Optimisation des prix et modélisation du comportement consommateur avec Demand tec

© 2011 IBM Corporation

Optimisation des prix et modélisation du comportement consommateur

Michel Safi- Directeur Europe du Sud, DemandTec, an IBM company5 juin 2012

Les clients DemandTec700 milliards d’euros optimisés - 100 enseignes

1

Client depuis 2006 : Price et Promo OptimizationDepuis 2010 : Assortiment, Shopper Insights,

Démarque Textile

Client depuis 2007 : Price et Promo OptimizationRoll out : USA, Canada, Chine, Japon, Mexique,

Inde,…9 pays

DemandTec Confidential 2

Le merchandising avec DemandTec devient scientifique et positionne le consommateur au cœur de chaque décision

Approche traditionnelle du Merchandising Customer-Centric Merchandising

Moteur de Règles

Prévisions iso volume

Solution développée en

interne

Math appliqués

Réellesprévisions

Modèle SaaS

Cout

Modélisation de la demande consommateurPrise en compte de la segmentation clientOptimisation des prix de ventes

Pricing sur la base du cout + margePricing aligne sur la concurrence

Stock Mag

Ventes DonnéesPanelistes

DonnéesTransactionnelles

Panel consommateur

ACV mise en avant

FidélitéMedia

HiérarchieProduit

Cout

Segmentation Météo

Concurrent

Concurrent

DemandTec Confidential 3

DemandTec Mesure l’Élasticité de chaque article

Augmenter le prix de cet article de 10% résultera en un gain de marge de 4% mais causera une perte de volume de -12%

-12% Perte Unitaire

Analyse de la Réponse au changement de prixEvian 6x 1,5 litre

-100%

-80%

-60%

-40%

-20%

0

20%

40%

60%

80%

100.0%

-50%-40%-30%-20%-10% 0 10% 20% 30% 40% 50%

Prix

Variation

Volume

CA

MB€

4% Gain de Marge

10% Hausse du Prix

L’élasticité au prix varie fortement d’un article et d’un magasin àl’autre

0

100

200

300

400

500

600

1 17 33 49 65 81 97 113

129

145

161

177

193

209

225

241

257

273

289

305

321

337

353

369

385

401

417

433

449

465

481

497

513

529

SKU

Inde

xed

Ela

stic

ity C

oeffi

cien

t (A

vera

ge =

100

)

Plusieurs produits, 1 MagasinSoins dentaire SKU Élasticité Coefficients pour le Magasin 21

Articles très élastiques Articles inélastiques

0

50

100

150

200

250

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53

MagasinIn

dexe

d E

last

icity

(Ave

rage

= 1

00)

1 Produit, Plusieurs MagasinsÉlasticité d’un même SKU soins dentaires dans différents magasins

L’élasticité est un coefficient majeur de la gestion de la demande qui doit être calculé à la maille Article / Magasin

Le comportement du consommateur est influencé par de nombreux facteurs et effets

Cannibalisation Affinités et complémentarités

Effet de stockage

Communication(Flyer, Pub)

Ope spéciales (BOGO, 3/€2) CouponsMise en avant

Programme de Fidélité

Changement du prix

permanentTendance Saisonnalité

DemandTec Confidential 6

Aperçu général de la mise en œuvre de DemandTec

• Données Ticket de caisse

• Données syndiquées

• Info produits • Infos magasins• Prix concurrents• Données de fid• Stock• ….

Collecte des données client

Utilisation de la solution par le client

Stratégie et règles

Analyse résultats

Ajustement

La plateforme DemandTec nettoie,

intègre les données et génère les modèles

Le client implémente les prix optimisés

• Prix à la maille article/magasin envoyé

• Prévision volume, CA et masse de marge

Génération prix opt

• Elasticité• Saisonnalité• Tendance• Mise en avant• Rupture de stock• ….

ˆˆˆˆˆˆ

ln1,

,,,

,

,

,

, ++++Κ=⎟⎟⎠

⎞⎜⎜⎝

⎛∑=

τ

δκνγnti

titiitii

ti

tiii

ti

ti

PP

XMPP

SS

B

DONNEES MODELISATION OPTIMISATION IMPLEMENTATION

Une fois maitrisée, les Analytics et les techniques d’Optimisation peuvent être appliquées à toutes sortes de décisions de marchandising ou de marketing

⎟⎟⎟⎟

⎠

⎞

⎜⎜⎜⎜

⎝

⎛

++++++Κ=⎟⎟⎠

⎞⎜⎜⎝

⎛∑

∑

∑=

−−−

−=

−−−

−= ...ˆˆˆˆˆˆexpˆ

11)1(

,

1)1(

,

,,

,,,,

,

,

,

,τ

δκψνγn

nmt

mntrri

nmt

mntrri

niti

titiitiitii

ti

tiii

ti

ti

S

S

PP

XXMPP

SS

B

Analyse Article Image

Segmentation Magasin

Ana

lyse

Rôl

e de

s ca

tégo

ries

Analyse

Opportunités M

DD

Un plan de démarque spécifique à chaque article /

chaque magasin me permettant l’écoulement de

mes stocks tout en minimisant l’impact marge

Identification des meilleures promotions

(article / mécanique / prix) pour un segment de client

donné

Un assortiment prenant en compte le taux de transfert

et l’incrémentalite de chaque article / segment de

client

Une combinaison de prix maximise mon objectif tout

en garantissant ma stratégie prix

Le distributeur dispose de l’élasticité du prix permanent et des lifts des différents leviers promotionnels pour chaque produit de l’assortiment

