CAS CLIENT GRANDE DISTRIBUTION IA
Découvrez mon parcours dans la résolution d’un problème d’optimisation contrainte multi-objectifs pour parvenir à une réduction de l’assortiment sans perdre de clients et de revenus à l’aide d’algorithmes génétiques et d’apprentissage automatique.
Dans le commerce de détail, la planification de l’assortiment est essentielle. Il s’agit d’équilibrer une gamme diversifiée de produits, du budget au premium, soit axés sur des produits de marque propre, soit sur une niche pour un type spécifique de client. Notre scénario était le premier et notre objectif était d’affiner une offre de produits extrêmement large pour améliorer l’efficacité opérationnelle et l’expérience client.
hypermarché Auchan et diagnostic
Auchan est connu pour sa gigantesque gamme de produits, et lorsque vous entrez dans un hypermarché Auchan, vous êtes assuré de trouver le produit que vous recherchez, compte tenu du grand nombre de références par unité de besoin. Il y a quelques années, cette tendance était un atout majeur, mais aujourd’hui c’est de moins en moins le cas. Avoir trop de produits entraîne une dispersion des ventes, augmente les coûts et peut perturber l’expérience client.
Pour définir cette offre gigantesque, nous avons défini un numéro de référence décomposable en groupes de A1 à A10 pour chaque unité de besoin, que nous appellerons taille de boîte. Chaque magasin pourra se positionner sur une taille de carton par unité de besoin, et selon la taille, il aura accès à une gamme de produits plus ou moins large.
Ces tailles ont été définies par des experts du secteur il y a de nombreuses années et n’ont pas été très souvent remises en question. Voilà où nous intervenons.
Notre projet s’est concentré sur l’optimisation de la taille de l’assortiment pour différents « besoins » tels que les boissons, les produits de première nécessité, les jus… etc. pour maximiser les ventes et la fidélisation des clients. Cela nécessitait une compréhension nuancée de la demande de produits, du comportement des clients et de la marge pour garantir une combinaison de besoins équilibrée et attrayante.
Lorsqu’on parle d’assortiment, l’accent n’est pas mis sur les produits spécifiques mais sur la quantité optimale de « besoins » à satisfaire. L’enjeu est de redéfinir le nombre optimal de produits différents par besoin au sein de l’assortiment pour un niveau de stratification donné. Autrement dit, déterminer la quantité idéale…
5 utilisations de l’IA dans le commerce de détail
1. Prévision de la demande
L’une des applications les plus courantes de l’IA dans le commerce de détail est la prévision de la demande. Comprendre quels clients veulent des produits spécifiques et où ils les veulent est essentiel pour aider les détaillants à gérer la chaîne d’approvisionnement , à optimiser les niveaux de stocks et à éviter les démarques.
La prévision de la demande est suffisamment précieuse pour que Nike ( NKE -6,9 % ) ait acquis une start-up d’IA appelée Celect pour 110 millions de dollars en 2019 afin de l’aider à mieux comprendre la demande des consommateurs en temps réel afin d’avoir les stocks nécessaires au bon endroit.
À mesure que les algorithmes d’IA deviennent plus puissants, de plus en plus d’entreprises sont susceptibles d’adopter la puissance de la prévision de la demande à l’aide d’outils d’intelligence artificielle. De plus, de plus en plus d’entreprises sont susceptibles d’utiliser des outils d’IA pour comprendre leur clientèle.
2. Recommandations
Une autre façon populaire d’appliquer l’intelligence artificielle dans le commerce de détail consiste à recourir aux recommandations.
Par exemple, lorsque vous achetez quelque chose sur Amazon , le site Web vous proposera d’autres choses à acheter. Les recommandations sont basées sur l’historique de vos commandes passées, votre profil utilisateur et d’autres détails que les algorithmes d’IA traitent et combinent pour donner la meilleure réponse.
La plupart des détaillants en ligne utilisent également une forme d’IA de recommandation pour améliorer l’expérience client et vendre davantage de produits aux clients.
Sans les avantages naturels des ventes croisées d’un magasin, le commerce de détail en ligne utilise l’IA pour accomplir des tâches similaires, car les détaillants ne veulent pas manquer une opportunité de vendre un produit ou de recommander un module complémentaire.
