Prévoir les promotions : référence, effet de levier et cannibalisation

Prévoir une promotion revient à estimer séparément trois éléments : la référence, c'est-à-dire ce qui se serait vendu sans la promotion, l'effet de levier, c'est-à-dire le volume supplémentaire que la promotion provoque, et la cannibalisation, c'est-à-dire le volume qu'elle prend à d'autres produits. La plupart des erreurs de prévision des promotions viennent du mélange de ces trois éléments ; une bonne méthode les garde donc séparés.

Ce décryptage décrit chaque composante, les données nécessaires, la façon de mesurer la précision et ce que l'apprentissage automatique apporte ou non. Il s'appuie sur des sources académiques et de référence publiées et évite toute affirmation sur des résultats de détaillants précis.

Qu'est-ce que la référence d'une promotion ?

La référence est une estimation des ventes de la période promotionnelle si aucune promotion n'avait eu lieu. Elle n'est jamais observée directement et doit donc être modélisée. L'effet de levier est alors la différence entre les ventes réelles et cette référence. Si la référence est fausse, tous les chiffres d'effet de levier qui s'y appuient le sont aussi.

Une référence simple reprend la dernière valeur avant la promotion. Une étude sur la cannibalisation de l'université Aalto a utilisé précisément cette approche naïve, en prenant la dernière valeur avant promotion et en la comparant à la première semaine de promotion, et a noté que de meilleures options, comme l'interpolation linéaire avec lissage ou Prophet, donneraient de meilleurs résultats. Dans sa simulation, l'interpolation par lissage était environ 40 à 50 % meilleure que la référence naïve. L'étude utilisait des données simulées ; l'ampleur du gain différera donc avec des données réelles, mais le sens est utile : la qualité de la référence compte énormément.

Pour la mode, une référence est plus difficile à établir que dans l'alimentaire. Les modèles ont une vie courte, les tailles se vendent de façon inégale et un article en promotion n'a parfois jamais connu de période sans promotion. Les équipes empruntent alors des informations à des articles similaires, à des saisons antérieures ou aux premières semaines du même modèle.

Comment estime-t-on l'effet de levier promotionnel ?

L'effet de levier s'estime en comparant les ventes en promotion à la référence, généralement en unités. Il dépend de la profondeur de la remise, du mécanisme promotionnel (pourcentage de remise, lot, livraison gratuite), du canal, du calendrier, du soutien marketing et de la disponibilité du stock. Un modèle apprend ces effets à partir des promotions passées ; il lui faut donc un registre de chaque promotion avec ses dates, ses mécanismes et son périmètre.

• Consignez chaque promotion avec dates de début et de fin, profondeur, mécanisme, canal et articles concernés.
• Consignez la disponibilité du stock, car une rupture pendant une semaine de promotion ressemble à un faible effet de levier alors qu'il s'agit de ventes perdues.
• Consignez les activités concomitantes, comme les campagnes, les envois d'e-mails et les remises, pilotées par le gros, chez les partenaires détaillants.
• Gardez un historique propre hors promotion pour le même article ou des articles comparables, car c'est de lui que la référence apprend.

Lire aussi

L'IA pour les merchandisers et les planificateurs : un guide pratique

Qu'est-ce que la cannibalisation, et pourquoi est-elle importante ?

La cannibalisation est une baisse des ventes d'un produit causée par l'activité de l'entreprise elle-même. Les définitions de référence la décrivent comme une perte de volume de ventes, de chiffre d'affaires ou de part de marché causée par le lancement, par la même entreprise, d'un nouveau produit, et citent la remise comme exemple : des prix plus bas sur un produit détournent les acheteurs d'alternatives plus chères, et l'effet s'estompe lorsque les prix reviennent à la normale.

