1/4+150 XP

Lire le linéaire à travers les données point-of-sale et les panels syndiqués

# Lire le linéaire à travers les données point-of-sale et les panels syndiqués

Le deck de category review est à l'écran. Votre slide Nielsen indique que votre marque a progressé de 3,2 % le trimestre dernier. La slide suivante, sourcée Circana (ex-IRI), indique un recul de 1,1 %. Même marque, même trimestre, même linéaire. L'acheteuse en face de vous veut savoir quel chiffre est le bon avant de décider votre plan promotionnel de l'année prochaine.

Bienvenue dans le débat le plus courant et le plus mal compris de la data FMCG. Les deux chiffres peuvent être justes. Ils mesurent des choses différentes, à partir de sources différentes, avec des calculs différents. Une fois que vous comprenez pourquoi, vous cessez de paniquer devant l'écart et vous commencez à le lire comme un signal.

Deux façons de mesurer une vente

Il existe deux manières fondamentalement différentes de savoir ce qui s'est vendu.

Les données mesurées (retail) viennent des scanners magasin. Chaque fois qu'un code-barres bipe en caisse, la transaction est captée. Les distributeurs partagent ces données (directement ou via des prestataires), et elles sont agrégées en ce que le secteur appelle les données point-of-sale (POS) : les unités et les montants réellement scannés en caisse.

Les données de panel viennent des personnes, pas des magasins. Un panel de foyers recrutés scanne tout ce qu'il achète à domicile, ou donne accès à ses données de carte de fidélité et de tickets de caisse. Les prestataires extrapolent ensuite cet échantillon pour représenter la population nationale.

Nielsen (aujourd'hui NielsenIQ) et Circana vendent tous deux des données mesurées retail ET des données de panel de foyers. Le classique désaccord « Nielsen vs IRI » se ramène en général à une couverture distributeurs différente, des méthodes d'extrapolation différentes et des définitions de catégorie différentes.

Pourquoi les chiffres divergent

Trois coupables expliquent l'essentiel des écarts :

1. La couverture retail. Si un prestataire a un accord de partage de données avec un grand club ou un discounter et l'autre non, leurs totaux diffèrent. Une marque surpondérée en club stores peut paraître forte dans un jeu de données et stable dans l'autre.

2. L'extrapolation. Les données mesurées doivent quand même estimer les magasins qu'elles ne captent pas directement. Deux prestataires avec des univers magasins et des pondérations différents extrapoleront différemment.

3. La définition de catégorie. Une barre protéinée relève-t-elle du « snacking », de la « nutrition » ou de la « confiserie » ? Si les deux prestataires classent votre produit différemment, votre part de marché et votre univers concurrentiel changent.

Aucun de ces points ne signifie que quelqu'un a tort. Cela signifie que vous devez savoir ce que chaque chiffre compte avant de le citer.

L'ACV : le chiffre de distribution que tout le monde utilise mal

Voici le concept le plus important pour lire le linéaire : l'ACV, ou All Commodity Volume.

L'ACV mesure la distribution pondérée par la taille des magasins. L'ACV d'un magasin correspond à son chiffre d'affaires total, tous produits confondus, pas seulement votre catégorie. Un hypermarché pèse donc bien plus qu'une supérette de quartier.

Quand vos données indiquent que votre marque a une distribution ACV de 60 %, cela ne veut PAS dire que vous êtes dans 60 % des magasins. Cela veut dire que vous êtes dans des magasins qui représentent 60 % du volume d'affaires retail total. Vous pourriez n'être que dans 30 % des magasins physiques et atteindre 60 % d'ACV parce que vous êtes dans les gros.

Pourquoi cela change votre récit de croissance

Décomposez votre croissance des ventes en deux leviers :

Distribution : êtes-vous dans plus de magasins (et de plus gros) ? ACV en hausse.
Vélocité : à quelle vitesse vendez-vous par magasin ? Souvent mesurée en ventes par point d'ACV, ou par magasin et par semaine.

Une marque peut croître uniquement en ajoutant de la distribution tandis que la vélocité décline en silence. C'est une croissance fragile. Quand l'ACV plafonne (vous êtes déjà dans les grandes enseignes), la croissance s'arrête net sauf si la vélocité s'améliore.

Demandez toujours : est-ce de la croissance par la distribution ou par la vélocité ? Le deck de category review qui ne montre que les ventes totales cache la réponse.

Une métrique dérivée utile est le sales per point of distribution (SPPD) : votre chiffre d'affaires divisé par votre % d'ACV. Elle normalise l'étendue de votre présence, ce qui permet de comparer équitablement une nouvelle marque régionale à une marque nationale.

SPPD = Total category-adjusted sales / % ACV distribution

Example (illustrative):
  Brand A: $12M sales / 60 ACV points = $0.20M per point
  Brand B: $12M sales / 30 ACV points = $0.40M per point

Same sales. Brand B sells twice as hard per point of distribution
and has more room to grow by expanding ACV.

Le volume équivalisé : comparer ce qui est comparable

Le piège suivant, c'est le volume. Si votre marque vend une canette de 330 ml et votre concurrent une bouteille de 2 litres, les « unités » ne vous apprennent rien d'utile. Une unité n'est pas une unité.

Le volume équivalisé (souvent « eq » ou « EQ ») convertit tout dans une unité de base commune pour permettre une comparaison juste. Dans les boissons, ce peut être le litre ou la « caisse équivalisée » (par exemple une caisse standard d'un volume donné). Dans la lessive, ce peut être le nombre de lavages. Dans le papier, le nombre de feuilles.

