+150 XP

Lire le sell-through et le risque de markdown dans un achat saisonnier

# Lire le sell-through et le risque de markdown dans un achat saisonnier

Un acheteur commande 5 000 unités d'une robe printanière à motif floral en novembre, des mois avant qu'un seul client ne la voie. Fin juin, tout ce qui n'a pas été vendu part en clearance à -60 % pour libérer la place à la collection d'automne. C'est dans l'écart entre ces deux moments que se jouent les marges de la mode.

Suivons cette robe de l'achat à la clearance, et observons comment les données de ventes hebdomadaires vous disent, très tôt, exactement combien d'argent vous êtes sur le point de perdre.

L'achat saisonnier : engager du capital avant que la demande n'existe

La mode fonctionne par achats saisonniers : des commandes en volume passées bien avant la fenêtre de vente, parce que les usines, le tissu et le transport ont besoin de délais. Pour le prêt-à-porter de printemps, l'achat est souvent verrouillé 6 à 9 mois à l'avance.

Ce calendrier crée le problème central. Vous engagez du cash en stock avant de savoir si les clients en veulent. Surestimez la quantité, et vous êtes coincé à devoir la démarquer.

Notre robe d'exemple :

  • Quantité achetée : 5 000 unités
  • Coût unitaire : 18 $
  • Prix de vente plein tarif : 60 $
  • Fenêtre de vente : environ 16 semaines (début mars à fin juin)

À plein tarif, cela représente 300 000 $ de chiffre d'affaires potentiel contre 90 000 $ de coût produit. La question est de savoir quelle part de ce chiffre vous captez réellement avant que le temps ne soit écoulé.

Le sell-through : le chiffre qui prédit tout

Le sell-through est le pourcentage d'unités reçues vendues sur une période. La formule :

Sell-through % = unités vendues / unités reçues

Si vous avez reçu 5 000 robes et en avez vendu 400 en semaine 1, votre sell-through de semaine 1 est de 8 %.

Les retailers suivent le sell-through chaque semaine parce qu'il annonce la fin de partie très tôt. Un article saisonnier en bonne santé vise souvent autour de 60 à 70 % de sell-through à plein tarif ou proche du plein tarif, le reste étant écoulé via des markdowns planifiés. Ces cibles varient selon la catégorie et le retailer : traitez-les comme des ordres de grandeur, pas comme une règle universelle.

Voici l'insight clé : une saison compte un nombre fixe de semaines. Si le sell-through est trop lent des semaines 1 à 4, aucun espoir n'y changera rien. Les semaines restantes ne peuvent tout simplement pas absorber les unités excédentaires à plein tarif.

Lire la courbe hebdomadaire

Observez deux robes sur les quatre premières semaines :

| Semaine | Unités vendues robe A | Unités vendues robe B |

|------|-----|-----|

| 1 | 450 | 250 |

| 2 | 500 | 220 |

| 3 | 480 | 200 |

| 4 | 470 | 190 |

La robe A a vendu 1 900 unités en quatre semaines : 38 % de sell-through cumulé. À ce rythme, elle s'écoule bien avant la fin de saison. La robe B a vendu 860 unités : 17 % en cumulé, et les chiffres hebdomadaires baissent. La robe B est en difficulté.

Vous n'avez pas besoin d'attendre la semaine 16 pour le savoir. Dès la semaine 4, la trajectoire est visible.

Les semaines de couverture : transformer le sell-through en compte à rebours

Pour traduire la courbe en action, les acheteurs utilisent les weeks of supply (WOS), une estimation de la durée pendant laquelle le stock actuel tiendra au rythme de ventes récent :

WOS = unités en stock / ventes hebdomadaires moyennes en unités

Pour la robe B après la semaine 4 :

  • Unités vendues : 860
  • Unités restantes : 4 140
  • Ventes hebdomadaires moyennes récentes : environ 200
  • WOS = 4 140 / 200 = environ 20,7 semaines

Le problème est net. Il ne reste qu'environ 12 semaines de saison, mais vous avez à peu près 21 semaines de stock au rythme actuel. Vous finirez la saison avec une grosse pile de robes invendues, sauf si quelque chose fait bouger la demande.

Ce « quelque chose », c'est presque toujours le prix.

Le risque de markdown : le coût d'écouler ce qui ne se vend pas

Un markdown est une baisse permanente du prix de vente destinée à accélérer les ventes. Le risque de markdown est le danger de devoir couper le prix profondément pour écouler le stock, au détriment de la marge.

La mécanique de l'urgence : plus vous attendez, moins il reste de semaines pour écouler, donc plus la coupe doit être profonde. Un petit markdown en semaine 6 peut déplacer plus d'unités au total qu'une coupe désespérée de 60 % en semaine 14, simplement parce que la semaine 6 a plus de semaines de vente devant elle.

Pour une introduction en langage clair à l'interaction entre markdowns et marge, le guide de la U.S. Small Business Administration sur la pricing strategy est un bon point de départ, gratuit.

Modéliser le markdown de la robe B

Supposons que vous agissiez en semaine 5 et que vous passiez la robe B de 60 $ à 45 $ (un markdown de 25 %). Historiquement, une baisse de prix de cette ampleur peut relever sensiblement les ventes hebdomadaires ; supposons qu'elle double à peu près le rythme, à 400 unités par semaine. (Ce lift est une hypothèse d'illustration ; l'élasticité réelle varie selon la marque et le produit.)

