Comment Marks & Spencer utilise l'IA pour optimiser la planification des gammes Alimentaire et Mode

Marks & Spencer a intégré l'intelligence artificielle dans ses opérations de merchandising pour affiner la prévision de la demande, optimiser la planification des gammes et réduire le gaspillage dans ses divisions alimentaire et mode. Le détaillant britannique utilise l'apprentissage automatique pour prédire les préférences des clients, allouer les stocks avec plus de précision et soutenir les objectifs de durabilité en réduisant la surproduction et les démarques.

Quels outils d'IA M&S utilise-t-il pour le merchandising ?

Marks & Spencer a déployé l'IA et l'apprentissage automatique dans sa chaîne d'approvisionnement et ses fonctions de merchandising, en se concentrant sur la prévision de la demande et la gestion des stocks. L'entreprise a travaillé avec des partenaires technologiques pour intégrer l'analyse prédictive dans ses processus de planification, permettant aux merchandisers d'anticiper la demande des clients avec une plus grande précision et d'ajuster les assortiments de produits en conséquence.

Le détaillant a investi dans des capacités de science des données pour soutenir son programme de transformation Reshape for Growth, qui vise à moderniser le parc de magasins, les plateformes numériques et l'efficacité opérationnelle. Les outils pilotés par l'IA analysent les données de ventes historiques, les conditions météorologiques, les tendances saisonnières et les comportements émergents des clients pour éclairer les décisions d'achat et l'allocation des stocks au niveau des magasins et des régions.

Comment l'IA améliore-t-elle la planification de la gamme alimentaire chez M&S ?

Dans son activité alimentaire, M&S utilise l'apprentissage automatique pour prévoir la demande de produits frais et ambiants, contribuant à réduire le gaspillage tout en maintenant la disponibilité. L'entreprise s'est concentrée sur la réduction du gaspillage alimentaire dans le cadre de ses engagements de durabilité Plan A, et l'IA joue un rôle dans l'alignement plus étroit de l'offre avec la demande des clients.

Les modèles prédictifs évaluent des facteurs incluant la démographie locale, la fréquentation des magasins, l'activité promotionnelle et les événements externes pour déterminer les niveaux de stock optimaux pour chaque emplacement. Cette approche granulaire aide le détaillant à éviter à la fois les ruptures de stock et les stocks excédentaires qui risquent de se détériorer. Le système apprend continuellement des résultats des ventes, affinant les prévisions au fur et à mesure que de nouvelles données deviennent disponibles.

Comment l'IA soutient-elle le merchandising des vêtements et de la maison ?

Pour les produits de mode et de maison, M&S applique l'IA à la planification des gammes, l'allocation des tailles et l'optimisation des démarques. Les algorithmes d'apprentissage automatique analysent les performances passées de styles similaires, de types de tissus et de niveaux de prix pour guider les équipes d'achat sur la profondeur et l'étendue de l'assortiment. La technologie soutient également la tarification dynamique et la planification promotionnelle, identifiant quels produits sont susceptibles de nécessiter un soutien par démarque et quand.

M&S a investi dans l'amélioration de ses gammes de vêtements et la réduction des stocks excédentaires dans le cadre des efforts pour restaurer la rentabilité de sa division de marchandises générales. Les informations pilotées par l'IA aident les merchandisers à prendre des décisions plus rapides et plus éclairées sur le mix de produits, réduisant le risque de surachat de lignes à rotation lente tout en assurant un stock adéquat des articles très demandés.

Le détaillant utilise l'analyse prédictive pour optimiser les courbes de tailles par emplacement, reconnaissant que la démographie et les préférences des clients varient dans son réseau de magasins. Cette approche localisée réduit la probabilité de ruptures ou d'excédents spécifiques aux tailles, améliorant à la fois la conversion des ventes et l'efficacité des stocks.

Quels sont les avantages opérationnels de l'IA dans la planification des gammes ?

Le merchandising piloté par l'IA apporte plusieurs avantages mesurables pour M&S :

• Amélioration de la précision des prévisions : Les modèles d'apprentissage automatique réduisent l'erreur de prévision en identifiant des schémas que les planificateurs humains pourraient manquer, conduisant à un meilleur alignement entre l'offre et la demande.
• Réduction des démarques : Des décisions d'achat plus précises et des stratégies de tarification dynamique minimisent le volume de stock de fin de saison nécessitant des remises importantes.
• Moins de gaspillage : Dans l'alimentaire, une prévision de la demande plus serrée réduit la détérioration et le gaspillage, soutenant les objectifs environnementaux et protégeant les marges.
• Disponibilité améliorée : L'allocation optimisée des stocks garantit que les produits populaires restent en stock, réduisant les pertes de ventes et améliorant la satisfaction client.
• Prise de décision plus rapide : L'analyse automatisée des données libère les équipes de merchandising pour se concentrer sur les choix stratégiques plutôt que sur les calculs manuels.

Ces gains d'efficacité contribuent à une meilleure gestion du fonds de roulement, car le détaillant détient moins de stocks excédentaires et renouvelle les stocks plus rapidement. Les améliorations opérationnelles soutiennent également les efforts de M&S pour rivaliser plus efficacement avec les détaillants natifs du numérique et les concurrents de la fast-fashion qui ont intégré le merchandising piloté par les données dans leurs modèles commerciaux dès le départ.

Comment le merchandising par IA soutient-il les objectifs de durabilité ?

M&S s'est engagé à réduire le gaspillage et l'impact environnemental à travers son programme Plan A, et la planification des gammes alimentée par l'IA contribue directement à ces objectifs. En produisant et en stockant uniquement ce qui est susceptible de se vendre, le détaillant réduit la surproduction, les stocks invendus et l'empreinte carbone associée à la fabrication, au transport et à l'élimination des marchandises non désirées.

Dans le domaine de la mode, une prévision de la demande plus précise aide à éviter le problème généralisé du secteur des stocks excédentaires qui finissent dans les décharges ou l'incinération. Dans l'alimentaire, la réduction du gaspillage s'aligne sur les efforts plus larges du secteur de l'épicerie pour minimiser les coûts environnementaux et économiques de la détérioration. Les outils d'IA permettent également à M&S d'optimiser la logistique et la distribution, réduisant la consommation de carburant et les émissions en garantissant que les bons produits atteignent les bons emplacements sans redistribution inutile.

L'intégration de l'IA dans le merchandising représente une partie d'une transformation numérique plus large chez M&S, alors que le détaillant cherche à moderniser les systèmes et processus existants. Le programme Reshape for Growth de l'entreprise a priorisé l'investissement dans les capacités technologiques et de données, reconnaissant que la prise de décision pilotée par les données est essentielle pour rivaliser dans un environnement commercial en évolution rapide.

Bien que M&S ait progressé dans le déploiement de l'IA pour la planification des gammes et la prévision de la demande, le détaillant continue d'affiner ces systèmes et d'étendre leur application dans l'ensemble de l'entreprise. L'efficacité des modèles d'apprentissage automatique dépend de la qualité des données, de l'intégration entre les systèmes et d'une supervision humaine continue pour garantir que les algorithmes reflètent la stratégie commerciale et les besoins des clients. À mesure que la technologie mûrit et que M&S accumule plus de données transactionnelles, la précision et l'impact du merchandising piloté par l'IA devraient augmenter, soutenant à la fois la performance commerciale et les résultats en matière de durabilité.