---|
cli_user_preference | The cookie is set by the GDPR Cookie Consent plugin and is used to store the yes/no selection the consent given for cookie usage. It does not store any personal data. |
cookielawinfo-checkbox-advertisement | Set by the GDPR Cookie Consent plugin, this cookie is used to record the user consent for the cookies in the "Advertisement" category . |
cookielawinfo-checkbox-analytics | Set by the GDPR Cookie Consent plugin, this cookie is used to record the user consent for the cookies in the "Analytics" category . |
cookielawinfo-checkbox-necessary | This cookie is set by GDPR Cookie Consent plugin. The cookies is used to store the user consent for the cookies in the category "Necessary". |
CookieLawInfoConsent | The cookie is set by the GDPR Cookie Consent plugin and is used to store the summary of the consent given for cookie usage. It does not store any personal data. |
viewed_cookie_policy | The cookie is set by the GDPR Cookie Consent plugin and is used to store whether or not user has consented to the use of cookies. It does not store any personal data. |
wsaffinity | Set by the dunnhumby website, that allows all subsequent traffic and requests from an initial client session to be passed to the same server in the pool. Session affinity is also referred to as session persistence, server affinity, server persistence, or server sticky. |
Cookie | Description |
---|---|
wordpress_test_cookie | WordPress cookie to read if cookies can be placed, and lasts for the session. |
wp_lang | This cookie is used to remember the language chosen by the user while browsing. |
Cookie | Description |
---|---|
CONSENT | YouTube sets this cookie via embedded youtube-videos and registers anonymous statistical data. |
vuid | Vimeo installs this cookie to collect tracking information by setting a unique ID to embed videos to the website. |
_ga | The _ga cookie, installed by Google Analytics, calculates visitor, session and campaign data and also keeps track of site usage for the site's analytics report. The cookie stores information anonymously and assigns a randomly generated number to recognise unique visitors. |
_gat_gtag_UA_* | This cookie is installed by Google Analytics to store the website's unique user ID. |
_ga_* | Set by Google Analytics to persist session state. |
_gid | Installed by Google Analytics, _gid cookie stores information on how visitors use a website, while also creating an analytics report of the website's performance. Some of the data that are collected include the number of visitors, their source, and the pages they visit anonymously. |
_hjSessionUser_{site_id} | This cookie is set by the provider Hotjar to store a unique user ID for session tracking and analytics purposes. |
_hjSession_{site_id} | This cookie is set by the provider Hotjar to store a unique session ID, enabling session recording and behavior analysis. |
_hp2_id_* | This cookie is set by the provider Hotjar to store a unique visitor identifier for tracking user behavior and session information. |
_hp2_props.* | This cookie is set by the provider Hotjar to store user properties and session information for behavior analysis and insights. |
_hp2_ses_props.* | This cookie is set by the provider Hotjar to store session-specific properties and data for tracking user behavior during a session. |
_lfa | This cookie is set by the provider Leadfeeder to identify the IP address of devices visiting the website, in order to retarget multiple users routing from the same IP address. |
Cookie | Description |
---|---|
aam_uuid | Set by LinkedIn, for ID sync for Adobe Audience Manager. |
AEC | Set by Google, ‘AEC’ cookies ensure that requests within a browsing session are made by the user, and not by other sites. These cookies prevent malicious sites from acting on behalf of a user without that user’s knowledge. |
AMCVS_14215E3D5995C57C0A495C55%40AdobeOrg | Set by LinkedIn, indicates the start of a session for Adobe Experience Cloud. |
AMCV_14215E3D5995C57C0A495C55%40AdobeOrg | Set by LinkedIn, Unique Identifier for Adobe Experience Cloud. |
AnalyticsSyncHistory | Set by LinkedIn, used to store information about the time a sync with the lms_analytics cookie took place for users in the Designated Countries (which LinkedIn determines as European Union (EU), European Economic Area (EEA), and Switzerland). |