  • Stock restant : 4 140 unités
  • Nouveau rythme : 400 par semaine
  • Nouveau WOS : environ 10,4 semaines

Le compte à rebours tient désormais dans la saison. Vous encaissez quand même un coup sur la marge, mais vous écoulez la marchandise et évitez une coupe plus profonde en fin de saison.

Comparez les deux trajectoires sur les 4 140 unités restantes :

Trajectoire 1 : agir tôt, -25 % à 45 $

Chiffre d'affaires sur les unités restantes (si tout s'écoule) : 4 140 x 45 $ = 186 300 $

Trajectoire 2 : attendre, puis écouler à -60 % (24 $) dans les dernières semaines

Si la demande à ce prix n'écoule qu'une partie de la pile, disons 3 000 unités, et que 1 140 partent chez un liquidateur à 10 $ :

(3 000 x 24 $) + (1 140 x 10 $) = 72 000 $ + 11 400 $ = 83 400 $

Le markdown précoce et moins profond capte bien plus de revenu. Attendre ne préserve pas la marge, cela la détruit, parce que les unités invendues finissent par s'écouler au pire prix possible ou partent en liquidation près du coût.

🎬 [VIDEO: "Retail Math: Sell Through, Markdowns and Gross Margin" - https://www.youtube.com/results?search_query=retail+math+sell+through+markdown - un déroulé des calculs retail de base que les acheteurs utilisent chaque semaine]

Vérification des acquis

1. Pourquoi un achat saisonnier crée-t-il un risque financier que le réapprovisionnement continu classique ne crée pas ?

2. Un acheteur voit le sell-through de la semaine 1 ressortir bien en dessous de la cible. Pourquoi ce signal précoce est-il si précieux ?

3. Que mesure réellement le taux de sell-through ?

CHOIX MULTIPLES

4. Sélectionnez TOUTES les bonnes réponses expliquant pourquoi les cibles de sell-through doivent être traitées comme des ordres de grandeur plutôt que comme des valeurs absolues.

Sélectionnez toutes les réponses correctes.

CHOIX MULTIPLES

5. Sélectionnez TOUTES les bonnes réponses décrivant la relation entre sell-through et risque de markdown dans un achat saisonnier.

Sélectionnez toutes les réponses correctes.

Synthèse : la décision hebdomadaire de l'acheteur

La discipline est une boucle, exécutée chaque semaine :

1. Mesurer le sell-through cumulé et hebdomadaire.

2. Convertir en weeks of supply et comparer aux semaines restantes dans la saison.

3. Agir quand le WOS dépasse les semaines restantes, en prenant un markdown léger tôt plutôt qu'un markdown profond tard.

Pour la robe A, le WOS reste confortablement dans la saison : vous tenez le prix et protégez la marge pleine. Pour la robe B, les données de semaine 4 signalent déjà le problème, et un markdown en semaine 5 sauve l'essentiel du revenu.

Pourquoi la finance s'y intéresse au-delà d'une seule robe

Multipliez cela sur un assortiment entier et les enjeux deviennent lourds. Les markdowns sont l'un des plus gros freins à la marge brute dans l'habillement. La marge brute, c'est le chiffre d'affaires moins le coût des marchandises, divisé par le chiffre d'affaires ; chaque dollar de markdown en sort directement.

Le stock saisonnier excédentaire immobilise aussi du working capital (du cash bloqué dans des marchandises invendables), ce qui limite ce que vous pouvez acheter pour la saison suivante. Un acheteur qui écoule proprement libère du cash à investir sur les gagnants.

C'est pourquoi la planification open-to-buy, les cibles de sell-through et la cadence des markdowns relèvent autant de la finance que du merchandising. Le calendrier de l'acheteur et le cash flow du CFO racontent la même histoire de deux façons.

Un rapide retour au réel sur le modèle

Deux mises en garde. D'abord, les courbes de sell-through ne sont pas linéaires. La nouveauté se vend vite en semaines 1 et 2, puis ralentit : n'extrapolez pas à l'excès à partir d'une seule bonne semaine. Ensuite, des chocs externes (météo, tendance virale, promotion d'un concurrent) peuvent fausser la demande. Utilisez les chiffres comme un signal discipliné, pas comme une garantie, et révisez les hypothèses à mesure que les données fraîches arrivent.

Points clés

  • Le sell-through est un système d'alerte précoce. Dès la semaine 3 ou 4 d'une saison de 16 semaines, le taux cumulé et sa tendance hebdomadaire vous disent déjà si un article s'écoulera à plein tarif.
  • Les weeks of supply transforment le sell-through en compte à rebours. Quand le WOS dépasse les semaines restantes dans la saison, vous avez un problème de markdown, et les données le révèlent assez tôt pour agir.
  • Un markdown léger et précoce vaut mieux qu'un markdown profond et tardif. Couper de 25 % en semaine 5 capte généralement plus de revenu total que couper de 60 % en semaine 14, parce que les semaines antérieures disposent de plus de temps de vente pour absorber les unités.
  • Les markdowns frappent la marge brute et immobilisent du working capital. Écouler le stock saisonnier dans les temps protège la marge et libère du cash pour l'achat suivant.
  • Traitez le modèle comme un signal, pas comme une certitude. Élasticité, météo et tendances déplacent toutes la demande : révisez vos hypothèses à chaque semaine de données réelles.