L'un des principaux défis auxquels les marques sont confrontées est la sous-utilisation de l'analyse des données dans l'exécution de la vente au détail. Dans certains cas, il s'agit de ne pas utiliser suffisamment de données, mais le plus souvent, il s'agit d'une faible capacité d'action liée aux données reçues. Alors que les stratégies basées sur les données sont de plus en plus répandues, les marques de produits de grande consommation restent souvent à la traîne des autres secteurs lorsqu'il s'agit d'exploiter le big data pour obtenir des informations basées sur l'action. Cela est dû en grande partie à des sources de données fragmentées provenant de multiples détaillants et canaux, ainsi qu'à des modèles commerciaux traditionnels et à des processus décisionnels plus lents, ce qui entrave leur capacité à adopter des stratégies en temps réel basées sur les données par rapport à des industries plus agiles comme la technologie et le commerce électronique.
Le besoin de données en temps réel sur les étagères
De nombreuses marques continuent de s'appuyer fortement sur des sources de données traditionnelles telles que Nielsen ou IRI pour analyser les tendances des ventes. Cependant, ces sources ne fournissent qu'une partie de l'image. Ce qui manque souvent, ce sont les informations granulaires en temps réel provenant des rayons où les décisions d'achat sont prises. Chez Wiser, cela signifie qu'il faut comprendre le "pourquoi" derrière le "quoi". Prenons un scénario courant : les marques, en particulier celles qui sont présentes sur les marchés émergents ou qui lancent de nouveaux produits et de nouvelles promotions, peuvent comparer l'augmentation des ventes prévue aux résultats réels. Mais lorsque les choses ne se passent pas comme prévu, l'identification de la cause reste un jeu de devinettes. Un présentoir promotionnel a-t-il été installé à côté d'un concurrent ? Ou l'expéditeur a-t-il été jeté à l'arrivée ? Les stocks sont-ils restés dans l'arrière-boutique, sans être ouverts par les employés du magasin (un problème fréquent dans les magasins à un dollar) ? Le produit a-t-il été mal placé par un partenaire de distribution ? En l'absence de données précises, il est difficile de déterminer la cause première d'une sous-performance au niveau du magasin ou de la région.
Prenons l'exemple spécifique de notre client, So Good So You (SGSY ). SGSY a dû faire face à des difficultés pour s'assurer que ses vaccins de bien-être étaient toujours disponibles et correctement commercialisés chez les principaux détaillants. Les problèmes les plus fréquents étaient les retards dans le réapprovisionnement de produits populaires tels que les vaccins immunitaires et énergétiques et les ruptures de stock fréquentes dues à une forte demande ou à des stocks fantômes. Ces problèmes étaient aggravés par le fait que les données sur les ventes ne pouvaient être fournies que tardivement, ce qui rendait difficile une réaction rapide à ces problèmes. Comme l'a fait remarquer le responsable des opérations de vente au détail, "il nous a parfois fallu des semaines avant de nous rendre compte qu'il y avait un problème. Le temps que nous le sachions, nous avions déjà perdu des opportunités [de vente]".
Wiser s'attaque directement à ces défis avec :
- Des réseaux d'acheteurs étendus qui rendent compte de la santé des produits et des rayons dans les régions où il n'y a pas d'équipes de terrain. Il s'agit notamment de capturer des images en magasin, de surveiller l'emplacement des produits et de suivre les niveaux de stock, en reliant plus directement le "quoi" (comme la baisse des ventes) au "pourquoi".
- Des enquêtes à grande échelle auprès des clients pour recueillir des informations sur les préférences des consommateurs, par exemple sur les références à introduire dans des régions spécifiques. Ce retour d'information permet d'étayer les présentations faites aux acheteurs du commerce de détail et d'assurer la réussite des extensions de produits.
- Des ensembles de données intégrés qui normalisent et superposent les données de vente avec les actions en magasin, offrant ainsi une vue d'ensemble des performances des rayons et de l'efficacité des équipes.
- Des outils d'analyse prédictive et de reporting automatisé intégrés dans un flux de travail orienté CPG, permettant aux marques de se concentrer sur l'exécution plutôt que sur la collecte de données.
Soutenues par une plateforme qui unifie toutes les données des magasins et fournit des informations évolutives au niveau des rayons, des marques comme Ferrero et Kellogg peuvent également optimiser l'exécution en magasin en temps réel.
Si vous souhaitez en savoir plus pour en savoir plus sur notre travail dans le domaine des produits de grande consommation et découvrir comment nous pouvons vous aider à stimuler la croissance de vos ventes, n'hésitez pas à à nous contacter.
