- Perspectives
Modèles, anomalies et actions ciblées : la puissance des données EPOS
- Temps de lecture : 7 min
- 14 novembre 2024
Les entreprises PGC sont soumises à une pression toujours plus forte pour obtenir de meilleurs résultats. D’un côté, les volumes et le chiffre d’affaires doivent continuer à croître, de l’autre, les marges de hausse des prix sont limitées en raison des fortes augmentations enregistrées ces dernières années. De plus, les coûts doivent être surveillés de près, car les marges restent sous pression. Le message pour les forces de vente terrain est clair : vendre plus, visiter plus de point de vente, collecter plus de données, le tout à des coûts identiques ou inférieurs. Pour y parvenir, une chose est essentielle : l’efficacité au sein de l’organisation commerciale.
L’approche traditionnelle de nombreuses organisations de forces de vente terrain ne suffit plus. Les parcs de magasin fixes, les horaires de visite et les itinéraires des équipes terrain créent une stratégie de contact rigide qui laisse peu de place à la flexibilité. Grâce à la disponibilité des données, des choix beaucoup plus judicieux peuvent désormais être faits. Les données de vente, fournies directement par le détaillant au niveau du magasin, constituent une source inestimable à cet égard. Ces données, si elles sont correctement traitées, aident à répondre à la question : où pouvons-nous actuellement apporter le plus de valeur ajoutée grâce à une visite ?
La puissance des données EPOS
En tant que fabricant, vous pouvez accéder aux données de vente via les retailers. Selon les accords définis, ces données sont disponibles au niveau du magasin pour vos produits ou pour l'ensemble de la catégorie. Les données de vente en magasin sont également appelées données EPOS ou données de vente.
L’attention portée aux données en général a également augmenté. En plus de mesurer vos résultats de vente, il devrait y avoir plus à faire, n’est-ce pas ? Et la réponse est, bien sûr, oui, beaucoup !
Suivi des modèles, identification des anomalies
Inspirés par les modèles de données du secteur financier (banque/détection de fraude), nous avons commencé à appliquer ces modèles aux données EPOS il y a quatre ans, en collaboration avec un des principaux fabricants PGC. Bien que la complexité des coulisses soit importante, le concept lui-même est facile à expliquer.
Les magasins présentant des tendances de vente identiques ou très similaires sont fusionnés (regroupés) et suivis au fil du temps. Si un écart se produit dans l'un de ces magasins par rapport au groupe, cela fournit une raison de visiter ce magasin et de déterminer la cause de l'écart. Le modèle de données développé est enrichi de ces connaissances. En procédant ainsi sur une période plus longue, nous validons le modèle de données, et il devient si intelligent qu'il peut même éventuellement offrir une valeur prédictive.
Dans ce contexte, les écarts sont traduits en valeur financière. Un concept bien connu est la valeur des ventes perdues (quel chiffre d'affaires perdez-vous ?). En d'autres termes, cette façon de travailler avec les données ne vous indique pas seulement où intervenir, mais aussi combien vous pouvez en tirer. En fonction de ce que le modèle de données détecte, une décision est prise sur le type d'intervention nécessaire et sur la personne à qui elle doit être envoyée. Il peut s'agir d'un membre de votre équipe de vente sur le terrain ou, en cas de problème plus structurel, d'une intervention au siège social (via KAM).
Données EPOS – un exemple
Une application intéressante des modèles de données basés sur les données EPOS est l'amélioration de la disponibilité en rayon (OSA). Supposons que vous soyez fournisseur d'un détaillant possédant 600 magasins et que vous ayez accès aux données de vente de ce détaillant au niveau du magasin.
Avec une modélisation appropriée des données de vente, les magasins présentant des modèles de vente similaires sont suivis au fil du temps. Il arrive parfois que, pendant un certain nombre de jours, les ventes de vos produits diminuent dans l'un de ces magasins. Si cela s'applique à tous les magasins du groupe, il est probable qu'il y ait une tendance normale (elle correspond au modèle). Cependant, si le magasin en question s'écarte considérablement des autres, cela mérite d'être pris en compte. Étant donné que le modèle est alimenté par des causes potentielles et connaît également les modèles de vente normaux, un résultat très concret peut être : « Dans ce magasin, les références XYZ n'ont pas été vendues depuis deux jours, bien qu'elles soient en distribution. Le chiffre d'affaires quotidien perdu qui en résulte s'élève à XXX €.
Votre équipe terrain suit immédiatement ce signal et constate sur place que les étiquettes des produits concernés ne sont plus présentes sur les étagères. Par conséquent, aucune commande n'est passée pour ces produits et l'étagère reste vide. Immédiatement après cette intervention, la commande peut encore être passée et les ventes recommencent. Votre équipe terrain peut donc effectuer des interventions très ciblées avec un retour presque garanti. Dans les programmes que nous gérons actuellement, cette probabilité est de 80 % !
Causes similaires
Ces dernières années, nous avons beaucoup appris sur ce que les données de vente peuvent apporter à votre entreprise. En prenant l'exemple mentionné ci-dessus, où l'objectif est d'augmenter la disponibilité des rayons, nous constatons que les causes des ruptures de stock sont souvent similaires. Ce qui se passe souvent est exactement comme décrit dans l'exemple : un produit est en rupture de stock et le magasin décide de placer « temporairement » un autre produit à cet endroit pour utiliser l'espace. L'ancienne étiquette de rayon est retirée sans que la commande ne soit passée au préalable. Un autre exemple est ce que l'on appelle le « stock fantôme ». Les catégories sujettes au vol sont souvent concernées par ce problème. En cas de vol, les systèmes du détaillant peuvent indiquer qu'il y a encore suffisamment de stock alors qu'en fait, ce n'est pas le cas, car des produits ont été volés. Les démarques qui ne sont pas correctement traitées dans les systèmes conduisent également à cette situation.
Des magasins toujours différents
Si seulement les magasins ayant besoin d'attention étaient toujours les mêmes. Cela faciliterait la mise en place de votre organisation sur le terrain. Malheureusement, c'est l'inverse. Nous voyons clairement que le besoin d'attention varie énormément. Et cela représente un défi important pour les équipes sur le terrain ; elles doivent s'écarter des itinéraires prévus pour effectuer les interventions nécessaires. Cela nécessite une grande flexibilité dans votre organisation sur le terrain. Le recours à un partenaire de crowdsourcing est une bonne option, contactez-nous pour plus d'informations !
Vous souhaitez en savoir plus sur la manière dont les données EPOS peuvent améliorer les ventes sur le terrain ?
Contactez-nous pour explorer les possibilités!