Le rôle du responsable merchandising digital a considérablement évolué ces vingt dernières années, dépassant largement la simple promotion de produits en ligne. Aujourd'hui, il influence la perception des clients et oriente leurs décisions d'achat. Les équipes de merchandising digital modernes sont généralement dédiées à des secteurs spécifiques d'une boutique en ligne, mais elles collaborent avec un vaste réseau d'autres acteurs, notamment les services achats, marketing et commerce, afin d'atteindre les objectifs de vente au détail de l'entreprise.

Opérer dans un environnement commercial plus difficile

En cette période d'incertitude économique, les entreprises sont de plus en plus attentives à leurs coûts. Afin de minimiser leurs dépenses et d'optimiser leur retour sur investissement, elles se tourneront vers l'automatisation, les processus basés sur les données et l'intelligence artificielle. Pour intégrer ces nouveaux processus et technologies, les responsables merchandising devront renforcer les compétences de leurs équipes, en plus de leurs responsabilités quotidiennes déjà considérables. Les équipes merchandising devront démontrer leur impact et seront soumises à une forte pression pour générer davantage de valeur avec moins de ressources.

Les équipes de merchandising ne peuvent plus espérer générer de l'engagement et des revenus uniquement par le biais des ventes et des offres.

Les entreprises de commerce électronique doivent adapter leurs stratégies globales pour intégrer efficacement l'IA à leurs flux de travail et processus. L'utilisation réussie de l'IA dans une stratégie de merchandising visuel performante nécessitera une combinaison judicieuse d'IA et d'intervention humaine.

Passer au niveau supérieur pour le nouveau NOW

En plus des connaissances essentielles sur le marché, les produits et les clients, les responsables merchandising devront également comprendre le fonctionnement des modèles d'IA.

Une compréhension de base de l'IA est nécessaire pour expliquer son comportement aux parties prenantes, construire les flux de travail nécessaires, apporter les corrections nécessaires et intégrer les données de l'IA dans les flux de travail existants.

Au bord d'un bouleversement sismique

Il est probable que les changements de compétences et de processus suscitent des résistances au sein de certaines équipes de merchandising existantes. Pour apaiser les craintes des employés quant à un éventuel remplacement par l'IA, les entreprises devront aligner leur équipe de merchandising sur les indicateurs clés de performance (KPI) et les initiatives stratégiques de l'entreprise, et leur fournir les outils d'IA nécessaires à la réalisation de leurs objectifs commerciaux. Cette approche garantit que l'équipe de merchandising percevra la transformation et ses avantages de manière positive.

Par ailleurs, il sera essentiel de promouvoir une culture du test, de la mesure et de l'itération. L'IA ne remplacera probablement pas la créativité dans le merchandising, mais l'enrichira en automatisant et en rationalisant les processus basés sur les données. Elle permettra aux responsables merchandising de consacrer plus de temps à des activités à fort impact, comme la création de collections ou de campagnes axées sur l'expérience visuelle de la marque.

Élargir le champ des possibles

L'IA permet aux détaillants de commercialiser activement leurs produits en utilisant un éventail beaucoup plus large de pages et de collections, avec une réactivité bien supérieure.

Steve Madden, client d'Algolia, a récemment expérimenté l'IA pour générer une série de collections capsules basées sur les couleurs des équipes de football universitaire et les a utilisées pour des campagnes marketing ciblées localement.

Sans l'IA, la création et la gestion d'un si grand volume de pages de collection personnalisées à ce niveau de segmentation granulaire seraient impossibles à mettre à l'échelle.

Une alliance équilibrée

L'intégration de l'IA exige une approche équilibrée qui automatise certaines tâches tout en permettant l'intervention humaine lorsque nécessaire. À l'avenir, nous pourrions même voir apparaître de nouvelles méthodes de collaboration IA/humain, comme l'utilisation d'une interface conversationnelle pour créer des collections générées par l'IA et micro-ciblées sur des groupes très spécifiques.

Par exemple, un marchandiseur peut instantanément créer une collection en demandant verbalement à l'IA : « Algolia, crée-moi une page d'équipement économique pour quelqu'un qui souhaite s'initier à la pêche, privilégie les produits à faible taux de retour et à marge élevée, et optimise la page pour le taux de conversion auprès des nouveaux clients. »

Le plus récent n'est pas toujours le meilleur.

