Que faire en cas de plongeon de la devise du pays avec lequel vous commercez le plus, comme l'a fait la livre sterling après le vote du Brexit ? Ou si votre groupe cible se montre soudainement moins friand d'un type de produits spécifique ? Anticiper les scénarios devient un élément crucial de votre trade promotion management dans un monde où les surprises du Brexit ne se comptent plus.

– Chronique signée Peter van de Moosdijk, Country Manager Benelux de Wipro

Le 24 janvier 2016, les habitants de Grande-Bretagne se sont réveillés en apprenant que leur pays allait quitter l'Union européenne, suite au référendum tenu la veille pour ou contre le maintien du Royaume-Uni. La réaction des marchés financiers aux résultats des urnes ne se fit pas attendre: la livre sterling fit le plongeon par rapport aux devises des principaux partenaires commerciaux. Les patrons et chefs d'entreprise du Royaume-Uni et d'ailleurs durent dorénavant s'accommoder d'une nouvelle variable intervenant dans leur stratégie de fabrication et de vente de produits et services.

Le Brexit est sans doute l'un des exemples extrêmes, mais ces derniers mois n'ont pas été avares en surprises politiques et économiques. Pour les managers inquiets quant aux conséquences des bouleversements de grande ampleur sur leurs débouchés, il est plus que jamais important de tenir fermement les rênes des variables qu'ils sont encore capables de maîtriser.

Une gifle potentielle et comment l'atténuer

En fonction du lieu de production des marchandises, les fabricants s'attendent à une augmentation maximale de 25 % du prix de revient. Mais c'est sans compter sur les obstacles commerciaux et tracasseries administratives qui pourraient nuire à l'efficience de la chaîne logistique et allonger les délais nécessaires en vue de transporter des biens d'un pays A vers un pays B. Outre-Manche, cela peut inciter à emmagasiner des stocks plus grands, et donc à réduire le cash-flow.

On ne peut évidemment faire grand-chose contre le Brexit, pas plus que contre l'impact économique du chômage, de l'inflation ou de la croissance du PNB. Mais les données disponibles peuvent nous aider à limiter tant que possible le seuil d'incertitude : les chiffres de vente détaillés jusqu'au niveau de chaque client individuel et de chaque produit de la gamme achetée par ce client. Des données aussi précises peuvent s'avérer cruciales pour prendre des décisions dûment informées portant sur les activités de promotion et de publicité, afin d'intégrer ces décisions dans d'autres aspects de marketing telle la gestion de l'assortiment et des catégories, et pour anticiper différents résultats en fonction de scénarios potentiels "what-if".

Modélisation pour l'inconnu

Anticiper divers résultats à l'aide de scénarios what-if devient un élément crucial de votre trade promotion management dans un monde où les surprises de l'ampleur du Brexit ne se comptent plus. Que faire en cas de plongeon de la devise du pays avec lequel vous commercez le plus, comme l'a fait la livre sterling après le vote du Brexit ? Que faire si l'inflation galope beaucoup plus vite que prévu ? Si le chômage augmente encore ? Ou si votre groupe cible se montre soudainement moins friand d'un type de produits spécifique ?

Avec un planning des scénarios, les responsables des promotions et autres décideurs marketing comprennent quel est l'impact monétaire réel de tels scénarios what-if. Avec ses fonctions de planning de scénarios intégrés, le logiciel Trade Promotion Optimization (TPO) propose aux managers une vision sur différents scénarios possibles (par exemple 25 % best-case, 50 % standard, 25 % worst-case) et l'impact de chaque scénario sur le chiffre d'affaires, les marges bénéficiaires et d'autres données financières pertinentes.

Machine Learning vs l'inattendu

Les managers en marketing savent à quel point certaines données peuvent être rapidement dépassées. Les besoins des clients changent constamment, surtout lorsque les goûts et préférences évoluent en parallèle avec les modes propagées sur les réseaux sociaux, les comptes rendus en ligne et les incitants tiers. Mais si les schémas de données historiques peuvent perdre leur valeur prédictive, des façons permettent au système "d'apprendre" et d'intégrer instantanément de nouvelles informations. Les récentes plates-formes logicielles sont déjà suffisamment sophistiquées pour permettre ce type d'apprentissage mécanique.

Un vendeur peut par exemple être informé de conditions susceptibles d'impacter une action commerciale prévue. Parmi ces circonstances, citons notamment des changements dans la météo annoncée, qui peuvent influencer la demande attendue d'un produit déterminé. Il peut également s'agir d'un changement soudain et surprenant, du genre Brexit, qui bouleverse complètement l'ensemble d'un écosystème économique.

Le vendeur dont nous parlions peut encoder ces informations dans un système d'apprentissage et de la sorte, "annoncer" au modèle prédictif qu'une nouvelle variable, autrefois inconnue, risque de modifier significativement le résultat de cette action. Les modèles se lancent dans l'assimilation des données et celles-ci permettent de soumettre des scénarios what-if encore plus nuancés que par le passé.

La vie serait sans doute plus simple s'il ne fallait pas tenir compte de l'impact de surprises externes considérables. Mais ce n'est pas le cas, et heureusement, nous avons à notre disposition de bons modèles informatifs et des données qui permettent de mieux comprendre et d'évaluer leur impact potentiel.