3. Technologie sans caisse
Les détaillants expérimentent des moyens d’appeler les clients plus efficacement. Les caisses libre-service sont la technique la plus courante pour automatiser le processus de paiement et éliminer les files d’attente, mais Amazon a évolué dans une direction différente avec sa technologie Just Walk Out.
Ce système basé sur l’IA suit ce que les clients retirent des étagères grâce à une série de caméras au plafond, puis les facture lorsqu’ils sortent de l’un de ses magasins Amazon Go sans avoir besoin de s’arrêter et de payer.
Les clients scannent simplement une application lorsqu’ils entrent, sortent avec les articles qu’ils souhaitent et sont automatiquement facturés.
Amazon a récemment fermé huit de ses magasins Go, signe que la technologie n’est peut-être pas aussi gagnante qu’elle l’espérait. Néanmoins, l’entreprise déploie les systèmes dans ses plus grandes épiceries Amazon Fresh et dans sa filiale Whole Foods. Il s’agit également d’octroyer des licences pour la technologie, ce qui pourrait ouvrir la voie à une nouvelle source de revenus précieuse .
4. Gestion automatisée des stocks
La gestion des stocks est une tâche cruciale pour tout détaillant. Les entreprises doivent s’assurer d’avoir des produits en stock sans avoir trop de stocks, ce qui peut entraîner des coûts de gestion supplémentaires et des démarques.
Walmart, par exemple, utilise les technologies d’IA pour l’aider à mieux gérer ses stocks. Cela inclut la fixation de caméras aux autolaveuses, qui enregistrent les niveaux de stock sur les étagères et envoient les informations à un centre de données alimenté par l’IA , ce qui peut aider l’entreprise à prendre de meilleures décisions concernant son inventaire. Les tours d’intelligence des stocks sont placées au-dessus des autolaveuses et prennent chaque jour plus de 20 millions de photos des marchandises sur les étagères.
Les algorithmes d’IA reçoivent les images et déterminent les marques individuelles sur les étagères et les niveaux de stock avec une précision de plus de 95 %, aidant ainsi Sam’s Club à garantir qu’il peut conserver les articles en stock.
5. Analyse du sentiment des clients
En tant que marques destinées aux consommateurs, la réputation des détaillants auprès du grand public est importante pour leurs perspectives de croissance à long terme. Il est donc logique qu’ils investissent dans les technologies d’IA pour analyser le sentiment des clients.
L’analyse du sentiment des clients signifie utiliser des algorithmes d’IA pour analyser les commentaires des clients, les publications sur les réseaux sociaux et les avis en ligne afin qu’ils puissent mesurer le sentiment des clients, répondre aux plaintes avant qu’elles ne s’aggravent et, de manière générale, identifier les domaines à améliorer.
Anheuser-Busch ( BUD 0,35 % ) n’est pas un détaillant, mais la récente controverse autour de Bud Light montre pourquoi les détaillants investissent du temps et de l’argent dans la gestion de leurs marques et dans la surveillance de leurs comptes de réseaux sociaux.
L’IA peut non seulement aider à surveiller ces comptes, mais elle peut également suggérer des réponses aux plaintes, grâce à l’IA générative, et même y répondre si cela est autorisé.
Attendez-vous à ce que les détaillants s’appuient sur ces outils d’IA pour gérer les relations clients et éteindre les incendies à mesure qu’ils surviennent à l’avenir.
L’IA est-elle l’avenir du commerce de détail ?
L’IA a déjà une influence sur les détaillants, mais elle se fait surtout en coulisses. Même si les outils d’IA générative comme ChatGPT peuvent offrir de nouvelles façons aux détaillants d’interagir avec les clients, l’influence de l’IA dans le commerce de détail semble susceptible de rester dans les coulisses, en particulier pour les acteurs physiques.
Pourtant, l’IA peut aider ces détaillants de nombreuses façons à améliorer leurs activités, notamment par la gestion des stocks, l’optimisation des produits et la prévision de la demande, et nous devrions voir davantage d’exemples d’IA dans les achats en ligne à mesure qu’Amazon expérimente cette technologie.
Si vous cherchez des moyens de vous exposer à l’IA dans le secteur de la vente au détail, vous pouvez considérer les actions ci-dessus. Vous pouvez également consulter cette liste d’ actions IA ou vous tourner vers un ETF IA si vous souhaitez posséder un large éventail d’entreprises utilisant l’intelligence artificielle dans leurs activités.