bcookie | LinkedIn sets this cookie from LinkedIn share buttons and ad tags to recognise browser ID. |
bscookie | LinkedIn sets this cookie to store performed actions on the website. |
DV | Set by Google, used for the purpose of targeted advertising, to collect information about how visitors use our site. |
ELOQUA | This cookie is set by Eloqua Marketing Automation Tool. It contains a unique identifier to recognise returning visitors and track their visit data across multiple visits and multiple OpenText Websites. This data is logged in pseudonymised form, unless a visitor provides us with their personal data through creating a profile, such as when signing up for events or for downloading information that is not available to the public. |
gpv_pn | Set by LinkedIn, used to retain and fetch previous page visited in Adobe Analytics. |
lang | Session-based cookie, set by LinkedIn, used to set default locale/language. |
lidc | LinkedIn sets the lidc cookie to facilitate data center selection. |
lidc | Set by LinkedIn, used for routing from Share buttons and ad tags. |
li_gc | Set by LinkedIn to store consent of guests regarding the use of cookies for non-essential purposes. |
li_sugr | Set by LinkedIn, used to make a probabilistic match of a user's identity outside the Designated Countries (which LinkedIn determines as European Union (EU), European Economic Area (EEA), and Switzerland). |
lms_analytics | Set by LinkedIn to identify LinkedIn Members in the Designated Countries (which LinkedIn determines as European Union (EU), European Economic Area (EEA), and Switzerland) for analytics. |
NID | Set by Google, registers a unique ID that identifies a returning user’s device. The ID is used for targeted ads. |
OGP / OGPC | Set by Google, cookie enables the functionality of Google Maps. |
OTZ | Set by Google, used to support Google’s advertising services. This cookie is used by Google Analytics to provide an analysis of website visitors in aggregate. |
s_cc | Set by LinkedIn, used to determine if cookies are enabled for Adobe Analytics. |
s_ips | Set by LinkedIn, tracks percent of page viewed. |
s_plt | Set by LinkedIn, this cookie tracks the time that the previous page took to load. |
s_pltp | Set by LinkedIn, this cookie provides page name value (URL) for use by Adobe Analytics. |
s_ppv | Set by LinkedIn, used by Adobe Analytics to retain and fetch what percentage of a page was viewed. |
s_sq | Set by LinkedIn, used to store information about the previous link that was clicked on by the user by Adobe Analytics. |
s_tp | Set by LinkedIn, this cookie measures a visitor’s scroll activity to see how much of a page they view before moving on to another page. |
s_tslv | Set by LinkedIn, used to retain and fetch time since last visit in Adobe Analytics. |
test_cookie | Set by doubleclick.net (part of Google), the purpose of the cookie is to determine if the users' browser supports cookies. |
U | Set by LinkedIn, Browser Identifier for users outside the Designated Countries (which LinkedIn determines as European Union (EU), European Economic Area (EEA), and Switzerland). |
UserMatchHistory | LinkedIn sets this cookie for LinkedIn Ads ID syncing. |
UserMatchHistory | This cookie is used by LinkedIn Ads to help dunnhumby measure advertising performance. More information can be found in their cookie policy. |
VISITOR_INFO1_LIVE | A cookie set by YouTube to measure bandwidth that determines whether the user gets the new or old player interface. |
YSC | YSC cookie is set by YouTube and is used to track the views of embedded videos on YouTube pages. |
yt-remote-connected-devices | YouTube sets this cookie to store the video preferences of the user using embedded YouTube video. |
yt-remote-device-id | YouTube sets this cookie to store the video preferences of the user using embedded YouTube video. |
yt.innertube::nextId | This cookie, set by YouTube, registers a unique ID to store data on what videos from YouTube the user has seen. |
yt.innertube::requests | This cookie, set by YouTube, registers a unique ID to store data on what videos from YouTube the user has seen. |
_gcl_au | Set by Google Analytics, to take information in advert clicks and store it in a 1st party cookie so that conversions can be attributed outside of the landing page. |