Construire la décision catégorielle à partir de données FMCG intégrées
Une acheteuse d'une grande enseigne alimentaire vous accorde 20 minutes pour justifier pourquoi elle devrait délister 14 SKU, refaire le linéaire et vous laisser réduire la bouteille de jus de 1 litre à 900 ml au même prix. Elle a entendu tous les pitchs fournisseurs du trimestre. Une seule chose la fera bouger : une histoire cohérente construite à partir de données qu'elle ne peut pas facilement contester.
C'est le travail d'un category captain (le fabricant à qui un distributeur fait confiance pour le conseiller sur la gestion d'une catégorie entière, et pas seulement de ses propres marques). Cette leçon montre comment fusionner quatre flux de données désordonnés en cette recommandation unique.
Les quatre flux de données que vous intégrez
Chaque flux répond à une question différente. Aucun ne suffit seul.
Données POS (point of sale). Données scanner issues des caisses du distributeur. Elles vous disent exactement ce qui s'est vendu, où et à quel prix, dans cette enseigne. C'est la vérité terrain pour *ce* compte, mais aveugle à tout ce qui se passe ailleurs.
Données panel. Un échantillon recruté de foyers (ou d'individus) qui enregistrent chaque achat, tous magasins confondus. Des acteurs comme Kantar et NielsenIQ opèrent ces panels. Le panel vous dit *qui* achète, avec quelle fidélité, et ce qui est acheté ailleurs. C'est directionnel, pas exhaustif : les petits segmentssegmentsDécouper un marché en groupes distincts de clients partageant des besoins, des caractéristiques ou des comportements similaires, afin de traiter chaque groupe avec une approche dédiée.Voir la définition complète → portent une erreur d'échantillonnage.
Données de distribution. Où les produits sont physiquement référencés et disponibles. Métrique clé : la distribution valeur (la part des ventes totales de la catégorie réalisée dans les magasins qui référencent votre SKU, et non le simple nombre de magasins). Un SKU présent dans 200 petits magasins peut avoir une distribution valeur inférieure à un SKU présent dans 40 hypermarchés.
Données de fidélité. Historiques d'achats liés à la carte du programme de fidélité du distributeur. C'est le joyau : cela relie les paniers à des shoppers identifiés dans le temps, ce qui permet de voir le switching, le cross-shop et les taux de réachat.
La compétence ne réside dans aucun jeu de données pris isolément. Elle réside dans la capacité à les réconcilier quand ils se contredisent, ce qui arrivera.
Étape 1 : identifier la queue de gamme avec le POS, puis pressure-tester avec la fidélité
Commencez par une analyse en déciles : classez chaque SKU de la catégorie par ventes et découpez en dix groupes.
import pandas as pd
# pos = une ligne par SKU avec les ventes et unités sur 52 semaines
pos = pos.sort_values("sales_52wk", ascending=False)
pos["cum_share"] = pos["sales_52wk"].cumsum() / pos["sales_52wk"].sum()
pos["rate_of_sale"] = pos["units_52wk"] / pos["stores_stocking"]
tail = pos[pos["cum_share"] > 0.95] # SKU candidats au délistageEn général, le dernier décile contribue à un faible pourcentage à un chiffre des ventes de la catégorie. Ce sont les candidats au délistage. Mais ne coupez pas encore.
Deux SKU peuvent afficher les mêmes ventes faibles pour des raisons opposées :
- Faible rate of sale. Réellement non désiré. Personne ne l'achète, même là où il est référencé. On peut couper sans risque.
- Faible distribution, fort rate of sale. Un gagnant caché privé de linéaire. Le couper détruit de la valeur.
Le POS seul masque cela. Divisez les unités par le nombre de magasins référençant pour obtenir le rate of sale, puis mobilisez les données de fidélité pour trancher la question qui compte le plus.
Étape 2 : la question d'incrémentalité à laquelle la fidélité répond
La vraie crainte de l'acheteuse : *si je délise ce SKU, est-ce que je perds ce chiffre d'affaires, ou est-ce que le shopper achète simplement autre chose dans mon magasin ?*
Les données de fidélité permettent de l'estimer. Regardez les shoppers dont le panier contient le SKU candidat. Qu'achètent-ils d'autre dans la catégorie ? Si 85 % d'entre eux achètent aussi régulièrement un SKU que vous conservez, le SKU de queue de gamme est largement non incrémental (ses ventes se transfèrent, elles ne disparaissent pas, quand il part). Si une part significative achète *uniquement* ce SKU et rien d'autre dans la catégorie, le délister risque de les pousser vers un concurrent.
