De plus en plus, nous achetons en ligne sur des sites d’e-commerce. Nous achetons des produits standards, mais nous avons aussi une tendance grandissante à acheter des produits personnalisés. Nous trouvons plus facilement les produits qui nous correspondent, les produits qui nous différencient des autres, et les produits que nous sommes fiers de posséder et/ ou consommer.
Ce phénomène de personnalisation des produits est rendu possible grâce à la technologie digitale. Le e-commerce permet aux entreprises de présenter un linéaire infini. Les consommateurs digitaux disposent d’outils de configuration très simples d’utilisation pour personnaliser leurs produits. Enfin, le rendu digital du produit personnalisé conforte les consommateurs dans l’idée que le produit final correspond bien à ce qu’ils recherchent. Le développement des produits personnalisés entraîne une prolifération du nombre de produits. Les portefeuilles produits des entreprises se composent aujourd’hui non seulement de produits leaders qui font de gros volumes, mais ils intègrent aussi de plus en plus de produits avec des volumes beaucoup plus faibles qui répondent à l’attente d’un segment de clients particulier. Ainsi, les succès commerciaux d’aujourd’hui ne sont pas nécessairement assurés par des produits à fort volume, ni même des produits qui sont les top 3 ou top 5 de leur catégorie. Ce phénomène de « longue traîne » (long tail) implique des challenges nouveaux pour la supply chain : comment répondre aux besoins de milliers de produits à faibles volumes ? Comment être en mesure de disposer des stocks sur ces produits pour répondre aux commandes, d’autant plus que le consommateur actuel attend tout de tout de suite ? Comment répondre à ces commandes avec une performance (marge, rentabilité) équivalente, ou même meilleure ? Explosion des « me-too » et guerre des prix L’e-commerce engendre un contexte hyperconcurrentiel entre les entreprises en exacerbant la guerre des prix. Par ailleurs, le linéaire infini de l’e-commerce permet une pénétration plus facile des produits « me-too » (produit qui copie le produit leader sur son marché). Dans ce contexte, il devient clé pour les entreprises de maintenir et dynamiser la vente de leurs produits concurrentiels. Pour beaucoup d’entreprises, le levier le plus utilisé reste les promotions, mais elles ne sont pas toutes efficaces et créatrices de valeur. Quelle est la promotion la plus pertinente à chaque contexte ? Quels sont les volumes additionnels qu’une promotion apporte ? Quel est le ROI de chaque promotion en tenant compte des effets de cannibalisation ? Pour échapper à la guerre des prix et des promotions, les entreprises doivent aussi sans cesse innover et lancer de nouveaux produits. Malgré la forte incertitude sur le succès de ces nouveaux produits et les coûts de développement importants associés, les lancements sont un facteur incontournable de croissance du CA. Comment détecter au plus tôt si le nouveau produit sera un succès ou un échec ? Comment apporter l’agilité pour répondre à la demande quand c’est un succès ? Comment arrêter l’hémorragie le plus tôt possible quand c’est un échec afin d’économiser les budgets de lancement, et ainsi pouvoir lancer d’autres produits potentiellement à succès ? Notre réponse aux enjeux de l’ère digitale : l’intelligence artificielle La supply chain a pour vocation et mission de permettre à l’entreprise d’opérer tous les business possibles de façon profitable. Les grands challenges liés à la transformation digitale nécessitent des technologies adaptées, qui ont toutes pour but de répondre à la demande de chaque type de produit de manière plus rentable. Chez FuturMaster, nous concentrons nos efforts de R&D pour développer des solutions spécifiques pour aider nos clients à relever chacun de ces challenges en intégrant notamment les technologies d’Intelligence Artificielle. Améliorer la qualité des prévisions de ventes La R&D FuturMaster investit sur le Demand Planning 4.0 qui change profondément les perspectives du demand planning. Dans ce domaine, nous avançons sur deux démarches distinctes de Machine Learning qui améliorent la qualité des prévisions :- Une démarche qui s’appuie sur l’expertise et les connaissances de nos clients, tirant profit des méthodes de régressions multiples et de la disponibilité des données qui influencent les ventes, telles que la météo ou les « social media sentiment ». Cette approche permet d’avoir des prévisions de vente plus justes et également plus dynamiques en fonction des évolutions des facteurs d’influence.
- Une démarche pure « data driven », « evidence-based », basée sur la disponibilité des masses de données accumulées par l’entreprise ou devenues disponibles sur le marché. Cette méthode démontre son efficacité pour des prévisions à court terme, avec des granularités de plus en plus fines, jusqu’à l’article dans un magasin.