En finir avec les promotions abusives grâce à l'IA

Il y a encore quinze ans, le mot "solde" ne faisait pas partie du vocabulaire des parfumeries sélectives et les promotions "sèches" (-10%, -15%, ...) en étaient quasiment absentes. Au milieu des années 2000, Marionnaud a offert à ses clients un bon de réduction de -20% pour Noël et, soudain, le secteur s''st emballé : les concurrents ont été obligés de réagir et de surenchérir. Depuis, chaque année l'intensité promotionnelle augmente en parfumerie. Aujourd'hui, il suffit parfois de s'abonner à une newsletter pour recevoir un bon de réduction allant jusqu'à -25%.

Face à la concurrence croissante entre distributeurs et à la montée du e-commerce, cette pratique s'est renforcée et s'est étendue à la quasi-totalité des secteurs d'activité dans le retail. Les réductions paraissent incontournables. L'impact des réductions sur la marge devient cependant insoutenable pour certaines enseignes, amenées parfois à faire une croix sur 25% de leur chiffre d'affaires. Charge à elles donc de résoudre ce dilemme: faut-il préserver la marge au risque de sacrifier le chiffre d'affaires, ou protéger ce dernier au détriment de la marge ?

Un sevrage brutal impossible

Ceux qui se sont risqués à un arrêt trop brutal de la promotion ont rapidement déchanté. L'impact court terme sur le trafic et le chiffre d'affaires est souvent trop difficile à gérer pour un retailer, ce qui l'oblige à relancer rapidement des actions "coup de poing" puissantes pour atteindre les objectifs trimestriels... aux dépends de sa marge. L'analyse des BDD clients des retailers montre cependant systématiquement que les clients n'ont pas tous la même sensibilité aux promotions. Souvent, plus de 50% d'entre eux n'ont pas besoin de promotion pour acheter et restent fidèles lorsque l'intensité promotionnelle est réduite. Leur proposer des réductions fait donc baisser la marge sans forcément générer d'achat additionnel.

De leur côté, les "promophiles" n'ont pas tous besoin du même niveau - ou du même type - de promotion. Les plus accrocs demanderont peut-être -30% avant de se décider, quand d'autres trouveront de telles offres dégradantes pour l'image du produit et seront davantage motivés par un cadeau ou un service gratuit complémentaire.

L'IA et le pouvoir de la promotion sélective

Pour optimiser la marge, l'Intelligence Artificielle et les outils de "marketing automation" permettent de proposer à chaque client la mécanique promotionnelle la plus pertinente, personnalisée en fonction du profil établi. Les marques peuvent ainsi proposer la réduction minimale nécessaire pour encourager à l'achat, voire pas de réduction si le profil n'en nécessite aucune.

Grâce à un modèle de Machine Learning, le comportement d'achat du client, ses réactions aux campagnes, son comportement de navigation sur le site web du retailer et son profil sociodémographique peuvent être convertis en messages personnalisés. Ainsi, chaque client ne recevra que l'offre "dont il a besoin" au bon moment, sans dégrader inutilement la marge et l'image de la marque par des promotions abusives.

Cette approche différenciée présente aussi un second avantage: rendre la stratégie promotionnelle d'un distributeur beaucoup plus difficile à décrypter pour ses concurrents.

Une approche transversale pour éviter les boîtes noires

Simple en apparence, la transition vers une stratégie promotionnelle sélective assistée par l'IA n'est cependant pas si facile. Appâtés par des solutions toutes faites, de nombreux distributeurs se lancent dans l'aventure équipés de véritables "boîtes noires" sans en maîtriser le fonctionnement. Les données injectées, de même que les principes de personnalisation qui en découlent, ne sont pas toujours adaptés au marché ou à la marque. Résultat: les marges peuvent baisser de plusieurs points lors des phases de POC. Sans les clés de leur outil, les équipes marketings et CRM ne sont pas en mesure d'analyser la source des problèmes, ni de tirer des enseignements clairs, et sont donc incapables de corriger le tir.

Pour éviter un tel échec, il est impératif de combiner intelligence humaine et artificielle. Le modèle de Machine Learning doit être le fruit de la collaboration entre les niveaux opérationnels et stratégiques, rassemblant les expertises des équipes marketing, CRM, digitales, retail, IT et data science. Grâce à cette approche à la croisée des expertises, le moteur de personnalisation sera plus performant et bénéficiera de la compréhension opérationnelle indispensable à sa bonne utilisation. En combinant l'ensemble de ces compétences, des pratiques promotionnelles plus rentables, mais aussi plus sélectives, et donc plus responsables, pourront émerger. La personnalisation est la clé de la fidélisation client, elle peut aussi être l'ennemie des promotions déraisonnées et l'alliée incontournable de la marge !