Dans l’environnement hyper-concurrentiel de la grande distribution d’aujourd’hui, la collaboration entre distributeurs et industriels n’est plus une option ou un choix : c’est un véritable catalyseur stratégique, qui peut aider à relever un ensemble varié de défis allant de la rentabilité à la qualité de l’expérience client.
Aussi importante qu’elle puisse être, la collaboration, et plus particulièrement la collaboration centrée sur le client, ne se fait pas toute seule. Pour s’assurer que leurs efforts sont couronnés de succès et qu’ils sont menés dans l’intérêt de leurs clients, les distributeurs et les marques doivent avoir accès à des données granulaires au niveau de l’acheteur, qui peuvent les aider à affiner leurs stratégies en se basant sur des informations réelles plutôt que sur des impressions.
La valeur unique des données appartenant aux distributeurs est clairement reconnue par le secteur lui-même. Lorsqu’on leur a demandé de préciser les sources de données qui, selon eux, s’avéreraient les plus utiles à leurs futurs efforts de collaboration, plus des trois quarts (77%) des personnes interrogées dans le cadre d’une étude récente de dunnhumby ont placé les données relatives aux acheteurs dans leur top trois. Si les données de navigation en ligne et les données EPOS (point de vente) syndiquées arrivent en deuxième et troisième position, elles bénéficient d’un soutien nettement moindre en comparaison (53% et 48% respectivement).
Aussi réjouissant que cela puisse être pour une entreprise qui travaille régulièrement avec ce type de données et qui peut témoigner de son impact transformateur, nous voyons ici aussi quelques raisons de s’alarmer. Même si l’importance des données appartenant aux distributeurs est évidente, il y a une différence entre apprécier leur valeur et être réellement capable de les collecter ou de les examiner.
Pour passer de la connaissance à l’action et mettre leurs données au service du client, les distributeurs doivent travailler en collaboration et en toute transparence avec leurs fournisseurs, en prenant des décisions fondées sur ce qui est bon pour les acheteurs plutôt que sur les seules données relatives aux marges ou aux ventes.
Pourtant, même s’ils le souhaitent, de nombreux distributeurs n’y parviennent pas encore, car ils ne disposent pas des systèmes nécessaires pour collecter les données relatives aux acheteurs et les rendre accessibles de manière à ce qu’elles puissent être utilisées par leurs partenaires CPGs. Cela a des implications significatives du point de vue de la collaboration et renforce l’importance de la mise en œuvre d’une stratégie de données adaptée, capable de soutenir un dialogue constructif entre le distributeur et ses partenaires.
L’importance de comprendre les clients en fonction de leurs comportements d’achat individuels ne peut être sous-estimée lorsqu’il s’agit de planification collaborative. En associant leurs propres données à l’expertise et à l’image de marque de leurs fournisseurs partenaires, les distributeurs peuvent modifier radicalement leur capacité à communiquer avec les consommateurs et à répondre efficacement à leurs besoins.
Pour parvenir à ce type d’harmonisation, il faut toutefois mettre en place les processus et les structures adéquates en matière de données. A savoir :
Le dernier de ces points est particulièrement important. Tant qu’ils y ont accès, les CPGs peuvent compléter les données relatives aux acheteurs par leurs propres informations et enseignements. Cela inclut des sources telles que les données de vente à l’échelle du marché, les données de panel des ménages et d’autres études quantitatives et qualitatives, qui peuvent toutes contribuer à créer des stratégies de marque et de catégorie plus sophistiquées et plus pertinentes pour les acheteurs.
De plus, avec les bons accords en place, les CPGs peuvent effectivement servir d’extension aux équipes de catégorie d’un distributeur – en les aidant à générer des informations contextuelles et pertinentes qui peuvent être fournies dans les rayons. Voyons quelques exemples de la façon dont cela pourrait fonctionner dans la pratique.
Les données d’achat en ligne peuvent être un excellent moyen de comprendre comment les clients achètent différentes catégories et marques, en particulier lorsqu’elles sont complétées par des données hors ligne pour créer une vue omnicanale. Mais ce n’est pas le seul type de données en ligne que les distributeurs peuvent partager avec leurs partenaires CPGs.