Le distributeur est en mesure de quantifier de façon prédictive l’effet cannibalisation des promotions

La promotion des articles ACTIMEL se traduit par une augmentation de volume de 8 703 unités mais au global de la catégorie, cela se traduit par un volume additionnel de 1 549 unités dû à l’effet CANNIBALISATION

2 façons de faire des choix d’assortiment: Classement versus Incrémentalité scientifique

10

Approche Traditionnelle Approche scientifique

TransferableIncremental

Total Sales

• Variété vs. Redondance• Déterminer l’incrémentalité de

chaque produit et sa contribution au CA et à la marge de la catégorie

• Replacer les articles les moins incrémentales

Item OneItem TwoItem ThreeItem FourItem FiveItem SixItem SevenItem EightItem NineItem TenItem ElevenItem TwelveItem ThirteenItem FourteenItem FifteenItem SixteenItem SeventeenItem EighteenItem NineteenItem TwentyItem Twenty-OneItem Twenty-TwoItem Twenty-Three

Delist

+ Add

+ Add

Approche scientifique

TransferableIncremental

Total Sales

• Variété vs. Redondance• Déterminer l’incrémentalité de

chaque produit et sa contribution au CA et à la marge de la catégorie

• Replacer les articles les moins incrémentales

Approche scientifique

TransferableIncremental

Total Sales

• Variété vs. Redondance• Déterminer l’incrémentalité de

chaque produit et sa contribution au CA et à la marge de la catégorie

• Remplacer les articles les moins incrémentales

• Trie des articles par chiffre d’affaires

• Pas de prise en compte e l’intéraction entre article

Les recommandations de prix sont basées sur trois composantes : l’élasticité au prix, les relations entre produits et les règles métiers

Règles métiers:Comment le positionnement concurrentiel ainsi que des règles spécifiques au produit influencent les mouvements de prix?

L’élasticité:Comment le consommateur réagit-il aux

changements de prix?

Relations entre produits:Comment les relations aux autres produits de la catégorie influencent le prix?

Processus d’optimisation

Prix Optimal

Marge par produit

VENTES en EUROS par magasin et par semaine

0%2%4%6%8%

10%12%

-2%-4%-6%-8%

-10%-12%

Le but de DemandTec est d’augmenter la profitabilité globale de la catégorie de produits. Or la marge globale varie largement d’un produit à un autre.

Principes fondamentaux

Les meilleurs produits sont en HAUT et à DROITE …

Marge par produit

VENTES par magasin et par semaine

0%2%4%6%8%

10%12%

-2%-4%-6%-8%

-10%-12%

PIRESPIRES

MEILLEURSMEILLEURS

Principes fondamentaux

u … le principe est de déplacer la DEMANDE

Marge par produit

VENTES par magasin et par semaine

0%2%4%6%8%

10%12%

-2%-4%-6%-8%

-10%-12%

PIRESPIRES

MEILLEURSMEILLEURS

Principes fondamentaux

Analysons 2 PRODUITS (A et B)

Marge par produit

VENTES par magasin et par semaine

0%2%4%6%8%

10%12%

-2%-4%-6%-8%

-10%-12%

A

B

Principes fondamentaux

Profit – Total Catégorie

DT proposerait un léger ajustement de PV pour déplacer la demande de B vers A

Marge par produit

VENTES par magasin et par semaine

0%2%4%6%8%

10%12%

-2%-4%-6%-8%

-10%-12%

A

B

- 0,1 €

+ 0,2 €

Principes fondamentaux

Profit – Total Catégorie

… avec une nouvelle DEMANDE, A se déplace vers la droite et B vers la gauche

Marge par produit

VENTES par magasin et par semaine

0%2%4%6%8%

10%12%

-2%-4%-6%-8%

-10%-12%

A

B

Principes fondamentaux

Profit – Total Catégorie

La profitabilité de la catégorie est améliorée

Marge par produit

0%2%4%6%8%

10%12%

-2%-4%-6%-8%

-10%-12%

A

B

VENTES par magasin et par semaine

Principes fondamentaux

Profit – Total Catégorie

Principes fondamentaux

Marge par

produit0%0%2%2%4%4%6%6%8%8%

10%10%12%12%

--2%2%--4%4%--6%6%--8%8%

--10%10%--12%12%

VENTES par magasin et par semaine2402402002001601601201208080404000

Profit – Total Catégorie

Et cela est fait pour l’ensemble des articles de la catégorie

Situation avant optimisation La catégorie « Chocolat en tablette”

Le groupe de demande “Chocolat Blanc” représente une faible part de la catégorie.

