Comment bonprix utilise l'IA pour l'assortiment, le classement des produits et les prix
Le distributeur de mode allemand en ligne a publié la façon dont il utilise l'apprentissage automatique pour écarter les modèles faibles, classer les produits chaque jour et conseiller sur les tailles. Voici ce qui est documenté, et ce qui ne l'est pas.
L'ESSENTIEL Résumé de la rédaction
- Le système Learning Collection de bonprix, annoncé en septembre 2020, prédit la demande pour chaque modèle afin que les articles aux prévisions médiocres puissent être abandonnés ou adaptés avant la collection de janvier 2021.
- Le modèle de classement des produits de bonprix, décrit en décembre 2021, utilise un réseau de neurones convolutif sur sept jours de clics, d'ajouts à la liste de souhaits, d'ajouts au panier et d'achats pour prévoir les ventes du lendemain.
- bonprix affirme que l'humain garde le dernier mot sur l'assortiment : sa responsable Supply Chain Strategy a déclaré que l'IA peut apporter des éléments précieux pour créer des modèles, mais que l'humain a le dernier mot.
- bonprix n'a pas publié de résultats chiffrés pour ses modèles d'assortiment ou de classement ; les affirmations sur une hausse des ventes ou de la marge ne peuvent donc pas être vérifiées à partir de ses propres déclarations.
- Blue Yonder cite bonprix comme client de son logiciel d'optimisation des prix par IA, mais le résumé public ne donne aucun chiffre ; les résultats en matière de prix restent donc non divulgués.
bonprix, le distributeur de mode en ligne basé à Hambourg, utilise l'apprentissage automatique à trois points du cycle commercial : décider quels modèles restent dans l'assortiment, classer chaque jour les produits de sa boutique en ligne et, selon son partenaire logiciel, optimiser les prix. L'entreprise a publié le fonctionnement des deux premiers, mais aucun résultat chiffré, ce qui en fait un exemple utile d'IA concrète à l'impact financier non démontré.
Comment bonprix utilise-t-il l'IA pour décider de ce qu'il vend ?
En septembre 2020, bonprix a annoncé un système développé en interne, baptisé Learning Collection, construit avec des spécialistes de l'IA d'Otto Group data.works. Son outil d'analyse du succès par article prédit la demande et le succès commercial des articles à partir de l'ensemble des données produit de bonprix. Il génère des listes de flops prévus. Les articles aux prévisions médiocres sont abandonnés et d'autres sont adaptés, par exemple en changeant la couleur.
bonprix a indiqué que le système repose sur un algorithme d'apprentissage automatique qui s'améliore à mesure qu'il reçoit de nouvelles informations. Il a été testé à l'été 2020 et utilisé pour la collection de janvier 2021. Jessica Külper, Head of Supply Chain Strategy, a déclaré que l'IA peut apporter des éléments précieux pour créer des modèles, mais que l'humain garde le dernier mot. L'annonce ne donnait ni chiffres de précision ni impact sur les ventes.
Comment bonprix classe-t-il les produits dans sa boutique en ligne ?
En décembre 2021, bonprix a décrit un modèle de prévision du potentiel produit qui alimente des classements mis à jour quotidiennement dans chaque catégorie de bonprix.de. Il s'appuie sur un réseau de neurones convolutif, une technique issue de la reconnaissance d'images. Les données d'entrée sont des séries temporelles des clics, des ajouts à la liste de souhaits, des ajouts au panier et des achats quotidiens de chaque produit sur les sept jours précédents, disposées comme une image afin que le réseau puisse prévoir les ventes du jour suivant.
Les produits dont le stock passe sous un seuil défini sont classés plus bas, ce qui relie le classement à la disponibilité. Les utilisateurs enregistrés reçoivent des classements affinés selon cinq tranches d'âge. Le modèle a remplacé l'application précédente en Allemagne et a été mis en œuvre en Autriche, en Suisse et dans dix autres pays après de nombreux tests A/B. bonprix affirme que ses prévisions sont bien plus fiables que celles de son précédent modèle d'apprentissage automatique et s'attend à un effet positif sur les taux de conversion, mais ne divulgue aucun pourcentage.
| Application | Objectif | Données d'entrée décrites | Résultat publié |
|---|---|---|---|
| Learning Collection (ASA) | Prédire le succès des modèles et retirer ou adapter les articles faibles | Ensemble des données produit | Aucun chiffre |
| Modèle de classement des produits | Classement quotidien des produits dans chaque catégorie | Sept jours de clics, d'ajouts à la liste de souhaits, d'ajouts au panier et d'achats ; niveau de stock ; tranche d'âge | Décrit comme plus fiable que le modèle précédent ; aucun chiffre |
| Fit Finder | Recommandations de taille | Saisies du client plus données d'achat et données produit de Fit Analytics | Objectifs annoncés : moins de retours et moins de commandes en plusieurs tailles ; utilisation en hausse depuis avril 2020 |
| Optimisation des prix | Améliorer la marge | Non publiées | Le partenaire logiciel indique un meilleur résultat net, sans chiffres |
Que dit bonprix sur les prix et le conseil de taille ?
Blue Yonder, le fournisseur de logiciels, cite bonprix comme client de son logiciel d'optimisation des prix par IA et affirme avoir aidé le distributeur à améliorer ses marges. Le résumé public ne contient ni dates, ni chiffres, ni détails de méthode ; l'effet ne peut donc pas être évalué. Pour le conseil de taille, bonprix utilise Fit Finder de Fit Analytics, qui combine les informations saisies par le client avec des données d'achat et des données produit. Les objectifs annoncés de bonprix sont une fidélité accrue, moins de retours et moins de commandes en plusieurs tailles, et son responsable produit digital a indiqué une utilisation nettement plus élevée de Fit Finder à partir d'avril 2020 par rapport à la période d'avant la pandémie.
