Planification des promotions dans le commerce de détail - Défis d'optimisation

Joannes Vermorel

Jusqu’à présent, nous avons abordé les défis liés aux données et les défis liés au processus dans le contexte des prévisions promotionnelles. Dans cet article, le dernier de la série, nous abordons 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 promotion et mesurer leur performance quantitative est d’une importance critique et pourtant généralement (presque) complètement négligé.

Comme le dit le vieil adage, il n’y a pas d’optimisation sans mesure. Mais, dans le cas des promotions, que mesurez-vous réellement ?

Quantifier la performance des promotions

Les statistiques prédictives les plus avancées restent plutôt “bêtes” dans le sens où elles ne sont rien d’autre que la minimisation d’une fonction mathématique “d’erreur”. Par conséquent, si la fonction d’erreur n’est pas profondément alignée avec l’activité, il n’y a aucune possibilité d’amélioration, car la mesure de l’amélioration elle-même est fausse.

Il n’est pas important de pouvoir aller plus vite tant que vous ne savez même pas si vous allez dans la bonne direction.

En ce qui concerne les promotions, ce ne sont pas seulement les forces économiques habituelles liées aux stocks :

• les coûts de stock de l’argent ; cependant, par rapport à un stock permanent, cela peut coûter plus d’argent si les produits ne sont pas habituellement vendus dans le magasin, car tout ce qui reste après la fin de la promotion encombrera les étagères.
• les promotions sont une opportunité d’augmenter votre part de marché, mais généralement au détriment de la marge du détaillant ; un facteur clé de rentabilité est la “collanté” de l’impulsion donnée aux clients.
• les promotions sont “négociées” plutôt que simplement “planifiées” ; une meilleure négociation avec le fournisseur peut générer 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. Pourtant, sans responsabilité quantitative, il n’est pas clair si une promotion donnée crée une valeur quelconque, et si c’est le cas, ce qui peut être amélioré pour la prochaine fois.

Une évaluation quantitative nécessite une mesure quelque peu “holistique”, commençant par la négociation avec le fournisseur et se terminant par les conséquences lointaines d’une allocation de stock imparfaite au niveau du magasin.

Vers une analyse des risques avec des quantiles

Les mesures holistiques, bien qu’elles soient souhaitables, sont généralement hors de portée pour la plupart des organisations de vente au détail qui s’appuient sur des prévisions “médianes” pour établir 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”, reste l’archétype de la métrique strictement agnostique de toutes les forces économiques présentes.

Mais comment l’amélioration de la MAE pourrait-elle être fausse ? Comme d’habitude, les statistiques sont trompeuses. Prenons un article en promotion relativement erratique qui doit être vendu dans 100 magasins. On suppose que les magasins sont similaires et que l’article a 1/3 de chances de faire face à une demande de 6 unités et 2/3 de chances de faire face à une demande nulle. 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 problématique. Cet exemple illustre comment la MAE peut ne pas correspondre du tout aux forces économiques. Les MSE montrent des dysfonctionnements similaires dans d’autres situations. Il n’y a pas de “repas gratuit”, on ne peut pas obtenir une métrique à la fois “ignorante” des affaires et “alignée” sur les affaires.

Les prévisions de quantiles représentent une première étape pour produire des résultats plus raisonnables pour les prévisions de promotion, car il devient possible d’effectuer une analyse des risques, en répondant à des questions telles que :

• Dans les 90% des meilleurs cas, combien de magasins seront en rupture de stock avant la fin de la promotion ?
• Dans les 10% des pires cas, combien de magasins se retrouveront avec plus de 2 mois de stock ?

La conception de la promotion peut être décomposée en une analyse des risques, intégrant les forces économiques, reposant sur des prévisions de quantiles. Du point de vue pratique, la méthode présente l’avantage considérable de préserver une prévision strictement dissociée de l’analyse des risques, ce qui simplifie énormément l’analyse statistique.

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

Bien qu’une analyse quantitative des risques dépasse déjà une simple prévision “médiane”, elle reste 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 de promotion plusieurs fois, en faisant varier les conditions promotionnelles pour refléter les scénarios négociés avec le fournisseur, cependant, une telle utilisation du système de prévision conduirait à un surajustement 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 trouver le meilleur plan promotionnel en tenant compte de la demande prévue, alors la valeur la plus extrême produite par le système est très susceptible d’être un coup statistique.

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

De toute évidence, concevoir un tel système est beaucoup plus compliqué qu’un simple système de prévision de promotion médiane. Cependant, ne pas chercher à mettre en œuvre un tel système dans un réseau de vente au détail important peut être considéré comme un “effet lampadaire”.

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

La technologie “packagée” de Lokad offre un soutien limité pour gérer les promotions, mais c’est un domaine que nous abordons largement avec plusieurs grands détaillants, bien que de manière plus “ad hoc”. N’hésitez pas à nous contacter, nous pouvons vous aider.