Parcours du consommateur en magasin, force d’attraction des planètes et vendeurs itinérants

Parcours du consommateur en magasin, force d’attraction des planètes et vendeurs itinérants

Quel est le rapport entre des modèles d’attraction des planètes et ceux de l’optimisation des trajets des commerciaux ? Ils ont tous les deux été utilisés pour modéliser et prévoir le parcours des consommateurs dans les magasins.

Aussi incongru que cela puisse paraître, des chercheurs (1) ont tenté de modéliser le parcours des consommateurs en magasin en utilisant les lois d’attraction des planètes et de la gravité. Selon eux, les zones d’un magasin exercent une attractivité plus ou moins grande sur les consommateurs se trouvant dans les autres zones. Cette force d’attraction dépend de la distance entre les deux zones, du poids de chacune des zones (en termes de chiffre d’affaires) et d’une force de rotation naturelle (les consommateurs suivent généralement un flux déterminé par l’allée principale faisant le tour du magasin). Les auteurs élaborent alors un modèle stochastique, qu’ils paramètrent à partir d’une base de données d’observations (suivis de gens dans les magasins), tenant compte du nombre d’allées, des transitions possibles entre les différentes zones et de l’emplacement de quelques “planètes” particulières que sont les rayons clés tells que boucherie, boulangerie…. Les auteurs trouvent un pouvoir prédictif satisfaisant à leur modèle.

Quelques années plus tard, d’autres chercheurs (2) étudient l’efficacité des parcours du consommateur en magasin en utilisant le fameux problème du vendeur itinérant. Tel le commercial devant optimiser son trajet en visitant ses clients dans le bon ordre, les consommateurs sont-ils efficaces dans l’ordre dans lequel ils visitent les catégories de produits au sein d’un supermarché ? En traquant les chariots à l’aide de la technologie RFID, les auteurs trouvent que si les consommateurs sont efficients et logiques dans l’ordre dans lequel ils prennent les produits dans les rayons, ils sont beaucoup moins efficaces dans les chemins qu’ils empruntent pour aller d’un produit à un autre. Mais comme dans toute recherche de ce type, il est difficile pour les chercheurs de distinguer la direction de la causalité, entre le parcours et les achats.

D’autres modèles moins sexy ont été utilisés dans la recherche académique tels que le K-medoids clustering utilisé par une équipe de Wharton (3) utilisant les données RFID de Sorensen. Les auteurs montrent que les types de parcours dominants ne sont pas constitués par une déambulation continue dans chaque allée successive mais par un suivi de l’allée principale avec quelques incursions rapides dans certains rayons. Cependant il faut noter ici que la géolocalisation s’effectue sur les chariots et non les consommateurs eux-mêmes : cela peut expliquer pourquoi les petites allées semblent si peu empruntées : les consommateurs laissent peut-être leurs chariots dans l’allée principale pour se faufiler plus facilement dans les rayons. La même équipe de Wharton (4) analyse des données RFID similaires en utilisant un modèle individuel bayésien intégré pour prédire les parcours en magasin en fonction des premières zones visités par le consommateur.

L’équipe de Roxwhale s’inspire de tous ces modèles pour analyser les parcours des consommateurs en magasin. Nous ajoutons un souci d’intérêt managérial très fort pour identifier et prévoir des parcours types, calculer des indicateurs pertinents (taux de visite dans chaque zone, taux de transformation, étendue du parcours…), comprendre leurs impacts respectifs sur les achats et conseiller sur les moyens de les influencer.


  1. Farley J.U. & L.W. Ring (1966), A stochastic model of supermarket traffic flow, Operations Research (July-August), 555-567.
  2. Larson J.S., Bradlow E.T. & P.S. Fader (2005), An exploratory look at supermarket shopping paths, International Journal of Research in Marketing, 22, 4, 395-414.
  3. Hui, S., Fader P.S. et Bradlow E.T. (2009), “The Traveling Salesman Goes Shopping: The Systematic Deviations of Grocery Paths from TSP-Optimality”, Marketing Science, 28, 3, 566-572.
  4. Hui, S., Bradlow E.T. et Fader P.S. (2009), An Integrated Model of Grocery Shopping Path and Purchase Behavior”, Working Paper, available at http://ssrn.com/abstract=960960.
rédigé par : Julien Schmitt

a propos de roxwhale

Roxwhale est un éditeur de solutions d'analyse In-Store qui permettent aux magasins d'optimiser leur surface de vente