L'étude d'Aalto la définit plus précisément pour les promotions : la part de la hausse de volume d'un article en promotion prélevée sur des produits de substitution. Elle raisonne en volume plutôt qu'en chiffre d'affaires, car le volume est plus directement lié au choix du consommateur. Des valeurs négatives indiquent une complémentarité, c'est-à-dire que deux articles se vendent ensemble. Pour un merchandiser, cela signifie qu'une promotion qui montre un fort effet de levier sur un modèle peut déplacer des ventes entre modèles plutôt que créer une demande nouvelle.

Comment les méthodes d'apprentissage automatique estiment-elles la cannibalisation ?

L'article d'Aalto décrit une méthode de moindres carrés alternés régularisée par elastic net qui estime une matrice de cannibalisation entre paires d'articles. Elle masque les effets de levier des articles hors promotion, contraint l'auto-cannibalisation à zéro et recourt à un contrôle de validation pour limiter le surajustement. Dans les simulations, la méthode convergeait vers la même solution quelle que soit l'hypothèse de départ, mais l'erreur croissait avec le nombre de produits et le niveau de bruit. Les auteurs indiquent un temps d'exécution d'environ deux heures sur un ordinateur portable pour 40 produits et trois années de données réelles de magasins, et notent que les données réelles du commerce donneront probablement des résultats moins précis, car le comportement des consommateurs s'écarte des hypothèses du modèle.

La lecture réaliste est que la cannibalisation d'un article à l'autre peut être estimée, mais pas précisément, et pas pour de très grands assortiments sans simplification. De nombreuses équipes l'estiment donc au niveau des groupes de produits, ou ne s'en servent que pour repérer les plus forts cannibalisateurs plutôt que pour calculer des chiffres exacts, ce qui est l'usage que les auteurs eux-mêmes suggèrent.

Comment évaluer une prévision de promotion ?

La précision doit être jugée sur des données que le modèle n'a pas vues. Le manuel de prévision de Hyndman et Athanasopoulos recommande un jeu de test d'environ 20 % de l'échantillon, au moins aussi long que l'horizon de prévision le plus long, et avertit qu'un bon ajustement aux données d'entraînement ne garantit pas de bonnes prévisions. Il énumère aussi les faiblesses des erreurs en pourcentage : le MAPE est indéfini lorsqu'une valeur réelle est nulle, instable près de zéro et pénalise plus lourdement les erreurs négatives que les positives. Les erreurs mises à l'échelle comme le MASE divisent par l'erreur d'une prévision naïve ; une valeur inférieure à 1 bat donc la référence naïve.

Le même ouvrage affirme que toute nouvelle méthode de prévision doit être comparée aux méthodes naïve et naïve saisonnière, et que, si elle ne peut pas les battre, elle ne mérite pas d'être envisagée. Pour les promotions, une référence supplémentaire utile est l'estimation du planificateur lui-même, ce qui mène à l'approche de la valeur ajoutée de la prévision décrite dans notre guide pratique sur ce sujet.

Lire aussi

L'IA dans le merchandising de mode : ce qu'elle fait, ce dont elle a besoin et où elle échoue

Quelles sont les limites pour la mode ?

• Les cycles de vie courts laissent peu d'historique pour le même article ; les modèles empruntent donc à des articles similaires et à des saisons antérieures.
• Un document de position sur la prévision par apprentissage dans la mode note que les méthodes classiques comme ARIMA ne peuvent pas être ajustées lorsqu'il n'y a pas d'historique ou seulement quelques observations, ce qui est courant pour les nouveaux modèles.
• Les marques à dominante gros ne voient souvent pas les promotions que mènent leurs partenaires ; le signal de sell-out est donc incomplet.
• Les promotions interagissent entre elles et avec les activités de déstockage ; les effets mesurés sur une période ne se retrouvent donc pas nécessairement sur la suivante.

Utilisée en tenant compte de ces limites, la prévision des promotions est un moyen de rendre explicites les hypothèses de planification : une référence énoncée, un effet de levier énoncé et une estimation de cannibalisation énoncée, que l'on peut relire et corriger après coup.