Quelles données et quels contrôles font fonctionner cela ?
Trois caractéristiques de l'approche de bonprix sont transposables. Premièrement, les modèles reposent sur des données comportementales qu'un distributeur en ligne collecte chaque jour, comme les clics et les paniers. Deuxièmement, la disponibilité fait partie de la logique : un modèle de classement qui met en avant des produits impossibles à livrer nuirait aux clients. Troisièmement, la migration de tous les processus vers Google Cloud, achevée en 2021, montre que la plateforme de données est venue avant le modèle plus avancé.
- L'humain garde la décision finale sur l'assortiment.
- Les modèles ont été testés par des tests A/B avant leur déploiement.
- bonprix déclare que l'analyse des données clients est conforme au RGPD.
Comment situer ce cas par rapport aux affirmations habituelles sur l'IA dans le commerce de détail ?
Une grande partie du débat public sur l'IA dans la distribution de mode repose sur des affirmations d'éditeurs faisant état de gains importants. Les déclarations de bonprix sont plus mesurées et, à cet égard, plus crédibles : l'entreprise décrit ce que fait chaque modèle, quelles données il utilise, comment il a été testé et déployé, et s'abstient de citer des chiffres qu'elle n'a pas publiés. C'est la bonne façon de lire un cas : distinguer le mécanisme du résultat.
Le mécanisme est plausible. Écarter les flops prévus avant la production réduit le risque de stocks invendus, l'un des problèmes les plus coûteux de la mode. Classer selon la demande prévue place devant les clients des produits disponibles et populaires. Le conseil de taille traite la première cause de retours. Chacun de ces éléments se rattache à un coût que les distributeurs connaissent. Ce qui manque, c'est l'ampleur du bénéfice.
- Demander quelles données alimentent le modèle et à quelle fréquence elles sont actualisées.
- Demander comment le modèle traite la disponibilité des stocks, afin qu'il ne promeuve pas ce qui ne peut pas être expédié.
- Demander si un humain peut corriger le résultat, comme bonprix l'affirme pour ses planificateurs d'assortiment.
- Demander des effets mesurés par rapport à un groupe témoin, et pas seulement une comparaison avant et après.
Learning Collection illustre aussi une limite courante de la prédiction d'assortiment. Un modèle entraîné sur des données historiques prédit quels nouveaux modèles ressemblent aux succès passés, et peut être plus faible pour des idées véritablement nouvelles. C'est l'une des raisons pour lesquelles bonprix maintient le jugement humain dans la boucle.
Les sources font aussi apparaître une manière de communiquer propre à bonprix. Dans les deux communiqués, l'entreprise nomme ses partenaires, précise ce qui est développé en interne ou non et indique la base juridique de l'utilisation des données. Cette transparence aide les lecteurs à juger de la portée. On voit par exemple que le modèle de classement est un système développé en interne et que l'outil de taille est fourni par un spécialiste, ce qui influe sur qui contrôle les données et sur la facilité avec laquelle l'outil peut être remplacé.
Elles montrent également la dimension temporelle. Learning Collection a été annoncé en 2020 et le modèle de classement en 2021. Les distributeurs qui évaluent l'IA doivent s'attendre à des programmes pluriannuels comportant plusieurs générations de modèles, et non à un lancement unique, et prévoir une maintenance continue, une surveillance de la dérive et des réentraînements périodiques.
Quelles sont les limites de ce que l'on sait ?
Les publications datent de 2020 et 2021 et décrivent donc l'état des systèmes de bonprix à cette époque. L'entreprise a indiqué prévoir d'autres usages dans la gestion des stocks, la communication personnalisée et le classement fondé sur le comportement, mais les sources consultées ne confirment pas ce qui a été réalisé. Les lecteurs doivent donc voir en bonprix la preuve que de tels modèles peuvent être exploités en production à grande échelle, pas la preuve d'un retour sur investissement particulier.
Questions fréquentes
bonprix utilise-t-il l'intelligence artificielle ?
Oui. bonprix a décrit un système Learning Collection pour la planification de l'assortiment, un réseau de neurones convolutif pour le classement quotidien des produits et un Fit Finder fondé sur l'IA pour le conseil de taille, ainsi que la prévention de la fraude. L'entreprise indique que l'IA est utilisée en complément des décisions humaines.
Comment bonprix classe-t-il les produits en ligne ?
bonprix utilise un modèle interne qui analyse les clics, les ajouts à la liste de souhaits, les ajouts au panier et les achats des sept jours précédents pour prévoir les ventes du lendemain. Les produits à faible stock sont classés plus bas, et les utilisateurs enregistrés obtiennent des classements affinés selon cinq tranches d'âge.
Quels résultats bonprix a-t-il rapportés grâce à l'IA ?
bonprix n'a pas publié de résultats chiffrés dans les sources consultées. L'entreprise affirme que son modèle de classement est plus fiable que le précédent et s'attend à un effet positif sur la conversion, mais ne donne aucun pourcentage.
Qui fournit le logiciel de prix par IA de bonprix ?
Blue Yonder indique que bonprix est client de son logiciel d'optimisation des prix fondé sur l'IA et qu'il a amélioré les marges. Aucun chiffre ni calendrier n'est publié dans le résumé consulté.
Une édition chaque jour ouvrable. Lue en cinq minutes. Gratuite pour les professionnels.
