Galeries Lafayette s’est doté d’une solution intelligente et automatisée pour mesurer l’impact d’une promotion et proposer le bon taux de démarque en choisissant les meilleurs scénarios.
Dans le retail, le merchandising planning, l’art de prévoir, d’acheter, de présenter et de vendre les bons produits, au bon moment, au bon endroit et surtout au bon prix est un levier essentiel de rentabilité. Mais la tâche est complexe, en particulier dans les grands magasins comme les Galeries Lafayette qui travaillent avec énormément de fournisseurs, ont des modèles de vente multiples et commercialisent des milliers de références. Au total, l’enseigne gère ainsi plus de 36000 références tailles-coloris en achat ferme sans compter celles qui sont opérées par les fournisseurs eux-mêmes. Cela représente près de 850 marques de tous les univers. Et quand viennent les périodes des soldes, le métier du merchandising planner – qui doit aussi planifier la stratégie de décote, dans le but d’atteindre les objectifs des ventes et de rentabilité de la société – se complique encore un peu plus. «Quand on a des soldes à préparer, il faut que l’on détermine les taux de démarques sur quatre étapes, à commencer par les avant-premières. La plupart des retailers se reposent sur Excel et ce n’est ni très précis ni très réactif. Cela prend un temps fou. Il n’y pas moyen de le piloter ni d’avoir le niveau de consolidation», explique Olivier Josso, directeur du programme ERP aux Galeries Lafayette. Pour mieux piloter ses démarques de façon automatisée et en imaginant différents scénarios, l’enseigne a mis en place une solution avec Alphalyr et déployé sa solution «Revenue Studio».
Une solution co-construite et adaptée aux besoins de l’enseigne
L’enseigne a commencé par faire appel au cabinet de conseil en stratégie et spécialiste de l’intelligence des données et de l’IA Veltys, qui a depuis rejoint le groupe Kéa. «Ils ont développé pour nous des algorithmes de machine learning et nous ont aidés à atteindre des niveaux de démarques pertinents». Mais les données servaient toujours à alimenter les fichiers Excel et l’enseigne avait peu de capacité d’interaction et devait les solliciter régulièrement pour de nouvelles simulations. C’est par l‘intermédiaire de Plug an Play, incubateur dont Les Galeries Lafayette ont été partenaires pendant quelques années, que Olivier Josso rencontre alors Bertrand Fredenucci, cofondateur d’Alphalyr. «Alphalyr développait une interface de remontées d’informations depuis les magasins. Je les ai fait rencontrer Veltys et ils ont co-construit une solution adaptée à nos besoins. Nous avons récupéré une partie des algos, restons propriétaires du code et alimentons Revenue Studio qui nous vend un service avec notamment ses capacités de restitution», raconte Olivier Josso.
L’outil va ainsi aider l’enseigne à gérer de façon optimale et automatisée les démarques, en pilotant différents scénarios. «Le gros avantage de la solution c’est l’optimisation sous contrainte. Nous pouvons faire varier les contraintes : générer de la marge, ou privilégier l’écoulement de stocks… Nous pouvons définir autant de scénarios que l’on veut, les faire valider par la direction financière et aligner l’ensemble des équipes sur ces objectifs opérationnels, avec les prix affichés dans les magasins pour les atteindre pendant les soldes.»
L’importance des données structurées
L’une des clés du succès sur ce sujet de l’intelligence prédictive et des algorithmes de machine learning est de s’appuyer sur des données structurées. Ce qui n’est pas toujours facile pour l’enseigne de grands magasins qui travaille avec des fournisseurs de taille très différentes, des petits créateurs aux grosses multinationales. «Agréger la donnée et la faire rentrer dans nos systèmes demande un véritable effort. Nous avons profité de la mise en place du PIM pour structurer cette data. Et nous l’alimentons avec toutes les données de vente de stock au quotidien dans chaque magasin.» La solution est alimentée par celles issues du PIM de Stibo System et les données transactionnelles extraites de l’ERP Oracle Retail dont la migration est bientôt terminée. «Toutes les donnés dont celles du CRM se déversent dans notre datalake Google Cloud Platform.»
Les catégories de produits concernées par ces calculs de taux de démarques automatisés sont les articles saisonniers et ceux qui sont achetés en ferme et sous conditions, et non ceux qui font partie du modèle commission à la vente, pour lequel les prix sont fixés par les marques, qui restent aussi propriétaires des stocks. «Les permanents sont représentés par la bagagerie, un peu de maison et la beauté pour laquelle nous privilégions les animations commerciales plutôt que les soldes», précise Olivier Josso.
Désormais pour appliquer ces taux de démarques, les merchandising planner n’ont plus besoin de créer leur propre fichier Excel en extrayant les données de la base pour pouvoir les calculer de manière plus ou moins scientifique. C’est l’outil qui s’en charge. «L’avantage c’est aussi de disposer de données fraîches. C’est important en période de solde car les choses vont très très vite. Nous travaillons à un niveau modèle coloris, définissons des objectifs au niveau famille et sommes capables de délivrer le taux de baisse de prix aux magasins à J moins un. Côté financier, nous avons fait des simulations et pouvons gager une dizaine de pourcent de marge sur des scénarios à écoulement constants».
Gagner la confiance des utilisateurs
Le succès repose aussi sur cet art de convaincre les utilisateurs habitués à travailler sur Excel depuis des années. «Certains merchandising planeurs se demandaient pourquoi une machine ferait mieux qu’eux avec leur 15 ans de métier. Ils ont aussi peur que la machine les remplace. Il faut leur donner la possibilité d’expérimenter, de tester et de modifier eux-mêmes les données produites par l’outil. Ensuite on regarde globalement ce qui performe le plus. Si la machine se trompe de temps en temps, elle le fait moins souvent que l’utilisateur et va beaucoup plus vite. Cela lui permet de travailler sur autre chose.» Pour qu’ils s’approprient facilement la solution, il est également important de travailler sur l’interface utilisateur ou UX. «Au départ nous avions cette solution avec Veltys qui produisait des fichiers qui étaient retravaillés sous Excel et ce n’était pas très simple. Quand nous sommes passés sur une solution plus user-friendly sur laquelle l’utilisateur peut travailler lui-même et obtenir une vision consolidée de tous les niveaux de baisse de prix et tous les scénarios, nous avons gagné sa confiance». L’enseigne a par ailleurs mis en place les «cafés de l’IA» pour informer ses équipes et a dédié une personne chargée de la veille sur les solutions utilisées dans le groupe (en particulier Gemini de Google).
Olivier Josso souhaite pour sa part avancer sur d’autres sujets après les dernières phases d’implémentations de l’ERP prévues en juillet prochain. «Nous devons travailler sur les achats, acheter mieux et plus «smart». Il s’agit de mieux structurer l’offre avec les variables de quantité, de styles etc, en prenant en compte les produits complémentaires et ceux qui vont en cannibaliser certains. » Là encore le travail est complexe car les stratégies d’achats sont assez cloisonnées. «Il faut disposer d’un outil qui puisse contrôler, piloter les achats de manière optimale et globale et maintenir un bon niveau de marge en fin de saison», estime Olivier Josso. Il s’agit aussi d’allouer les stocks au bon endroit, dans les magasins qui ont les plus gros potentiels pour les vendre. Une mission d’équilibriste parfois difficile à gérer pour les merchandisers qui gèrent plusieurs milliers de modèles-coloris pour l’approvisionnement de plus de 50 magasins.
Je souhaite lire les prochains articles des Clés du Digital, JE M’INSCRIS A LA NEWSLETTER
Laisser un commentaire