En matière de merchandising numérique, on part généralement du principe que les nouveaux produits doivent toujours figurer en tête des résultats. Un grand détaillant d'articles de sport a mené une analyse des ventes de ses nouveaux produits durant les 14 premiers jours suivant leur lancement et a constaté que :

1. Un petit segment de clients très engagés a représenté la majorité des ventes des nouveaux produits.
2. La quasi-totalité des ventes de produits neufs provenait soit des pages « nouveautés dans [catégorie] », soit de pages de destination ciblées.
3. Les pages de catégories de produits comme « T-shirts homme » ou « Leggings femme » ont généré très peu de ventes de nouveaux produits. En réalité, le fait de reléguer les meilleures ventes sous les nouveautés a même nui à la performance globale de ces pages.

Évolution guidée par les données

Les équipes de merchandising consacrent souvent des efforts considérables à la gestion manuelle des pages et des collections en fonction de facteurs externes tels que les niveaux de stock, la saisonnalité ou les demandes des parties prenantes.

Par exemple, les responsables merchandising font souvent la promotion d'un produit dans le but d'écouler les stocks excédentaires. Mais une fois les stocks liquidés, l'équipe passe souvent à la prochaine « crise » sans avoir la possibilité d'examiner les rapports d'analyse ni les enseignements qui permettraient d'éclairer les décisions futures, telles que :

• Le produit s'est-il vendu grâce à la promotion ?
• D'autres facteurs ont-ils contribué à ce phénomène, comme une tendance sur les réseaux sociaux ou la publicité payante ?
• La promotion a-t-elle eu un impact sur les ventes d'autres produits ?

Dans le modèle traditionnel, ces questions sont rarement posées formellement et encore moins résolues. Grâce à l'intelligence artificielle et aux fonctionnalités automatisées, les équipes de merchandising peuvent plus facilement évaluer a posteriori l'impact de leurs décisions de sélection. L'analyse continue des données leur permet de générer des informations précieuses pour améliorer en permanence leur planification, leur exécution et leur optimisation, souvent en temps réel, bouclant ainsi la boucle entre les efforts de merchandising et la génération de revenus.

Toutes les sources de données ne se valent pas.

Dans un monde idéal, les entreprises e-commerce disposeraient d'un afflux constant de données fraîches et de haute qualité pour orienter leurs stratégies de merchandising. En réalité, la plupart des équipes de merchandising s'appuient actuellement sur un ensemble disparate de feuilles de calcul et de rapports, souvent générés à partir de divers systèmes initialement conçus à des fins autres que le merchandising, tels que l'analyse web, la gestion des stocks ou les rapports financiers.

Les entreprises de commerce électronique doivent adapter leurs stratégies globales pour intégrer efficacement l'IA à leurs flux de travail et processus. L'utilisation réussie de l'IA dans une stratégie de merchandising visuel performante nécessitera une combinaison judicieuse d'IA et d'intervention humaine.

L'époque révolue des tableurs

Grâce au merchandising piloté par l'IA, le réglage manuel de l'ordre de classement sur les pages de détails des produits appartiendra bientôt au passé.

Au lieu de mettre à jour et de vérifier des feuilles de calcul, l'IA collectera un plus large éventail de données via des événements et les utilisera pour reclasser automatiquement les produits selon des règles définies par l'utilisateur et des algorithmes de pertinence.

Grâce à l'IA qui gère les calculs, les responsables merchandising pourront expérimenter et tester de nouvelles formules en temps réel. Les équipes merchandising pourront ensuite valider ces formules à l'aide de données chiffrées.

S’appuyer sur des cadres fiables, pas sur des « recettes secrètes ».

Même lorsque des données de qualité sont disponibles, les équipes les utilisent souvent pour valider leurs « suppositions éclairées » plutôt que de concevoir une stratégie opérationnelle cohérente et fondée sur les données. Elles priorisent les produits en utilisant leur propre méthode de notation interne, ou « recette secrète », pour combiner et pondérer les données. Dans un premier temps, cette approche peut s'avérer efficace, mais à terme, les performances se dégradent à mesure que cette « recette secrète » est transmise des équipes historiques aux nouveaux employés qui ne comprennent pas forcément son fonctionnement ni comment la modifier.

De plus, le positionnement des produits est souvent mis à jour rarement et les données et pondérations sont appliquées globalement plutôt qu'au niveau d'une catégorie, d'un segment de clientèle ou d'un client individuel. En raison des ressources nécessaires (outils, personnel, compétences et volume de trafic), un positionnement détaillé peut s'avérer trop coûteux pour tous les détaillants, à l'exception des plus grands.

