Peut-on adapter la taille des stocks en hyperlocal ?

Si les saisons sont certes assez prévisibles, d’autres facteurs le sont moins. Les enseignes opèrent désormais dans des paysages où la demande est de plus en plus fragmentée, et où les comportements des consommateurs en ligne comme en magasin changent constamment.

Les modes d’achat ont radicalement changé ces derniers mois, qu’il s’agisse d’appareils électroniques, de produits de première nécessité ou d’articles de saison. Plus sensibles aux prix et soucieux de leurs dépenses, les consommateurs recherchent des offres et des articles à prix réduits, et se tournent vers d’autres marques si leurs prix sont plus intéressants.

À cela s’ajoutent la demande inattendue et les tendances de consommation hyperlocales qui sont presque impossibles à prédire.

De ce fait, il peut y avoir trop de stocks dans une région et pas assez dans une autre. Cette tendance d’achat hyperlocale a conduit à un mauvais calibrage des stocks, face à l’impossibilité de prédire la demande ou de réagir à temps.

Les tendances d’achat des consommateurs sont façonnées par beaucoup d’éléments que les enseignes ne maîtrisent pas. Ce n’est pas un problème de fabrication, car il ne s’agit d’un excès ou d’un manque de volumes. En revanche les enseigne, avec l’aide de leurs partenaires commerciaux, peuvent ajouter de la valeur en adaptant mieux leurs niveaux de stocks.

L’intelligence artificielle (IA) permet-elle d’adapter les niveaux de stocks ?

Face à cette tendance, l’IA semble être la solution. En effet, elle permet aux enseignes d’être plus confiantes dans leurs décisions de stocks, mais aussi de mettre en place des promotions structurées qui attirent les consommateurs pour mieux écouler les stocks. La bonne nouvelle est que les plateformes d’IA peuvent désormais exécuter des algorithmes qui tiennent compte de variables de dépenses de consommation comme la quantité de biens disponibles, les facteurs de la demande et la santé financière des ménages.

Contrairement à l’humain qui s’appuie souvent sur le recul pour s’orienter, ces plateformes d’IA peuvent voir comment les tendances se développent en temps quasi-réel à l’échelle d’un magasin, d’un entrepôt ou du monde entier. L’IA peut dont inciter les enseignes à prendre de meilleures décisions en matière d’allocation des stocks et de tarification. Cela dit, l’IA a ses limites, et elles situent au niveau des données.

L’IA ne peut fonctionner qu’avec les informations dont elle dispose au moment où une demande est faite. Ainsi, si une plateforme d’IA est invitée à évaluer la demande actuelle du marché et le prix que les consommateurs sont prêts à payer, mais qu’elle ne peut pas voir le niveau de stocks actuel du magasin ou de l’entrepôt concerné, ses recommandations se baseront sur des données restreintes. La clé pour briser ce cycle de pénurie et d’excédent commence donc par sortir du modèle d’opérations de vente qui reposent sur les codes-barres. Des progrès rapides ont été réalisés avec l’identification par radiofréquence (RFID) et d’autres plateformes SaaS (Software-as-a-Service) alimentées par l’IA.

Allier la technologie à l’humain

Les systèmes de codes-barres ont changé la donne pour les enseignes, mais la RFID et d’autres technologies avancées de capture de données deviennent encore plus transformationnelles. Une fois en ligne, les lecteurs RFID peuvent extraire des informations de milliers d’articles étiquetés chaque seconde, donnant aux vendeurs et aux plateformes d’IA une image fidèle des opportunités de revenus actuelles et une piste d’opportunité. La RFID renforce également la confiance dans les données introduites dans les systèmes de prévision et de planification de la demande.

Un employé de magasin ou d’entrepôt pourrait hypothétiquement effectuer un inventaire complet en quelques heures, fournissant ainsi à votre plateforme d’IA un relevé précis de ce qui est en stock.

Une fois que vous disposez d’un inventaire précis, une solution SaaS alimentée par l’IA peut corréler ces données avec d’autres sources d’informations internes et tierces pour produire des recommandations plus précises et fiables en matière de planification de la demande, de tarification et de promotion.

Il est possible de suivre les articles étiquetés RFID au fur et à mesure qu’ils se déplacent dans les magasins, et de les lire par lots. C’est extrêmement utile en cas d’afflux de commandes ou de retours, car les équipes peuvent alors traiter les transactions des clients en une fraction du temps qu’elles mettraient en se contentant de lire les codes-barres .

Cependant, même la RFID repose sur un suivi des vendeurs et des processus d’inventaire. Les systèmes RFID ne donneront pas aux enseignes ce dont elles ont besoin s’il y a un manque de discipline. Il est donc indispensable que les personnes et les technologies (suivi RFID et les logiciels basés sur l’IA) s’allient.

Il est essentiel de trouver le point idéal où les consommateurs se sentent obligés d’acheter et où les enseignes conservent des marges acceptables, mais l’humain ne peut pas le comprendre de lui-même. Les enseignes les plus efficaces seront celles qui équipent leur personnel d’outils tels que la RFID et utilisent des logiciels alimentés par l’IA pour les aider à voir ce qui se passe de manière objective et axée sur les objectifs.

Au lieu de spéculer sur les décisions d’inventaire, les enseignes peuvent déplacer et stocker certaines références dans les bons magasins dans des quantités plus ou moins importantes, commander des articles en avance, ou réduire les prix et organiser des promotions en fonction des comportements des acheteurs hyperlocaux et des niveaux de stocks.