Jusqu’à présent, nous avons abordé les défis liés aux données et les défis liés aux processus dans le contexte des prévisions promotionnelles. Dans cet article, le dernier de la série, nous traitons de la notion même d’optimisation quantitative lorsqu’il s’agit de promotions. En effet, le choix du cadre méthodologique utilisé pour produire les prévisions de promotions et mesurer leur performance quantitative est d’une importance cruciale et pourtant généralement (presque) complètement négligé.

Comme le dit l’adage, il n’y a pas d’optimisation sans mesure. Pourtant, dans le cas des promotions, qu’est-ce que vous mesurez réellement ?

Quantifier la performance des promotions

Les statistiques prédictives les plus avancées restent plutôt stupides dans la mesure où elles ne sont rien d’autre que la minimisation d’une certaine fonction d’erreur mathématique. Par conséquent, si la fonction d’erreur n’est pas en profonde adéquation avec le business, aucune amélioration n’est possible, car la mesure de l’amélioration elle-même est faussée.

Il n’importe peu de pouvoir bouger plus vite tant que vous ne savez même pas si vous allez dans la bonne direction.

En ce qui concerne les promotions, il ne s’agit pas seulement des habituelles forces économiques des stocks :

  • les coûts des stocks coûtent de l’argent ; cependant, comparé aux stocks permanents, cela peut coûter plus d’argent si les marchandises ne sont pas habituellement vendues en magasin, car tout excédent après la fin de la promotion encombrera les rayons.
  • les promotions sont une opportunité d’accroître vos parts de marché, mais généralement au détriment de la marge du détaillant ; un levier clé de rentabilité est l’adhérence de l’impulsion donnée aux clients.
  • les promotions sont négociées plutôt que simplement planifiées ; une meilleure négociation avec le fournisseur peut engendrer plus de profits qu’une meilleure planification.

Toutes ces forces doivent être prises en compte de manière quantitative ; et c’est là que réside la grande difficulté : personne ne veut être responsable quantitativement d’un processus aussi erratique et incertain que les promotions.

Une évaluation quantitative nécessite une mesure quelque peu holistique, débutant par la négociation avec le fournisseur et se terminant par les conséquences de grande portée d’une allocation des stocks imparfaite au niveau du magasin.

Vers l’analyse de risque avec des quantiles

Les mesures holistiques, bien que souhaitables, sont typiquement hors de portée pour la plupart des organisations de commerce de détail qui se fient aux prévisions médianes pour élaborer la planification des promotions. En effet, les prévisions médianes sont implicitement équivalentes à la minimisation de l’erreur absolue moyenne (MAE), qui, sans être fausse, demeure l’archétype de la métrique strictement agnostique de toutes les forces économiques présentes.

Mais comment l’amélioration du MAE pourrait-elle être erronée ? Comme d’habitude, les statistiques sont trompeuses. Prenons l’exemple d’un article promotionnel relativement erratique vendu dans 100 magasins. Les magasins sont supposés être similaires, et l’article a 1/3 de chances de rencontrer une demande de 6 unités, et 2/3 de rencontrer une demande de zéro unité. La meilleure prévision médiane ici est de zéro unité. En effet, 2 unités par magasin ne seraient pas la meilleure prévision médiane, mais la meilleure prévision moyenne, c’est-à-dire la prévision qui minimise l’erreur quadratique moyenne (MSE). De toute évidence, prévoir une demande nulle dans tous les magasins est défectueux. Cet exemple illustre comment le MAE peut gravement être en décalage avec les forces économiques. Le MSE présente des dysfonctionnements similaires dans d’autres situations. Il n’y a pas de repas gratuit, vous ne pouvez pas obtenir une métrique à la fois ignorante du business et alignée avec le business.

Les prévisions par quantiles représentent un premier pas vers l’obtention de résultats plus raisonnables pour les prévisions promotionnelles, car il devient possible de réaliser une analyse de risque, en posant des questions telles que :

  • Dans le meilleur cas des 90% supérieurs, combien de magasins connaîtront une rupture de stock avant la fin de la promotion ?
  • Dans le pire cas des 10% inférieurs, combien de magasins se retrouveront avec plus de 2 mois de stocks ?

La conception de la promotion peut être décomposée en une analyse de risque, intégrant les forces économiques, s’appuyant sur les prévisions par quantiles. D’un point de vue pratique, la méthode présente l’avantage considérable de préserver une prévision strictement découplée de l’analyse de risque, ce qui constitue une simplification immense en ce qui concerne l’analyse statistique.

Associer à la fois l’analyse des prix et de la demande

Bien qu’une analyse de risque quantitative surpasse déjà une simple prévision médiane, elle demeure relativement limitée par conception dans sa capacité à refléter les forces de négociation avec le fournisseur.

En effet, un détaillant pourrait être tenté de régénérer les prévisions promotionnelles à plusieurs reprises, en variant les conditions de promotion pour refléter les scénarios négociés avec le fournisseur, cependant une telle utilisation du système de prévision conduirait à un surapprentissage significatif.

En termes simples, si un système de prévision est utilisé de manière répétée pour rechercher la maximisation d’une fonction construite à partir des prévisions, c’est-à-dire pour trouver le plan promotionnel optimal en tenant compte de la demande prévue, alors la valeur la plus extrême produite par le système est très probablement un hasard statistique.

Ainsi, le processus d’optimisation doit être intégré dans le système, en analysant simultanément à la fois l’élasticité de la demande et les conditions variables du fournisseur, c’est-à-dire que plus l’affaire est importante, plus les conditions offertes par le fournisseur sont favorables.

Évidemment, concevoir un tel système est de loin plus compliqué qu’un simple système de prévision promotionnelle basé sur la médiane. Cependant, ne pas chercher à mettre en œuvre un tel système au sein d’un grand réseau de distribution peut être considéré comme un effet du réverbère.

Un policier voit un ivrogne chercher quelque chose sous un réverbère et lui demande ce qu’il a perdu. Il répond qu’il a perdu ses clés et ils regardent tous les deux sous le réverbère ensemble. Après quelques minutes, le policier demande s’il est sûr de les avoir perdues ici, et l’ivrogne répond que non, qu’il les a perdues dans le parc. Le policier demande alors pourquoi il cherche ici, et l’ivrogne répond: “c’est ici que se trouve la lumière”.

La technologie packagée de Lokad offre un support limité pour gérer les promotions, mais c’est un domaine que nous abordons de manière approfondie avec plusieurs grands détaillants, quoique de façon plus ad hoc. N’hésitez pas à nous contacter, nous pouvons aider.