C'est votre défense. Vous ne dites pas « ces produits se vendent mal ». Vous dites « ces produits se vendent mal *et* leurs shoppers resteront dans votre magasin ».
Pour une bonne introduction à la façon dont ces techniques sous-tendent le category management, la Category Management Association et les contenus pédagogiques de NielsenIQ sont des points de départ gratuits utiles.
Étape 3 : refaire le planogramme avec le space-to-sale
Un planogramme est la carte visuelle de ce qui va où dans le linéaire. Principe de base : allouer l'espace proportionnellement aux ventes d'un SKU, ajusté de quelques réalités.
Calculez pour chaque SKU son indice space-to-sale : sa part de facings divisée par sa part des ventes de la catégorie. Un indice supérieur à 1,0 signifie sur-linéarisé (vous donnez du linéaire) ; inférieur à 1,0 signifie sous-linéarisé.
| Signal | Source de données | Action |
|---|---|---|
| Indice space-to-sale élevé | POS + audit linéaire | Réduire les facings |
| Fort rate of sale, faible distribution | POS + distribution | Ajouter des facings / élargir le référencement |
| Fort taux de réachat | Fidélité | Protéger, placer à hauteur des yeux |
| Segment en croissance | Panel | Donner de l'espace incrémental |
Deux ajustements pour rester honnête :
1. Days of supply. Les gros rotateurs ont besoin d'assez de facings pour éviter la rupture entre deux réassorts. Une allocation purement fondée sur la part de ventes peut affamer un top SKU et provoquer des ventes perdues.
2. Blocs de segments. Les shoppers naviguent le linéaire par besoin (jus pour enfants, premium, value). Les données panel sur l'évolution des segmentssegmentsDécouper un marché en groupes distincts de clients partageant des besoins, des caractéristiques ou des comportements similaires, afin de traiter chaque groupe avec une approche dédiée.Voir la définition complète → vous disent quels blocs développer. N'éparpillez pas un étage premium en croissance sur tout le meuble.
Donnez vie au reset visuellement. Les acheteurs réagissent bien plus à une image de linéaire avant/après qu'à un tableur.
🎬 [VIDEO: "What is Category Management?" - youtube.com - une explication concise du rôle de category captain et de la relation distributeur-fournisseur]
Étape 4 : défendre le changement de price-pack architecture
La price-pack architecture (PPA) est l'éventail de formats et de points de prix qu'une marque propose pour servir différents shoppers et différentes occasions (single-serve d'impulsion, multipack familial, etc.).
Votre proposition : réduire la bouteille de 1 litre à 900 ml en maintenant le prix en rayon. C'est un changement de price-pack, parfois appelé shrinkflation lorsqu'il est fait discrètement. C'est scruté, donc votre dossier data doit être imparable et votre logique transparente.
Construisez la défense sous trois angles :
Contexte du prix au litre (panel). Montrez où le prix au litre de la catégorie s'est déplacé. Si les coûts d'intrants ont augmenté dans tout le secteur, un changement de format peut maintenir le point de prix d'entrée accessible tout en protégeant la marge. Présentez-le comme la défense du key value item (le point de prix que les shoppers remarquent vraiment et utilisent pour juger si un magasin est cher).
Élasticité (POS). Estimez la réaction du volume au prix. Si l'alternative à un changement de format est une hausse de prix directe sur le 1 litre, modélisez les deux. Une réduction modérée de format protège souvent mieux le volume qu'une hausse visible du prix en rayon, parce que les shoppers s'ancrent fortement sur le prix affiché.
Cannibalisation et trade-up (fidélité). Montrez si le 900 ml tire les shoppers *vers le bas* depuis des formats plus grands (mauvais, vous perdez du volume) ou s'il les maintient tout en améliorant la marge. Les données de switching issues de la fidélité sont le seul moyen propre de le voir.
Une mise en garde : la réduction de format porte un risque réputationnel et, sur certains marchés, un risque réglementaire d'information. Plusieurs juridictions imposent un affichage du prix unitaire plus clair. Présentez-le comme une décision d'architecture transparente, pas comme une astuce cachée, sinon l'acheteuse (dont l'enseigne est en jeu sur le meuble) refusera.
Vérification des acquis
1. Pourquoi les données POS sont-elles décrites comme « la vérité terrain pour ce compte, mais aveugles à tout ce qui se passe ailleurs » ?
