Les consommateurs se mettent au Big Data

Comme les entreprises l'ont fait avant eux, les consommateurs récupèrent une quantité importante de données sur les éléments qui les intéressent, et effectuent des comparaisons pour prendre la meilleure décision possible. Ce comportement Big Data est d'autant plus renforcés si les consommateurs ont une fréquentation régulière des magasins ou des sites en ligne (notamment pour l'alimentaire) : ils ont accès facilement à une multitude de données à comparer. Un projet d'achat non urgent d'un bien à un prix significatif (voiture, produit électronique, ...) ou d'un bien avec des caractéristiques précises avec une durée de vie très longue (minimum sept ans*étude ?) Sont également concernés par ce type de comportement. Le client recherchera sur internet ou ira spécialement en magasin pour récupérer les informations qui lui sont nécessaires. Il les analysera alors au calme pour prendre la meilleure décision, après avoir comparé les différents modèles, vendeurs, ...

L'utilisation du Big Data par les consommateurs, (dans leur cas une récupération massive et comparaison d'informations diverses), modifie leur comportement, notamment en sélectionnant un moment précis pour réaliser un achat. Comme lors des périodes promotionnelles institutionnalisée : le « mois des promotions » d'un constructeur automobile allemand (à chaque printemps) est rapidement repéré par les clients qui ont alors la possibilité d'acheter un modèle neuf pour le prix d'une occasion récente.

Ces nouveaux comportements concernent aussi les produits météo-sensibles, comme le sel de déneigement par ex. Alors qu'il est vendu à des prix considérables lors des pics de neige, un client économe se procurera ce bien en début de saison à des prix attractifs. Dans le même état d'esprit, un client opportuniste attendra la fin de la saison pour profiter de prix soldés. Les consommateurs attendront également les périodes de promotions répétitives, comme elles sont pratiquées sur les eaux ou les yaourts chaque mois pendant une semaine. Ils se procurent et stockent comme des écureuils* ces produits au-delà de leur consommation hebdomadaire. Ce comportement de stockage est renforcé si les clients sont propriétaires ou responsable d'une famille. Les meilleures périodes de promotion ne sont pas les seuls moments ciblés par les consommateurs.

Connaissant l'obligation des magasins à devoir remplacer les produits commandés, les clients des drives se déplacent plus facilement en fin de semaine, lorsque les risques de ruptures obligent les magasins à remplacer les produits commandés par des produits de meilleure qualité, eux encore en stock. En identifiant les produits concernés par cette rupture hebdomadaire, les consommateurs qui veulent obtenir les produits qu'ils désirent, anticipent quels achats ils doivent effectuer en début de semaine.

Ces clients de grande distribution repèrent également les produits dont les étiquettes électroniques changent en cours de journée. C'est le cas pour les fruits et légumes notamment : afin d'éviter un stock trop important en fin de journée, les enseignes baissent dès le début de l'après-midi le prix de ces produits. Les consommateurs s'adaptent alors à cette politique de vente, pour obtenir des biens à prix réduits. Ce n'est cependant pas la seule raison pour laquelle un consommateur diffèrera son achat de produits frais : certains identifieront le moment du réapprovisionnement des rayons pour profiter de produit « propres », non manipuler par une multitude de clients, pendant plusieurs heures.

C'est là un nouvel enjeu pour les entreprises : elles doivent tenir compte et tirer parti d'absolument toutes les données à disposition. Même si elles ne peuvent identifier le client ou qu'il n'y a pas d'achat, mais aussi lorsque des caractéristiques d'un produit traduisent des comportements de consommation particulier. Les entreprises qui s'adaptent font alors face à d'autres comportements, comme la récupération par le consommateur du nom du patron d'un magasin, pour négocier avec lui lors d'une période creuse en semaine. Les consommateurs peuvent également classer les magasins qui leur sont accessibles selon les différentiels de prix qu'ils ont pu observer, et ainsi ne fréquenter régulièrement que quelques enseignes précises (faire leur propre hit-parade).
Ces comportements nouveaux s'appliquent aussi bien dans la grande distribution que dans l'automobile ou d'autres secteurs : certains clients vont observer les prix lors de promotions, pour négocier en-dehors de ces périodes afin d'obtenir ce prix réduit.

Capacité des entreprises à traiter les données en 2016 :
42% des distributeurs ne peuvent pas lier les données à leurs consommateurs
40% font face à des lenteurs de transformation des données en informations exploitables
39% des distributeurs n'ont pas accès aux données en temps réel

Avant même d'exploiter ces nouveaux comportements, les entreprises doivent prêter attention à différents points. Elles doivent quantifier ces comportements : quel profil ? Quelle importance ? Quelle fréquence ? ... Répondre à cette question leur permettra d'adapter les investissements nécessaires. Le deuxième point consiste à structurer une base d'événements multi-domaines (vente, marketing, approvisionnement, ...) pour obtenir les données*de koipt1 les plus précises possibles. Enfin : faites confiance aux résultats mathématiques (fonction GLM, SAX, DTW, ...) et tous retours clients que vous pouvez obtenir, qu'ils soient anonymes ou non.

À terme, ces comportements consommateurs seront suffisamment courants pour forcer les distributeurs à plus de transparence. Ils devront alors renseigner les horaires les plus propices pour limiter le temps passé à faire ses courses ou pour les faire livrer à domicile. La fraicheur de certains produits devra également être plus facile d'accès pour le client (maturation de la viande, fréquence d'approvisionnement des fruits et légumes, ...).

Diverses fonctions (marketing, audit, ventes, consultant, exploitation) dans différentes industries (distribution, industrie, banque, ...) ont permis à Guillaume Pellet d'acquérir la capacité de concilier les attentes des dirigeants (CxO) et les technologies utilisées. Cette vision transversale des mondes digital et matériel qu'il offre à ses clients les aident à mieux saisir le concept et les avantages de l'analytique avancé.