Dans un contexte de pression économique et de compétitivité accrue, Carrefour mise sur l'innovation et l'utilisation avancée de la Data Science pour automatiser et optimiser l'assortiment des produits en magasin. L'objectif est de réduire les coûts tout en personnalisant l'expérience client et en maximisant les marges et le chiffre d'affaires, tout en assurant une cohérence internationale dans ses stratégies.

Dans un contexte économique marqué par l'inflation, il est crucial pour Carrefour de perfectionner l'expérience d'achat de ses clients tout en optimisant les coûts et en préservant ses marges.

Dans ce contexte de pression économique et de compétitivité accrue, mise sur l'innovation et l'utilisation avancée de la Data Science pour automatiser et optimiser l'assortiment des produits en magasin. L'objectif est de réduire les coûts tout en personnalisant l'expérience client, en maximisant les marges et le chiffre d'affaires, tout en assurant une cohérence internationale dans ses stratégies.

‍

Objectifs

Optimisation des Coûts et Marges

Réduire les coûts liés à un assortiment trop vaste tout en maintenant les performances financières (chiffre d’affaires et marges).

Réduire le nombre de références (assortiment produit) proposées par Carrefour dans ses magasins sans pour autant faire fuir des clients existants qui viendraient pour des références spécifiques.

‍

Personnalisation de l’Expérience Client  

Perfectionner l'expérience d'achat en recommandant des produits adaptés aux préférences des clients.

Générer des assortiments de produits adaptés à la taille des magasins et aux typologies des clients en se basant sur les comportements d’achat.

Définir des groupes de produits substituables et optimiser l'assortiment pour maximiser la marge et le chiffre d'affaires.

‍

Automatisation des Processus

Automatiser les processus d'assortiment des produits pour améliorer l'efficacité opérationnelle.

‍

Cohérence Internationale

Adapter les stratégies d'assortiment et d'optimisation aux contraintes spécifiques de chaque pays tout en maintenant une cohérence globale. (France, Italie, Belgique, Espagne).

‍

Notre réponse

‍

Création d’un modèle de données unifié entre tous les pays pour isoler les spécificités pays.

Implémentation d’un algorithme de classification non-supervisée (clustering) pour créer des ensembles de produits substituables entre eux en se basant sur les données de transactions (i.e. tickets de caisse).

• Intégration des données ERP et des données référentielles produits.
• Calculs de similarité et matrices de distance pour les produits.
• Algorithmes de clustering et de cannibalisation pour optimiser l'assortiment.

Implémentation d’un algorithme de rattachement des « innovations » (nouveaux produits jamais mis en vente) à ces ensembles de produits.

Implémentation d’un algorithme d’optimisation pour permettre de décider quels produits ajouter et quels produits enlever dans l’assortiment tout en couvrant tous les besoins client. Livraison d’une API pour utilisation.

‍