par Camille Chin | 30 mars 2020
Même si vous maîtrisez parfaitement Excel, des données commerciales figées sur des centaines de feuilles de calcul ne vous serviront pas en 2020. Pour rester compétitives, les entreprises doivent compléter leurs données de base en temps réel par des technologies d’intelligence artificielle (IA).
L’IA n’est pas un concept nouveau – le terme lui-même a été inventé en 1956 – mais l’avènement des services basés sur le cloud et la puissance informatique en constante évolution ont facilité les façons dont l’IA peut être utilisée par les détaillants. L’IA est déjà utilisée pour l’hyperpersonnalisation, l’identification de modèles et d’anomalies, et la prédiction de comportements et d’échecs. L’amélioration de la précision, de la vitesse et de la réactivité sont d’autres raisons pour lesquelles 60 % des spécialistes du marketing ont l’intention d’accroître leur utilisation de l’IA au cours des 12 prochains mois.
Les informations commerciales de ce type sont inestimables, mais il est également impératif qu’elles soient faciles à comprendre. Notre culture étant largement visuelle, la visualisation des données est essentielle pour explorer les billions de lignes d’informations commerciales générées chaque jour. En plus de tirer parti de notre capacité naturelle à percevoir rapidement les schémas, les diagrammes, les graphiques et les cartes avec des couleurs et des formes rendent les idées facilement visibles pour les gens ordinaires ; lorsque vous pouvez voir les idées, vous pouvez les intérioriser.
Les algorithmes d’apprentissage de l’IA combinés à des visualisations de données permettent d’établir des liens complexes entre les clients, les magasins, les produits et les saisons, mais l’IA a également le potentiel de réinventer les parcours de vente au détail à d’autres égards. Le changement est déjà en cours ; découvrez comment ci-dessous.
H&M : plus de produits pertinents dans chaque magasin
H&M possède près de 5 000 magasins dans le monde et, pendant des années, tous ses sites avaient des marchandises très similaires. Le détaillant de mode rapide a déclaré une perte de profit de 14 % en 2017 et a dû réduire ses prix pour éliminer un énorme stock d’invendus de 4 milliards de dollars américains.
Aujourd’hui, H&M s’appuie sur l’IA pour analyser les recettes des magasins, les retours, les performances des blogs et bien d’autres choses encore, afin de personnaliser efficacement le mélange de marchandises de chaque magasin. Lorsque le détaillant suédois a commencé à expérimenter l’IA en 2018, on a découvert, par exemple, que les jupes fleuries aux couleurs pastel se vendaient mieux que prévu chez H&M dans le quartier d’Östermalm à Stockholm.
Il n’a pas été facile d’adapter l’assortiment de marchandises de H&M : le détaillant reçoit cinq milliards de visites en magasin et en ligne par an, et traite 800 millions de transactions. Pour l’aider, le détaillant a également renforcé ses ressources : il a employé 200 scientifiques, analystes et ingénieurs spécialisés dans les données.
West Elm : Connecter les clients aux produits – Rapide
Selon une étude de Gartner, les marques qui réorganisent leur site web pour permettre les requêtes visuelles et vocales d’ici à 2021 augmenteront leurs recettes de commerce numérique de 30 %. Les membres de la génération Z et les milléniaux effectuent leurs achats par le biais de recherches visuelles et mobiles, et 60 % d’entre eux déclarent que les recherches visuelles sont une priorité.
West Elm est là pour ça. Le détaillant de meubles a lancé le West Elm Pinterest Style Finder il y a quelques années. (Pinterest a dégagé un milliard de dollars de recettes en 2019 ; 1,5 milliard de dollars sont attendus en 2020).
Le catalogue en ligne de West Elm comprend 5 000 articles, dont 90 % sont exclusifs et conçus en interne. Pour aider les acheteurs à trouver le type de fauteuil, de table de nuit ou de pouf qu’ils souhaitent en quelques secondes, l’outil en ligne utilise des réseaux neuronaux (algorithmes inspirés du cerveau humain) pour affiner les recherches sur la base des images que les acheteurs ont sauvegardées sur leurs tableaux Pinterest. L’expérience s’apparente à montrer une photo à un vendeur en magasin ; le Style Finder automatise, accélère et simplifie le processus. Les équipes de merchandising ont également utilisé l’outil pour trouver des lacunes dans les assortiments proposés.
Walmart : Automatiser les vérités en magasin
Walmart exploite plus de 5 000 magasins aux États-Unis et bientôt 20 % d’entre eux seront équipés de robots. Les machines autonomes fabriquées par Bossa Nova Robotics, une jeune entreprise de Pittsburgh, sont déjà présentes dans 350 magasins. En janvier 2020, il a été annoncé que 650 autres magasins seraient équipés de ces machines de 1,80 m de haut, dépourvues de bras, dans le courant de l’année.
Les robots personnalisés sont équipés de caméras 3D capables de scanner les rayons pour vérifier la disponibilité, l’emplacement et le prix des articles. Les robots automatisent la collecte et l’analyse des données d’inventaire, une tâche complexe et fastidieuse dans des magasins de la taille de Walmart. Les robots ne sont pas conçus pour remplacer le réapprovisionnement manuel ; l’objectif est plutôt de libérer le personnel des tâches ennuyeuses et répétitives afin qu’il puisse consacrer plus efficacement son temps à résoudre les problèmes et à entrer en contact avec les clients.
L’analyse, l’IA et vous
L’automatisation et l’accélération de l’analyse des données, de la recherche de produits et de l’examen des stocks ne sont que quelques-unes des façons dont l’IA profite aujourd’hui aux détaillants de toutes tailles et de tous secteurs. L’IA peut apparaître dans vos magasins dans les cabines d’essayage, sur les étagères de produits ou aux caisses, mais elle sera inévitablement présente dans un avenir très proche – robots ou non.
Le produit d’analyse de la vision de Jesta, fondé sur l’IA, est alimenté par Snowflake et Tableau. Pour vous aider à lancer votre transformation numérique, contactez-nous ou demandez une démonstration.
