[Tribune] Les apps mobiles, nouvelles mines d'or pour la prévision des ventes

Lorsque l'on parle de Big Data dans l'industrie du commerce et le retail, on pense généralement à la collecte de données d'achat de chaque client (CRM) ou de vente comme les prix et les quantités vendues. On oublie parfois que les données permettent aussi de mieux connaître les comportements d'achat lors des promotions, les variations au cours de la saison ou encore les préférences locales. Cela permet une gestion quotidienne optimisée des stocks et des prix et des adaptations de fonctionnement, notamment de la supply chain.

Aujourd'hui, la multiplication des applications mobiles, ou "apps", qui améliorent l'expérience des consommateurs, permet de générer et de collecter de nouvelles catégories de données, qui peuvent être très utiles pour affiner les prévisions des ventes et le réapprovisionnement des réseaux de distribution.

Les applications mobiles au service de l'expérience d'achat

Comme le souligne le cabinet Forrester dans son dernier rapport "2016 Mobile and App Marketing Trends", le mobile est un canal majeur pour la relation client et le shopping. Son rôle et sa place ne vont faire que croître, d'autant plus avec le développement des objets connectés, de l'intelligence artificielle et de la réalité virtuelle.

Maillon central au coeur de cette (r)évolution, les apps mobiles sont aujourd'hui des sésames qui ouvrent les portes vers des univers et des possibilités à la fois innovants et incitateurs pour les consommateurs. Elles permettent aux marques et aux enseignes de s'adresser directement à leurs clients en leur proposant des services toujours plus personnalisés.

Tout ce qui peut contribuer à améliorer l'expérience d'achat du client contribue également à améliorer la connaissance que les retailers ont de ses derniers. Et donc à vendre plus et mieux.

L'univers des applications mobiles destinées aux consommateurs est en croissance constante. Schématiquement, on peut distinguer les applications propres aux marques, aux enseignes de distribution et aux centres commerciaux ; et celles créées par des entreprises tierces (souvent des start-ups) qui proposent des services nouveaux.

Dans cette seconde catégorie, citons par exemple les applications mobiles destinées à faciliter les achats de vêtements en magasin, et notamment celles qui permettent de choisir exactement la bonne taille sans avoir à essayer le vêtement en question. Ces services utilisent les données morphologiques de l'utilisateur (préalablement enregistrées dans l'application par ce dernier) pour définir la taille correspondante pour chaque marque partenaire. Plus besoin de passer en cabine d'essayage lors d'un achat dans un magasin. Plus besoin de commander trois tailles différentes lors d'un achat en ligne.

Nouveaux services = nouvelles données client

Au-delà du fait qu'une telle application mobile se traduit par une accélération de l'acte d'achat (achats en magasin) et une réduction des retours produits à gérer (achats en ligne), les retailers peuvent y trouver bien d'autres avantages. Notamment en termes de connaissance client. Car, qui dit nouveau service, dit nouvelles données sur les comportements d'achat à analyser.

Les données morphologiques, pour rester sur cet exemple, peuvent améliorer la connaissance des comportements et fournir une vision plus réaliste du consommateur. Quelques illustrations :

- Elles peuvent permettre d'anticiper les attentes de certains profils client spécifiques, comme les femmes enceintes ;

- Elles peuvent favoriser une meilleure compréhension des spécificités saisonnières, par exemple lors du renouvellement traditionnel des garde-robes des enfants et des adolescents (plus petites tailles des marques adultes) à l'occasion de la rentrée des classes ;

- Elles peuvent aider à mieux analyser les spécificités locales. Par exemple pour les types de taille (S, M, L, XL) majoritairement achetées selon les régions.

Il ne s'agit là que de quelques exemples ; et les applications mobiles qui fournissent des services innovants aux consommateurs se multiplient très rapidement. La technologie nourrit cette tendance en permanence. Nous pouvons citer d'autres exemples d'apps comme celles qui permettent d'essayer virtuellement un maquillage et d'aider à choisir en fonction du teint de la peau et du style souhaité. Ou encore, les apps communautaires qui permettent de partager et de noter les looks postés par les utilisateurs. Celles qui permettent de poster la photo d'un vêtement repéré sur un(e) passant(e) dans la rue afin d'en retrouver la référence. Etc.

Dans tous les cas, ce sont d'immenses sources de données nouvelles qui se créent, et des indicateurs extrêmement précieux sur les comportements et les tendances d'achat. Des données que les retailers peuvent utiliser pour optimiser les prévisions de la demande et les assortiments dans leurs réseaux de magasins.

Reste ensuite à être en mesure d'exploiter ces données, c'est-à-dire de les collecter et de les analyser. Disposer de toujours plus de données est une bonne chose, encore faut-il avoir la capacité de les traiter. Là aussi, certaines technologies de dernière génération - à commencer par l'intelligence artificielle et plus particulièrement le Machine Learning - permettent de faire des progrès immenses, et de fournir une aide à la décision qui devient de plus en plus indispensable à mesure que les Big Data croissent en volume et en diversité.