Dans un environnement de plus en plus concurrentiel et face à la montée en puissance des pure players, nous vous accompagnons sur l’optimisation de vos assortiments et de vos prix en magasins et sur le web, en tenant compte du contexte local de vos points de vente (concurrence, marché, consommateurs). Une fois la stratégie d’optimisation définie, nous vous fournissons une solution de recommandations vous permettant d’ajuster votre offre et vos prix de façon simple en toute autonomie.
Sur l’offre, nous réalisons une clusterisation de vos magasins sur la base d’indicateurs internes et externes, et pour chaque cluster, nous identifions les points de vente ayant le mix d’offre le plus performant. Nous vous proposons un assortiment optimal par magasin en fonction de sa situation locale. Nous mettons à votre disposition une solution user-friendly à base d’intelligence artificielle, permettant de recommander et d’ajuster, tout au long de l’année, l’assortiment produits pour chaque magasin et sur votre site e-commerce, en détaillant les produits à distribuer exclusivement en ligne, exclusivement en magasins ou sur ces deux canaux.
Concernant le pricing, nous étudions votre historique des ventes et les relevés de prix de la concurrence (magasins et e-commerce) pour analyser les écarts de prix par canal pour chaque produit. Nous identifions ceux dont le prix doit se rapprocher au mieux de la concurrence et ceux, moins sensibles, pouvant supporter d’être affichés à un prix supérieur et ainsi préserver la marge. Nous définissons avec vous la stratégie d’optimisation des prix en simulant différentes hypothèses et vous fournissons une solution embarquant du machine learning pour recommander les prix optimaux et simuler l’impact sur vos ventes.
Mots clefs : price optimization, assortment optimization, gestion de l’assortiment, pricing, élasticité prix
Moyens : data science, intelligence artificielle, moteur de recommandation
Segmentation des points de vente par structure de vente et typologie d’implantation des magasins, identification de magasins référents par segment selon le rendement du mètre linéaire, développement d’une application de recommandation d’allocation de mètres linéaire et de budget d’achat par sous-catégorie et produits et par marque.
Collecte des prix des produits concurrents, algorithmique de rapprochement des produits similaires, évaluation de l’élasticité prix par référence en fonction de la pression concurrentielle magasin et web, définition des règles d’évolution des prix selon le niveau d’élasticité, recommandation hebdomadaire d’ajustement du pricing sur la période de Noël, développement d’une application de recommandation des prix pour les price managers.