Itérer pour une optimisation maximale

Les comportements d'achat évoluant constamment, les responsables du merchandising visuel doivent optimiser en permanence leurs stratégies de classement afin de rester en phase avec la dynamique changeante du marché et de l'entreprise. Les outils basés sur l'IA facilitent le test et l'ajustement continus des formules performantes.

Par exemple, un détaillant souhaite écouler tous ses manteaux d'hiver avant la fin de la saison, dans un mois. Le responsable merchandising doit alors prévoir le rythme des ventes et ajuster régulièrement les promotions et les prix au cours des prochaines semaines. L'IA le décharge de ces tâches répétitives. Elle analyse, recalcule et ajuste automatiquement et en temps réel les prévisions tout au long du mois, jusqu'à la vente du dernier manteau au prix le plus élevé possible, le dernier jour de la saison.

Les tâches manuelles ne sont pas facilement extensibles.

Le caractère manuel des méthodes de merchandising actuelles, même au sein des équipes les plus axées sur les données, pose problème lors du passage à l'échelle supérieure. Les entreprises disposant de catalogues volumineux, de nombreuses collections et de multiples pages devront soit constituer une équipe importante, soit concentrer leurs activités sur leurs segments les plus rentables.

Il existe très peu de bonnes pratiques partagées en matière de merchandising numérique. La plupart des pratiques existantes sont issues du merchandising en magasin, notamment chez les détaillants physiques établis, ou sont axées sur l'attrait visuel et l'esthétique, en particulier dans le secteur de la mode.

Les données libèrent

Alimentés par un flux constant de données récentes, les outils d'IA peuvent adapter les stratégies de merchandising en temps réel et réagir à des variables telles que les fluctuations du comportement des acheteurs, des stocks et des prix.

Si ces capacités d'IA sont correctement intégrées, les responsables merchandising pourront se concentrer sur les grandes tendances et tirer parti de leur connaissance du marché pour saisir les opportunités émergentes. Au lieu de travailler au niveau de chaque produit et page, ils seront libres de définir des objectifs, d'affiner l'esthétique et d'améliorer l'expérience client. L'équilibre entre l'art et la science sera préservé, mais les tâches répétitives et mécaniques relevant de la science seront de plus en plus automatisées et pilotées par l'IA.

Moins d'épinglage, plus d'automatisation par IA

Les spécialistes du merchandising utilisant des outils d'IA s'appuieront moins sur les règles pour atteindre leurs objectifs. L'épinglage sera utilisé avec parcimonie pour contrer l'IA uniquement dans des situations particulières, comme la promotion à durée limitée du lancement d'une nouvelle marque ou le placement de produit sponsorisé.

Au lieu d'intervenir au niveau de chaque produit, les responsables merchandising définiront des buts et des objectifs à un niveau stratégique plus large. Par exemple, un responsable merchandising pourra demander à l'IA d'« ajuster le classement pour promouvoir les collections de tricots afin d'écouler les stocks soldés, privilégier la marge brute sur les vêtements d'extérieur et accroître la visibilité des nouvelles robes pendant le week-end ».

Élaboration d'une stratégie de merchandising basée sur les données

Tous les responsables merchandising souhaitent une stratégie globale, mais sa mise en œuvre optimale exige du temps et des ressources. Élaborer un plan adapté aux spécificités de chaque entreprise nécessite une approche itérative, fondée sur des tests et des ajustements progressifs pour une amélioration continue.

Il existe très peu de bonnes pratiques partagées en matière de merchandising numérique. La plupart des pratiques existantes sont issues du merchandising en magasin, notamment chez les détaillants physiques établis, ou sont axées sur l'attrait visuel et l'esthétique, en particulier dans le secteur de la mode.

Prédire le comportement des clients grâce à l'IA

L'IA peut analyser les données de ventes historiques afin de prévoir plus précisément les performances des nouveaux produits avant leur achat, permettant ainsi de déterminer les quantités et les prix optimaux. Elle peut également mieux comprendre l'intention des clients lors de leur navigation sur votre site et personnaliser leurs résultats de recherche, améliorant ainsi les conversions et les ventes. De plus, les données d'analyse des revenus peuvent ensuite être utilisées par l'équipe commerciale pour prédire avec précision les stocks générant le plus de revenus.

