Optimisation des campagnes de baisses de prix : recommandations produit validées sur la performance historique

Dans les hypermarchés, les campagnes de baisses de prix mobilisent des budgets importants et sont immédiatement visibles pour les clients. La direction pricing choisit les produits à baisser, au niveau national ou local, à l'issue des négociations fournisseurs ou pour se repositionner face à la concurrence.

Encore faut-il savoir ce qu'une baisse rapporte. Trois effets brouillent la lecture des ventes.

• La saisonnalité. Les ventes d'un produit varient d'une semaine à l'autre, baisse de prix ou non.
• Les promotions. Une opération en cours peut gonfler ou masquer l'effet d'une baisse.
• La cannibalisation. Ce qu'un produit gagne, un produit voisin peut le perdre.

Sans mesure fiable, impossible de dire quelles baisses ont été rentables, ni de choisir les suivantes sur des faits. Le besoin : recommander, produit par produit, de baisser ou non le prix, pour maximiser le retour sur investissement de chaque vague.

Nous avons traité le sujet comme une question de preuve avant d'en faire une question de modèle. Trois principes structurent la démarche.

• Une mesure d'impact commune. Avant de comparer des stratégies, il faut savoir ce qu'une baisse a réellement rapporté. Cette mesure sert d'arbitre à tout le reste.
• Le back-test avant la production. Chaque stratégie de recommandation est rejouée sur les vagues passées et notée avec la même mesure. Seule la meilleure passe en production.
• Une recommandation qui dit son niveau de certitude. Chaque produit reçoit un indice de confiance, pour que l'équipe pricing sache où concentrer ses arbitrages.

• Mesure d'impact. À partir des ventes carte de fidélité, une mesure isole l'effet de chaque baisse de prix en neutralisant la saisonnalité, les promotions et la cannibalisation.
• Banc de test. Plusieurs stratégies de recommandation, dont l'approche par élasticités déjà utilisée en interne, sont rejouées sur les vagues de baisses passées et comparées sur cette mesure.
• Recommandation. La stratégie retenue s'applique aux vagues en cours, avec un indice de confiance par produit.
• Industrialisation. La chaîne tourne sur Google Cloud : pipelines Dataform sur BigQuery, orchestrés par Airflow.

[À COMPLÉTER : composition de l'équipe, durée du projet]

Sur les vagues locales, les recommandations sont désormais appliquées automatiquement. Elles couvrent 24 % du chiffre d'affaires. Plusieurs dizaines de vagues ont déjà été traitées.

L'impact se lit sur l'élasticité : à chaque vague, l'écart d'élasticité moyenne entre produits recommandés et non recommandés est mesuré, ce qui permet à l'équipe pricing d'ajuster ses arbitrages sur des faits.

• Une mesure qui neutralise le bruit. Saisonnalité, promotions et cannibalisation sont isolées pour ne garder que l'effet de la baisse.
• Des stratégies départagées sur l'historique. La recommandation retenue a fait ses preuves sur des vagues réelles avant d'être appliquée.
• Un indice de confiance par produit. L'équipe pricing sait quand suivre la recommandation et quand arbitrer.
• Une chaîne en production. De l'ingestion des ventes à la recommandation, la chaîne tourne sans intervention manuelle.

Ce dispositif répond à quatre situations.

• Vos campagnes de baisses de prix ou de promotions engagent des budgets importants sans mesure fiable de leur rentabilité.
• Vos équipes pricing arbitrent produit par produit, sous contrainte de temps, après les négociations fournisseurs.
• Vous disposez de données de fidélité ou de tickets de caisse sous-exploitées.
• Vous voulez comparer plusieurs approches, dont vos modèles actuels, avant d'en industrialiser une.

Nous partons de vos données de ventes, de vos règles métier et de vos campagnes passées. Les experts qui conçoivent les recommandations les mettent aussi en production et les font évoluer avec vous.