Tarification prédictive : L'IA au service de l'optimisation des prix dans le retail
Paris - Lors du NRF Retail Big Show, FashionUnited s'est entretenu avec Eiko van Hettinga, cofondateur de 7Learnings, une entreprise de technologie basée à Berlin qui propose un logiciel de tarification prédictive basé sur l'IA pour les retailers. Le dirigeant nous a expliqué comment la tarification prédictive fonctionne et comment des marques comme Tamaris obtiennent des résultats.
Pourquoi la tarification prédictive ?
Eiko van Hettinga : La tarification est le principal levier de rentabilité. De nombreuses entreprises pensent à la réduction des coûts lorsqu'elles parlent de profit, mais en réalité les variations de prix ont un impact beaucoup plus important. C'est pourquoi des analystes comme Gartner considèrent l'optimisation des prix comme l'un des cas d'utilisation de l'IA les plus intéressants dans le retail car elle a l'impact commercial le plus élevé et est tout à fait réalisable.
Pour les retailers qui se demandent par où commencer leur transition vers l'IA, l'optimisation des prix devrait être en tête de liste. Avec la tarification prédictive, vous utilisez les données pour prévoir l'impact des prix sur vos indicateurs clés de performance (KPI) - comme le chiffre d'affaires, la marge et le taux d'écoulement - et vous optimisez en conséquence. C'est exactement ce que nous démontrons avec Tamaris.
Pouvez-vous nous en dire plus sur Tamaris ?
Chez Tamaris (qui fait partie du groupe Wortmann), le défi était clair : ils développaient leur activité en ligne dans 26 pays, avec une grande complexité dans la fixation des prix sur les différents marchés et canaux, beaucoup de travail manuel et le besoin d'optimiser tout au long du cycle de vie du produit.
Ensemble, nous avons mené une étude de faisabilité de cinq mois, et les résultats ont été frappants : la rentabilité a augmenté, leur taux de remise moyen a baissé de 5 % et le temps manuel consacré à l'optimisation des prix a été réduit de moitié. Aujourd'hui, Tamaris utilise cette configuration pilotée par l'IA sur tous ses marchés, en pilotant automatiquement les prix et les marges.
Il ne s'agit donc pas seulement de remises ? S'agit-il également de prix flexibles ?
Exactement. Il ne s'agit pas seulement de mettre un gros panneau de soldes rouge dans la vitrine. Vous pouvez également baisser les prix de manière stratégique tout en maintenant vos marges. Dans le retail de mode, tout est fait pour des raisons esthétiques, nous voyons donc plus loin que les simples remises.
Qu'est-ce qui rend la tarification en ligne plus complexe ?
En ligne, vous avez des niveaux supplémentaires comme les bons d'achat et les coupons. Le danger est que si vous commencez à cumuler trop de promotions, vous pouvez facilement perdre le contrôle de votre rentabilité. C'est pourquoi nous intégrons également ce type de données dans le système afin de prédire dans quelle mesure ces promotions seront utilisées et quel sera leur impact sur les bénéfices.
Dans le retail de mode, nous prévoyons également les taux de retour en même temps que les prix. Sur l'ensemble de l'assortiment, nos prévisions atteignent une précision de plus de 90 %, et ce, sur un horizon de deux semaines. Nous pensons que la bonne approche est une combinaison de prévisions à court terme très précises et d'une planification à plus long terme.
Pourquoi ?
On pourrait se dire, pourquoi ne pas utiliser une prévision à 40 semaines pour prendre chaque décision ? Le problème est que des prévisions à si long terme sont très imprécises, on ne sait tout simplement pas ce qui va se passer aussi loin. C'est le grand défi de la mode.
Nous utilisons les prévisions à long terme pour fixer des limites, et non pour dicter chaque décision. Par exemple, l'algorithme peut calculer le prix qui optimise le profit à long terme, puis nous permettre de nous déplacer dans une fourchette de 20 % autour de ce point. Dans cette fourchette, nous pouvons prendre des décisions à court terme, comme accélérer les ventes, mais le système nous empêche également d'aller trop loin au point de nuire à la rentabilité à long terme. Techniquement, nous pensons que c'est la meilleure façon de résoudre ce problème, et les professionnels du secteur confirment cette approche.
Êtes-vous également impliqué dans le développement des collections, en décidant des modèles et des quantités ?
Pas vraiment. Une fois que la collection est sortie, nous pouvons aider à la tarification initiale, mais cette partie a généralement une touche plus humaine. Si une robe arrive sur le marché pour la première fois, nous pouvons examiner ses attributs et la comparer à des articles similaires pour suggérer un prix. Mais si vous pensez qu'il s'agit d'une pièce exceptionnelle, alors le jugement humain entre en jeu, car la machine ne le verra pas. Au fil du temps, à mesure que le produit suit son cycle de vie, le système apprend de plus en plus des transactions et des attributs pour améliorer ses décisions de tarification.
Et avez-vous une expérience dans la mode ?
Notre PDG, Felix Hoffmann, a passé toute sa carrière dans la tarification. Il a d'abord travaillé pour des cabinets de conseil comme A.T. Kearney, puis a été responsable de l'algorithme de tarification chez Zalando à Berlin. À un moment donné, il s'est rendu compte qu'on ne peut pas se contenter de travailler avec Excel indéfiniment : il faut quelque chose de plus technique. C'est ainsi qu'est née l'idée de 7Learnings. Aujourd'hui, nous sommes une entreprise indépendante.
7Learnings a également collaborer avec des retailers tels que Tom Tailor et Mister Spex, en les aidant à mettre en œuvre la tarification prédictive. La start-up a été fondée à Berlin en 2019 par Felix Hoffman, Eiko van Hettinga et Martin Nowak.
Cet article a été traduit à l'aide d'un outil d'intelligence artificielle, puis vérifié et édité par un journaliste de FashionUnited.
FashionUnited utilise des outils linguistiques d'intelligence artificielle pour accélérer la traduction et la relecture des articles d'actualité afin d'améliorer le résultat final. Nos journalistes gagnent ainsi du temps et peuvent se consacrer à la recherche et à la rédaction d'articles originaux. Les articles traduits à l'aide de l'IA sont soigneusement examinés par un rédacteur de notre équipe. Pour toute question ou remarque, n'hésitez pas à nous écrire à info@fashionunited.com.