3 façons dont l'IA transforme les équipes de merchandising

1. L'automatisation permettra aux équipes de marchandisage d'être moins cloisonnées par catégorie.
   Au lieu d'être spécialisés dans un seul créneau, les responsables merchandising auront une responsabilité plus large sur plusieurs catégories. Les entreprises disposant de catalogues plus importants pourront optimiser l'ensemble de leur présence en ligne, et non plus seulement les sections les plus visibles et les plus fréquentées.
2. L'automatisation donnera aux équipes de merchandising plus de temps pour élaborer des stratégies et itérer.
   L'IA prenant en charge la majeure partie des tâches manuelles, les responsables merchandising pourront se concentrer davantage sur la stratégie globale d'achat et de merchandising (B&M) et sur les projets axés sur les données. Les compétences analytiques deviendront primordiales, tout comme la capacité à optimiser le fonctionnement des outils d'IA.
3. Les équipes de merchandising se concentreront davantage sur l'identification des grandes tendances ou des stratégies de campagne plus larges.
   Grâce à l'automatisation du classement par l'IA, les équipes merchandising n'auront plus qu'à effectuer de légers ajustements pour optimiser le classement. Les rôles au sein des équipes deviendront plus proactifs et connectés aux dernières tendances sociales et culturelles. Les responsables merchandising pourront orienter le classement et créer des règles de mise en avant/reportage avec une durée de validité afin d'offrir une meilleure visibilité aux produits tendance. L'outil sera alors capable d'interpréter le signal et de mettre en avant ou de reléguer le produit en fonction de ses performances.

Intégration : promesses et défis de l'IA

L'intelligence artificielle évolue rapidement, avec de nouvelles technologies lancées presque quotidiennement. Dans les prochaines années, les détaillants seront confrontés à une multitude de produits d'IA proposés par de nouveaux fournisseurs et des entreprises établies.

Ces outils d'IA devront être intégrés aux infrastructures technologiques e-commerce existantes. Les détaillants utilisant des plateformes e-commerce tout-en-un auront un choix limité, mais une mise en œuvre plus simple ; ceux disposant d'infrastructures technologiques entièrement composables auront accès à un éventail de solutions plus large, notamment les offres MACH (microservices, API-first, cloud-native et headless).

La plupart des outils d'IA nécessitent des données fiables pour fonctionner efficacement, telles que les données clients, produits, stocks, transactions et analyses de parcours de navigation. D'autres données utiles à l'IA peuvent inclure les retours sur investissement et les prix pratiqués par la concurrence.

Ces ensembles de données résident souvent dans des silos organisationnels difficilement accessibles aux systèmes tiers. Les détaillants disposant d'entrepôts de données et d'une architecture événementielle existants seront avantagés. Les autres devront définir des pipelines de données et une architecture clairs avant d'intégrer l'IA.

Grâce à une technologie basée sur l'IA et combinée à une stratégie axée sur les données, les responsables marketing pourront créer des parcours clients inédits, comme une expérience de vente omnicanale dans l'univers « phygital » – une convergence du physique et du numérique. marketplaces où les clients peuvent faire leurs achats en toute simplicité en ligne, en magasin, en combinant les deux, ou par d'autres canaux comme le téléphone et le courriel.

Un plus grand choix

Dans un système e-commerce headless, les détaillants ne sont plus contraints par les options prédéfinies d'une plateforme e-commerce SaaS. Ils peuvent choisir les meilleures API du marché, créer une architecture technologique adaptée à leurs besoins spécifiques et déployer leur solution plus rapidement.

Par exemple, une entreprise disposant d'un catalogue vaste et diversifié, dont les clients effectuent leurs recherches en ligne, pourrait privilégier un moteur de recherche performant. En revanche, une entreprise avec un catalogue plus restreint mais une forte propension à l'achat répété pourrait privilégier une plateforme de données clients (CDP) pour personnaliser les offres et optimiser la fidélisation.

Outre la réduction de la dépendance vis-à-vis des fournisseurs, l'approche headless permet une répartition claire des responsabilités entre les différentes équipes produit, favorisant ainsi le travail en parallèle. De cette façon, les équipes de recherche et de découverte ne sont plus contraintes par les exigences du CRM, tandis que les développeurs front-end peuvent se concentrer pleinement sur les performances du site.

L'histoire omnicanale du merchandising par IA en action

À 8h15, pendant son petit-déjeuner, Sarah reçoit une notification sur son téléphone de sa marque de mode préférée. Ils viennent de sortir leur nouvelle collection de chaussures et veulent savoir si elle serait intéressée par l'essayage d'une paire de chaussures beiges assorties à une veste achetée la semaine dernière. Sa pointure est disponible dans leur boutique du centre-ville, près de son lieu de travail. Serait-elle intéressée à venir les essayer ?