Comment le rendre plus profitable ?

Chiffre d’affaire répartis par groupes de demande

22%

14%

12%11%

10%

7%

7%

5%

4%3%

2%2%1%

Degustation_NoirA_PatisserBloc_LaitDegustation_LaitFourreBloc_NoirIngredientEnfantBasique_LaitBasique_NoirBlancAllegeCarre

NB: Cet exemple est basé sur un cas réel, les produits et les chiffres ont été modifiés afin de respecter la confidentialité du client

Le chocolat blanc

Prix moyen par 200g

2.93

2.552.49

1.74

€ 1.00€ 1.10€ 1.20€ 1.30€ 1.40€ 1.50€ 1.60€ 1.70€ 1.80€ 1.90€ 2.00€ 2.10€ 2.20€ 2.30€ 2.40€ 2.50€ 2.60€ 2.70€ 2.80€ 2.90€ 3.00€ 3.10

0.60 0.70 0.80 0.90 1.00

Marge unitaire

Prix

par

uni

tééq

uiva

lent

eMDD Prestige100g

Cote d'Or 200g

Lindt Blanc200g

MDD Blanc200g

L’EAN MDD Prestige apparaît comme le plus profitable du Groupe de Demande.

Part de Marché

29%

25%

38%

8%

MDD Blanc 200g Lindt Blanc 200gCote d'Or 200g MDD Prestige 100g

Les objectifs de l’optimisation

Les objectifs de l’optimisation• Comment accroître le profit du

groupe de demande sans perdre de volume ?

• Comment transférer le volume vers les MDD ?

• Transférer le volume vers le produit plus profitable MDD Prestige ?

Les objectifs de l’optimisation sont de modifier les prix afin d’inciter les consommateurs à choisir de préférence les produits les plus générateurs

de margePart de chiffre d’affaires

29%

25%

38%

8%

MDD Blanc 200g Lindt Blanc 200gCote d'Or 200g MDD Prestige 100g

Lors de l’étape de modélisation sur la base de 2 ans d’historique, un coefficient d’élasticité est calculé pour chaque produit

Cote D'Or 200G

-60%

-40%

-20%

0%

20%

40%

60%

80%

100%

-30% -20% -10% 0% 10% 20% 30%

Price Change

Lift

Mpx Gourmet 100G

-60%

-40%

-20%

0%

20%

40%

60%

80%

100%

-30% -20% -10% 0% 10% 20% 30%

Price Change

Lift

Lindt Blanc 200G

-60%

-40%

-20%

0%

20%

40%

60%

80%

100%

-30% -20% -10% 0% 10% 20% 30%

Price Change

Lift

Unit Volume Revenue Cash Profit

Mpx Blanc 200G

-60%

-40%

-20%

0%

20%

40%

60%

80%

100%

-30% -20% -10% 0% 10% 20% 30%

Price Change

Lift

Unit Volume Revenue Cash Profit

Changement de prix Changement de prix

Changement de prix Changement de prix

Volume CA Marge Volume CA Marge

MDD Prestige 100G

MDD Blanc 200GLindt Blanc 200G

Cote d’Or 200G

Optimiser: Tester toutes les solutions possibles en calculant des prévision de volume, de CA et de marge

Scenario DT PriceScenario DT Price

Prix pour 200g

2.93

2.55

2.71

2.57

1.74 1.76

2.76

2.49

€ 1.00€ 1.10€ 1.20€ 1.30€ 1.40€ 1.50€ 1.60€ 1.70€ 1.80€ 1.90€ 2.00€ 2.10€ 2.20€ 2.30€ 2.40€ 2.50€ 2.60€ 2.70€ 2.80€ 2.90€ 3.00€ 3.10

Ancien prix Nouveau prix

MDDPrestige100g

Cote d'Or200g

Lindt Blanc200g

MDD Blanc200g

Marge

0

5,000

10,000

15,000

20,000

Listo TefalMoy

TefalSup

Terraillon

Unités

5,000

10,000

15,000

20,000

25,000

2,4%1,2%

4,5%

-1.0%

0.0%

1.0%

2.0%

3.0%

4.0%

5.0%

Volume CA MargePrix Moy

Résultats

Métrique / Application

Retail Price Optimization

Retail Promotion

OptimizationMarkdown

OptimizationAssortment Optimization

Augmentation du CA 1 – 3% 1 – 12% 5+% 1 – 3%

Augmentation de la Marge (€) 2 – 5% 5 – 20% 10+% 2 – 5%

Représente les bénéfices financiers historiques des produits DemandTec

Exemple:

Pour un distributeur de 10 Md€ avec 30% de Marge Brute...

3% d’amélioration de la Masse de Marge Brute = 90M€

Le changement de paradigme dans la prise de décision délivre des bénéfices financiers tangibles

© 2011 IBM Corporation

Merci

Michel Safi- Directeur Europe du Sud, DemandTec, an IBM company5 juin 2012