Pourquoi c'est important :

Part de volume vs part d'unités. Une marque premium vendant de petits formats peut dominer en unités et détenir une faible part de volume équivalisé.
Analyse de prix. Le prix par unité équivalisée (prix au litre, prix au lavage) est la seule façon honnête de comparer un multipack économique à un format individuel premium.
Détection de la shrinkflation. Si votre concurrent a réduit le format en maintenant le prix en rayon, les ventes en unités paraissent stables alors que le prix par unité eq a bondi. Seules les données équivalisées le révèlent.

Règle empirique : pour tout ce qui touche au prix ou à la consommation réelle, travaillez en volume équivalisé. Pour tout ce qui touche à la présence en rayon et à la fréquence d'achat, les unités comptent aussi.

Mise en pratique : lire une vraie category review

Retour au deck. Voici comment un bon analyste le lit.

Étape 1 : réconcilier les sources. Demandez quels distributeurs chaque jeu de données couvre et comment la catégorie est définie. Si Nielsen inclut un discounter que Circana omet, et que votre marque y sur-indexe, l'écart est expliqué, pas alarmant.

Étape 2 : séparer distribution et vélocité. Sortez l'ACV en parallèle des ventes. Si les ventes ont progressé de 3 % mais l'ACV de 5 %, votre vélocité a en réalité baissé. La croissance est empruntée à une extension de linéaire qui ne se reproduira pas.

Étape 3 : convertir en volume équivalisé pour le prix. Vérifiez le prix par unité eq face à la catégorie. Un prix au litre en hausse avec une part de volume en baisse signale souvent que vous vous êtes tarifé hors du linéaire.

Étape 4 : croiser avec le panel. Les données mesurées vous disent CE QUI s'est vendu. Le panel vous dit QUI a acheté et s'il est revenu. Une hausse des ventes avec un taux de réachat plat dans le panel est un shot de sucre promotionnel, pas un gain de franchise.

Pour une bonne introduction gratuite à l'articulation de ces métriques, les ressources de la Category Management Association et les explicatifs généraux d'analytics retail sont un bon point de départ.

🎬 [VIDEO: "Understanding ACV and Distribution Metrics in CPG" - youtube.com - une présentation claire de l'ACV, de la distribution et de la vélocité pour les analystes des biens de consommation]

Vérification des acquis

1. Les données Nielsen d'une marque montrent une croissance tandis que Circana montre un recul, pour le même trimestre et le même linéaire. Quelle est l'interprétation la plus solide professionnellement de cet écart ?

2. Quelle est la distinction fondamentale entre données mesurées (retail) et données de panel ?

3. Une marque vend de façon disproportionnée via les club stores. Un prestataire a un accord de partage de données avec un grand club retailer, l'autre non. Quel effet attendez-vous sur les deux jeux de données ?

CHOIX MULTIPLES

4. Sélectionnez TOUTES les bonnes réponses. Quels facteurs expliquent couramment la divergence entre les chiffres de deux prestataires pour la même marque et le même trimestre ?

Sélectionnez toutes les réponses correctes.

CHOIX MULTIPLES

5. Sélectionnez TOUTES les bonnes réponses. Quelles affirmations sur l'extrapolation dans les données mesurées retail sont exactes ?

Sélectionnez toutes les réponses correctes.

Là où le panel prouve sa valeur

Les données mesurées sont précises sur les transactions mais aveugles aux shoppers. Elles ne peuvent pas vous dire si 1 000 unités sont parties vers 1 000 nouveaux acheteurs ou vers 100 fidèles qui ont fait des stocks.

Les données de panel répondent aux questions qui décident de la santé de marque à long terme :

Pénétration : quel % de foyers vous a acheté au moins une fois ? La croissance sur ce levier est la plus saine.
Buying rate : combien chaque acheteur achète-t-il par an ?
Taux de réachat : l'essai s'est-il transformé en habitude ?
Source de volume : votre nouveau produit a-t-il pris aux concurrents, à vos propres autres produits (cannibalisation), ou fait croître la catégorie ?

Un principe bien connu de la marketing science (associé à l'Ehrenberg-Bass Institute) veut que la croissance des marques vienne surtout de l'augmentation de la pénétration, et non du fait de presser davantage les acheteurs existants. C'est dans les données de panel que vous le vérifiez. Si votre marque croît en ventes mais que la pénétration stagne, vous vous appuyez sur une base fidèle qui se réduit, ce qui est risqué.

Le revers : le panel est un échantillon extrapolé, donc les petites marques et les petites régions portent de larges marges d'erreur. Traitez les tendances panel comme directionnelles, pas comme précises à la décimale, en particulier sous un certain seuil de ventes.

Points clés

Les données mesurées (POS) comptent les transactions au scanner ; les données de panel suivent des foyers. Un désaccord entre Nielsen et Circana reflète en général une couverture distributeurs, une extrapolation ou des définitions de catégorie différentes, pas une erreur.
L'ACV est la distribution pondérée par la taille des magasins, pas un nombre de magasins. Décomposez toujours la croissance des ventes entre distribution (ACV) et vélocité (ventes par point) avant de célébrer un chiffre.
Travaillez en volume équivalisé pour toute comparaison de prix ou de consommation. Les unités seules masquent les jeux sur les formats et la shrinkflation.
Utilisez le panel pour vérifier la pénétration et le taux de réachat. Une croissance des ventes à pénétration plate est fragile ; une croissance portée par de nouveaux acheteurs est durable.
Ne citez jamais un chiffre de category review sans connaître sa source, sa couverture et son unité. L'écart entre deux chiffres « justes » est lui-même l'insight.

Décrypter les signaux de distribution, de rotation et de rupture de stock