Sarah zoome sur l'image du catalogue montrant un mannequin élégamment vêtu présentant les chaussures. Elle clique sur « Oui, prendre rendez-vous », et un calendrier apparaît dans l'application mobile de la marque. Elle programme un rendez-vous pour midi.

Au travail, Sarah reçoit une deuxième notification lui rappelant son rendez-vous ainsi qu'une offre à durée limitée lui permettant de doubler ses points de fidélité sur ses achats.

Pendant sa pause déjeuner, Sarah se rend à la boutique. L'équipe en magasin l'attend avec non seulement les nouvelles chaussures à sa pointure, mais aussi les autres vêtements qui complètent la tenue présentée sur la photo du catalogue.

Ces chaussures taillent petit. Sarah a besoin d'une pointure en dessous. Malheureusement, le magasin n'a pas sa pointure en stock. Serait-elle prête à se les faire livrer demain pour les essayer chez elle ? Elle accepte.

Avant de partir, Sarah se connecte à la borne interactive du magasin et consulte les collections d'été qui sortiront le mois prochain. Elle trouve un maillot de bain qui sera parfait pour ses vacances en juin et l'ajoute à sa liste de souhaits.

Le lendemain, les chaussures sont livrées chez elle. Elles lui vont parfaitement ! Elle ouvre l'application mobile et confirme son achat.

L'avenir, c'est maintenant.

Il ne s'agit pas d'une feuille de route pour un scénario futur. La technologie permettant de créer des expériences client personnalisées similaires existe déjà.

• Les données de Sarah, telles que son historique d'achats et son emplacement de magasin préféré, sont enregistrées et mises à jour dans la plateforme de données clients (CDP) de l'entreprise.
• Les logiciels d'orchestration marketing servent à planifier les rendez-vous, à envoyer des notifications et à coordonner l'activité de l'équipe en magasin.
• Les systèmes de point de vente électronique (EPOS) et les systèmes de fidélisation de la clientèle enregistrent les données de la visite de Sarah en magasin.
• La plateforme marketing de l'entreprise met à jour en continu les préférences de Sarah. Ce système de données enregistre son parcours d'achat récent afin de personnaliser son prochain parcours client.

Ceci n'est qu'un exemple d'orchestration omnicanale.

Actuellement, de nombreuses entreprises ne disposent pas des systèmes intégrés nécessaires pour collecter et traiter les données afin d'offrir une expérience client omnicanale pleinement immersive. Pourtant, avec les bonnes API, les données adéquates et une stratégie appropriée, les possibilités sont impressionnantes.

Le nouvel horizon du merchandising

L'IA représente une formidable opportunité plutôt qu'une menace pour les commerçants. Maîtriser l'IA pour personnaliser l'expérience client contribuera à renforcer la fidélité à la marque.

L'IA continuera d'automatiser de manière fiable les tâches répétitives et à faible valeur ajoutée que les responsables merchandising doivent encore effectuer aujourd'hui. Cette automatisation leur permettra de valoriser leur rôle et d'adopter une approche plus stratégique. Elle permettra également aux équipes merchandising de mieux collaborer avec les équipes achats, ventes et marketing, au bénéfice de l'ensemble de l'organisation. Ceux qui sauront tirer parti de l'IA auront davantage de chances de réussir.

Allier l'art du merchandising à la science des algorithmes

Merchandising Studio : des fonctionnalités puissantes dans une interface dédiée.

• Conçu sur mesure pour le commerce électronique de détail
• Zéro code et 100% convivial pour les utilisateurs métiers, sans aucune dépendance aux développeurs.
• Basé sur une interface unifiée regroupant toutes les fonctionnalités en un seul endroit
• Contrôle humain total : vous décidez quelles capacités d’IA utiliser
• Solution unique pour l'automatisation, les règles et l'analyse
• Conçu pour une stratégie de merchandising axée sur les données

Des solutions pérennes pour faire évoluer votre site e-commerce

Merchandising Studio va bientôt devenir encore meilleur grâce à de nouvelles fonctionnalités basées sur l'IA et des capacités dynamiques pour optimiser vos stratégies de merchandising axées sur les données.

Mettez en valeur vos produits comme jamais auparavant

La fonctionnalité de recommandations par IA ajoute de nouvelles méthodes de découverte de produits qui ressemblent davantage à une expérience d'achat en magasin.