2. Un petit segment de shoppers montre un pattern de switching surprenant dans les données panel. Pourquoi être prudent avant de construire une recommandation dessus ?
3. Pourquoi un SKU référencé dans 200 petits magasins peut-il avoir une distribution valeur inférieure à un SKU présent dans seulement 40 hypermarchés ?
4. Sélectionnez TOUTES les réponses correctes sur ce que les données de fidélité (liées à la carte) permettent de façon unique, contrairement aux autres flux.
Sélectionnez toutes les réponses correctes.
5. Sélectionnez TOUTES les réponses correctes décrivant pourquoi la leçon insiste sur la fusion des quatre flux de données plutôt que sur un seul.
Sélectionnez toutes les réponses correctes.
Étape 5 : assembler la recommandation sur une page
L'intégration est le livrable. Quatre flux, un récit :
1. Délister les 14 SKU de queue de gamme. Preuves : dernier décile des ventes POS *et* fidélité montrant que leurs acheteurs sont non incrémentaux (ils restent dans le magasin). Perte de ventes catégorie projetée : minime. Espace libéré : quantifié en facings.
2. Reset du planogramme. Réallouer l'espace libéré au bloc premium en croissance (tendance panel) et à deux SKU sous-distribués à fort rate of sale (POS plus distribution). Montrer l'avant/après avec vérification des days of supply.
3. Changement de PPA. Passer le 1 litre à 900 ml. Preuves : contexte du prix au litre de la catégorie, élasticité favorable au format plutôt qu'au prix, fidélité ne montrant pas de cannibalisation vers le bas. Cadré pour la transparence shopper.
Les trois objections de l'acheteuse sont prévisibles. Anticipez chacune avec le jeu de données qui y répond :
- « Je vais perdre des ventes. » -> Incrémentalité via la fidélité.
- « Vous cherchez juste à prendre du linéaire pour vos marques. » -> Indice space-to-sale appliqué à *toutes* les marques, y compris les vôtres qui perdent de l'espace là où c'est justifié.
- « Les shoppers verront la réduction. » -> Prix au litre et élasticité, plus un plan d'étiquetage transparent.
L'astuce de crcrLe pourcentage de visiteurs ou de prospects qui réalisent une action attendue (achat, inscription, formulaire de contact), calculé en divisant les conversions par le nombre total d'opportunités.Voir la définition complète →édibilité : recommandez de couper ou de dé-linéariser certains de vos *propres* SKU là où la data l'exige. Un captain qui ne s'avantage que lui-même se fait virer.
Réconcilier quand les flux se contredisent
Ils se contrediront. Un SKU peut sembler faible dans le POS de ce distributeur mais fort dans le panel national. Cela signifie généralement qu'il s'agit d'une force chez un concurrent ou d'un trou d'assortiment ici : une opportunité, pas un délistage. Quand fidélité et POS s'opposent sur un segment, faites confiance au POS pour *ce qui s'est vendu* et à la fidélité pour *qui et pourquoi*. Nommez toujours vos hypothèses dans le deck : les acheteurs font confiance aux analystes qui montrent les coutures.
Points clés
- Ne délistez jamais sur le seul classement de ventes. Séparez les faibles vendeurs entre réellement non désirés (faible rate of sale) et gagnants affamés (faible distribution, fort rate of sale) avant de couper.
- Les données de fidélité prouvent l'incrémentalité, la plus grande crainte de l'acheteuse. Montrez que les shoppers des SKU délistés restent dans le magasin.
- L'indice space-to-sale pilote le reset, ajusté des days of supply et des blocs de segmentssegmentsDécouper un marché en groupes distincts de clients partageant des besoins, des caractéristiques ou des comportements similaires, afin de traiter chaque groupe avec une approche dédiée.Voir la définition complète →. L'espace suit les ventes, avec des garde-fous.
- Défendez un changement de price-pack avec trois jeux de données : contexte du prix au litre, élasticité et cannibalisation via la fidélité, et présentez-le de façon transparente compte tenu de la vigilance sur l'étiquetage.
- Recommandez aussi de couper vos propres SKU faibles. La crcrLe pourcentage de visiteurs ou de prospects qui réalisent une action attendue (achat, inscription, formulaire de contact), calculé en divisant les conversions par le nombre total d'opportunités.Voir la définition complète →édibilité du captain vient du fait d'agir pour la catégorie, pas seulement pour sa marque.