Cas d’usage Prezzu : grand e-marchand français

Pré-déploiement

CA et catalogue

  • CA : environ 700 millions € par an.
  • Catalogue généraliste non-alimentaire.
  • Plus de 150 000 références réparties en 10 rayons, à tarifer quotidiennement.

Besoins

  • Chacun des 10 Chefs de rayon consacre environ 1 heure et demi par jour à tarifer ses références, sur base de fichiers Excel puis de fichiers csv fournis au système interne de publication des prix → besoin d’économiser du temps et de systématiser le processus.
  • Règles et contraintes métier gérées manuellement sur Excel :
    • Groupes de produits à prix identiques (exemple : modèle d’étuis IPhone 6 identiques déclinés en couleurs différentes).
    • Contraintes d’écarts maximum avec certains concurrents référents, par catégorie de référence et, pour certaines catégories au niveau granulaire de la référence.
    • Alignement exact à la référence sur concurrents.
  • Pas d’outil de gestion des bornes de prix et de gestion des écarts avec concurrents.
  • Pas d’analyse des données de vente, pas d’analyse des élasticités-prix.
  • Pas d’optimisation des prix pour écoulement des stocks à date cible.
  • Pas de prise en compte de la cannibalisation entre références dans une catégorie d’articles substituables.

Données

  • Données de vente de bonne qualité et bien organisées. Volume total des données sur 2 années de ventes: environ 55 Go.
  • Données de scraping sur prix concurrents fournies quotidiennement par prestataire extérieur. Bonne qualité de ces données mais « trous » nombreux → besoin d’une procédure automatique d’imputation des valeurs manquantes (de combler intelligemment les trous). Volume de données de scraping produit quotidiennement: environ 200 Mo.

Déploiement

  • Flux de données

    Flux de données

    Paramétrage par équipe ECOPA de Prezzu pour chaque rayon :

    • Estimations des élasticités-prix et des modèles de demande.
    • Optimisation des prix sur la base d’une maximisation du CA sous contrainte de taux de marge minimum, par rayon.
    • Mise en place des règles métier combinées avec optimisation :
      • Groupes de références à prix identiques.
      • Bornes inférieures et supérieures de prix : en taux d’écart avec prix actuels et avec prix concurrents.
      • Pour certaines références, alignement avec écart spécifié sur prix concurrents (moyenne des prix concurrents ou pour certaines références, concurrent spécifique).
      • Pour certaines références et certains rayons, maintien de la procédure manuelle.
    • Paramétrage de l’imputation des valeurs manquantes sur données de scraping.
  • Installation de Prezzu sur une VM Windows Server 2012, 32 Go, 16 cœurs.
  • Mise en place processus quotidien de préparation des données et de calcul des prix par le SI :
    • 8h00.
      • Récupération par le SI des données de scraping, formatage et dépôt des csv au format Prezzu sur un chemin accessible par la VM Prezzu.
      • Récupération par le SI des données de vente et des données actualisées d’optimisation (ex: coût de revient par référence, changement des bornes et autres paramétrage des règles métier par Chef de rayon), formatage et dépôt des csv au format Prezzu sur un chemin accessible par la VM Prezzu.
    • 8h30. Lancement automatique par le SI des exécutions Prezzu selon les paramétrages fournis, rayon par rayon.
    • 9h30. Récupération par le SI des sorties Prezzu sur fichiers Excel et csv.
    • 10h00. Envoi par le SI des sorties Excel pour validation des prix recommandés par Chefs de rayon à l’aide d’un dashboard interactif généré par Prezzu (voir ci-dessous).
    • 16h30. Dernier délai pour validation des prix. Le dashboard une fois validé génère des fichiers csv de publication des prix, sur un chemin prédéterminé du LAN.
    • 17h00. Fichiers csv validés récupérés par le SI, qui les pousse vers le système de publication des prix.
DashBoard_valider

Dashboard

Retours et métriques

Tableau métriques

CA et poids de Prezzu par rayon

Le tableau ci-contre montre que la performance en CA, sur une période de 6 mois en production, est très corrélée avec l’utilisation de Prezzu. De plus, les contraintes de marge ont été respectées.

Sur un focus sur les catégories entièrement tarifées par Prezzu :

  • La commande par visite en valeur (le CA par visite) a progressé de 61%.
  • Les contraintes de marge ont été respectées.