Les données de navigation, qui comprennent des informations sur la façon dont les clients naviguent sur un site, sur ce qu’ils recherchent, sur la façon dont ils ajoutent des éléments à leur panier, et plus encore, peuvent également constituer un outil de planification efficace. Bien utilisée, elle peut aider les marques à comprendre comment adapter leur gamme aux acheteurs en ligne et multicanaux, à sécuriser les placements médias dans les zones les plus efficaces d’un site, et de simplifier la découverte des produits.
Si les perturbations extrêmes de l’offre mondiale qui ont résulté de la pandémie sont désormais derrière nous, les stocks restent un enjeu complexe. Pour bien faire, il faut fournir aux CPGs les données dont ils ont besoin pour faire de meilleures projections sur l’approvisionnement, y compris la possibilité de mettre en évidence à l’avance toute pénurie ou tout point de pression.
Bien mené, ce système présente des avantages pour les deux parties. En minimisant le besoin de produits de substitution, les distributeurs ont plus de chances d’augmenter le panier d’achat des cyberconsommateurs, tout en maximisant l’efficacité de leurs opérations de préparation de commandes en ligne. En retour, les CPGs peuvent améliorer leur rentabilité en réduisant le risque de pénalités de retard.
Le danger d’ajouter des produits à une catégorie en se basant uniquement sur les performances de vente ou la contribution à la marge est que les distributeurs peuvent se retrouver avec une gamme de produits en double qui adresse le même ensemble de besoins des acheteurs. En fournissant aux CPGs des données sur les comportements des clients, les distributeurs peuvent susciter des discussions plus informées et plus productives sur leur assortiment.
Cela présente de multiples avantages. Tout d’abord, cela peut aider à hiérarchiser et à dé-prioriser des produits en fonction de leur importance relative pour les clients et de leur performance auprès d’eux. Deuxièmement, cela permet d’éviter que des articles importants pour certains groupes d’acheteurs soient retirés s’ils commencent à ne pas être performants d’un point de vue commercial. Enfin, elle peut fournir les informations nécessaires pour aider les distributeurs à organiser leurs présentoirs en fonction des besoins des consommateurs, afin que ces derniers puissent trouver leurs produits préférés rapidement et facilement.
Aussi convaincants que soient ces exemples, ils ne sont qu’un petit aperçu d’une opportunité bien plus grande. Et bien que cela puisse demander du travail – et dans certains cas, des investissements – une approche des données prête à la collaboration peut apporter de la valeur à tous les niveaux.
Cookie | 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. |
fs_cid | This cookie is set by FullStory to store the user’s cookie consent preferences for session tracking. |
fs_lua | This cookie is set by FullStory to record the time of the user’s last activity, helping manage session timeouts. |
fs_uid | This cookie is set by FullStory to assign a unique ID to each user and record session replays and interactions. |
osano_consentmanager | This cookie is set by FullStory’s consent management system (Osano) to store the user’s cookie consent preferences and ensure compliance with privacy regulations. |
osano_consentmanager_uuid | This cookie is set by FullStory’s consent management system (Osano) to uniquely identify a user’s consent session for consistent consent tracking. |
vuid | Vimeo installs this cookie to collect tracking information by setting a unique ID to embed videos to the website. |
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. |
_fs_tab_id | This temporary session value is used by FullStory to track user activity across multiple tabs. |
_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 set by Google Analytics to throttle request rates and limit data collection on high-traffic sites. |
_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. |
_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. |
__q_state_* | This cookie is set by FullStory to track session state and user interactions across page views. It helps rebuild session context for accurate session replay and analytics. |
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. |
_gcl_au | Set by Google Tag Manager to store and track conversion events. It is typically associated with Google Ads, but may be set even if no active ad campaigns are running, especially when GTM is configured with default settings. The cookie helps measure the effectiveness of ad clicks in relation to site actions. |