CONSEIL EN SIMULATION DE POLITIQUE DE PRIX
Depuis 30 ans, CMV Informatics édite et intègre ses propres solutions digitales spécialisées dans le pricing et la gestion de points de vente, permettant d’accompagner les professionnels du Retail et du e-commerce dans leur prise de décision.
C'est pourquoi, CMV Informatics s'engage auprès de ses clients au-delà de ses solutions et propose en amont d'aider les équipes avec un accompagnement tout au long du projet grâce à notre expertise métier ainsi qu’à notre service client disponible, compétent, et professionnel..
politique
OPTIMISATION DE LA RENTABILITÉ DE VOS OPÉRATIONS PROMOTIONNELLES
La promotion est un levier majeur d’accélération des ventes à disposition des Retailers, dont le chiffre d’affaires sous promotion peut représenter plus de 40% de leur chiffre d’affaires. Activable rapidement avec un effet immédiat, la promotion permet de corriger facilement un positionnement prix qui s’avère trop élevé, de réduire les stocks et d’attirer du trafic en point de vente. C’est cependant un outil à manier avec précaution, le bon niveau de promotion résultant d’un arbitrage fin entre volumes additionnels générés et dégradation du
taux de marge.
La stratégie de promotion des entreprises consiste trop souvent à surpondérer les objectifs de volume, et à augmenter le niveau de décote pour y parvenir, ce qui accentue in fine la réduction des marges et détruit de la valeur. Nous proposons d’exploiter la donnée pour parvenir à une meilleure ventilation des remises, et réussissons ainsi à conserver le même niveau d’écoulement tout en préservant la marge et en baissant moins les prix.
L’idée est simple : pour déterminer le taux de démarque de chaque produit de manière optimale, il faut réussir à prédire la performance des produits en fonction des taux de remises. Notre démarche s’appuie sur l’analyse économétrique de la demande qui permet d’estimer finement et sans biais l’élasticité à la promotion et donc d’en déduire les niveaux optimaux de remise. Les entreprises disposent aujourd’hui de nombreuses données et des connaissances métier pour se lancer dans une telle aventure. Ce sont souvent les compétences techniques qui manquent ; nous les apportons et travaillons en collaboration étroite avec nos clients afin que les équipes opérationnelles s’approprient les recommandations issues du modèle.
OPTIMISATION DE LA RENTABILITÉ
DES DÉRÉFÉRENCÉS
L’écoulement des déréférencés est un sujet récurrent pour les Retailers qui doivent arbitrer entre la valeur qu’ils peuvent générer sur ces produits et les coûts associés au risque de stock résiduel.
Plusieurs leviers sont à disposition des entreprises pour accélérer l’écoulement des déréférencés, notamment le prix et la promotion. Néanmoins, sans pilotage fin et si le format n’est pas adapté, ces derniers ne garantissent pas l’écoulement complet des stocks résiduels et il existe un risque d’avoir remisé plus que nécessaire la partie du stock effectivement vendue. Nous proposons d’utiliser la donnée
et les modèles de demande pour identifier le positionnement prix et le niveau de promotion les plus efficaces et les moins destructeurs de valeur.
En analysant les données de ventes passées et les différents types de promotions appliquées, il est possible d’identifier la politique la plus efficace, d’estimer son impact sur l’écoulement des déréférencés et de projeter les ventes associées des différents produits. Il est ainsi possible de répondre aux objectifs de nos clients.
SEGMENTATION DU PARC DE POINTS DE VENTE EN BASSINS DE PRIX HOMOGÈNES
Pour appliquer efficacement leur stratégie prix, il est nécessaire que les Retailers adaptent le plus finement possible leur positionnement tarifaire aux spécificités locales de leurs points de vente. Un positionnement prix visant à renforcer les parts de marché n’est pas le même pour un point de vente implanté dans une zone très concurrentielle ou pour un point de vente en monopole local.
Plusieurs critères associés à l’implantation d’un magasin ont un impact sur sa clientèle : sa zone de chalandise et sa capacité à attirer des clients dans un rayon assez large, le
niveau de vie moyen de ses clients, l’intensité concurrentielle...Toutes ces dimensions affectent, avec des intensités diverses, les performances des magasins et donc leur positionnement prix optimal. Les entreprises classent parfois leurs magasins de manière ad hoc, sur un faible nombre de critères déterminés.
Cela comporte plusieurs risques. La classification peut être figée dans le temps, ne pas évoluer suffisamment vite et ne plus refléter, in fine, les évolutions du marché local. La classification peut ne pas être optimale, le classement étant effectué sur des critères secondaires, en raison de biais de perception des équipes opérationnelles. Il peut y avoir des effets de bord dus à l’application de seuils arbitraires.
L’analyse des données et l’utilisation d’outil d’intelligence artificielle permettent de répondre à ces problèmes et de segmenter de manière simple les magasins sur la base de leurs performances observées. Les algorithmes de clustering permettent en effet d’analyser simultanément un grand nombre de critères potentiels et de ne retenir que les plus pertinents. Ils offrent ainsi la possibilité de segmenter de manière optimale les magasins selon ces critères. Les méthodes permettent également de tenir compte de paramètres définis par l’utilisateur et des contraintes opérationnelles, comme par exemple le nombre cible de segments que le client souhaitera piloter.
